基于彩色空间的背景帧差法视频车辆检测

视频检测的研究是交通参数采集的主要问题,核心是对运动目标的检测。为克服传统基于灰度的背景帧差法所存在的缺陷,提出了建立在YCbCr彩色空间的背景帧差法检测运动目标,分割阈值采用基于迭代的最佳阈值的确定方法,并提出了梯度极值法得到最清晰、完整的车辆进行车流量的统计。经仿真结果表明提出的车辆检测算法不仅能够取得很高的检测精度,而且算法简单、运行速度快。

多帧背景差与Cauchy模型融合的目标检测

为有效解决复杂监视场景中快速、准确检测运动目标,提出一种多帧背景差与柯西(Cauchy)模型融合的目标检测方法。该方法首先借鉴Surendra背景模型的思路进行改进,采用多帧背景差法获取干净的背景图像,然后利用实时的视频图像和当前的背景图像进行绝对差分处理,最后通过Cauchy模型对整幅绝对差分图像上的点进行背景点和前景点判别,实现对复杂监视场景中目标的准确检测。针对车辆、行人等不同对象的监控场景下进行实验,验证了本文方法不仅能够有效地抑制噪声及伪目标的干扰,而且能够快速、准确地分割出前景目标。

基于二次帧差背景提取的车辆追踪方法

针对智能交通系统对交通参数获取的实时性需求,利用背景的短时不变性,并结合帧差分法与背景差分法,提出一种运动车辆的追踪方法.该方法采用二次帧差法对背景快速提取,再对采用背景差分法获得的差分图像进行二值化,同时,为提高识别率对二值化图像进行了形态学操作,得到了较为完整的连通域.最后以帧间连通域的距离为依据,进行车辆追踪.实验结果表明,该方法具有良好的实时性和精确度以及鲁棒性,能够满足智能交通系统的实时需求.

基于现场可编程门阵列的水果识别系统设计

针对目前大多数水果识别系统实时性差和成本较高的问题,本文提出一种基于现场可编程门阵列(FPGA)的水果识别系统。整体硬件设计包含图像采集、检测识别和显示模块。软件部分通过图像采集平台将水果图像存储至双倍数据率同步动态随机存储器(DDR3)控制模块,进行图像灰度化处理,并创造性地提出背景帧差法对水果图像进行分割。通过融合水果颜色和几何特征,实现对水果数量、颜色和种类的识别。整个水果识别系统在不同光照下对常见水果进行了测试。实验结果表明,水果平均识别准确率达到93.25%,识别速度约为16.67 ms,FPGA硬件资源消耗率仅占28.02%,可以满足实时性需求。

一种运动目标检测实时性和鲁棒性的方法

针对二帧差法和背景差法各自的不足提出建立在这两种方法基础之上的改进算法。该方法首先使用二帧差法对运动区域进行粗分割,并进行形态学膨胀处理来消除"空洞"影响。然后提出基于运动面积比的改进的自适应背景更新方法。最后采用背景帧差法对粗分割出来的运动区域进行细分割。该方法既保留了二帧差法和背景帧差法实时性能特点,同时解决了二帧差法中产生的"空洞"、"双影"现象和背景帧差法中由于光照变化等造成的背景更新误判现象,具有很强的鲁棒性。

基于雪天的车流量检测算法

目前传统的车流量检测方法容易受到恶劣天气等外界因素的影响,造成了误检率较高、实时性较差等问题,因此精确地检测出雪天下的汽车流量对于城市的智能交通具有重要的意义。本文首先采用的是改进的帧间差分法降低雪花对车流量检测的影响,然后以车辆的背景信息作为检测特征,利用改进的背景帧差和相邻帧差法降低车辆区域内的空洞对车辆检测造成的影响,保证车辆区域的完整性。最后统计驶入虚拟区域的车辆数目进行车辆计数,从而得到车流量信息,实现视频中该路段的车流量计算。经过大量实验表明本文提出的车流量算法提高了检测的准确性和实时性要求。

基于DSP目标入侵检测系统的设计

随着计算机技术的快速发展,针对运动目标入侵检测的智能监控系统已成为生产和生活中一个重要的应用。本文以TI公司的TMS320DM642搭建视频处理平台,对采集的背景图像建立混合高斯背景模型,将实时图像与背景模型做像素比对,判断监控区域中是否存在运动目标。如果存在运动目标,则采用背景帧差法和连通性分析等相关技术对目标区域进行定位,并判断是否进入禁区。如果进入禁区,系统将实现报警提示,以保护监控区域安全。

基于卡尔曼滤波的考生异常行为检测与识别

为了利用考场的监控视频提高监考效率,节约人力资源,提出了结合累积背景差分与帧差进行异常检测,利用卡尔曼滤波跟踪学生异常行为并提取异常特征,使用Softmax分类器进行分类识别的方法,实现了考生异常行为的自动识别检测与分类。实验结果表明,能够对考生的异常行为进行有效的检测与分类,提高了考场监控能力。

实时视频检测系统中背景更新及复杂目标定位算法

本文提出了针对固定背景帧差法的背景更新算法和多目标定位算法。在背景更新中,通过建立目标、噪声矩阵来保存图像的特征信息,利用分类的思想优化更新策略,基于像素对背景进行更新;在目标定位中,提出了基于目标对角线的连通判断模板,该模板不断生长进而检测目标的中心点和体积,可实现实时场景中多目标和形态差异目标的定位。户外实验证明了算法的健壮性和鲁棒性,可以实现背景更新和复杂目标识别。