基于多特征融合运行期均值法的烟雾检测算法

烟雾检测能够有效预防火灾的发生,以此为出发点,解决了烟雾运动区域出现的"空洞"现象,从而实现了快速、准确地检测视频中烟雾的区域。利用烟雾的非刚体特点,融合颜色、背景模糊以及运动方向的特征对背景更新过程进行建模,然后结合连通域面积消除小干扰区域的影响,提高了基于单一特征的运行期均值法的鲁棒性。实验结果表明,改进的方法能够准确、完整地检测出视频中的烟雾区域,并且处理速度也有所提高。

基于码本和运行期均值法的双层背景建模方法

背景建模是视频处理的重要部分,是后续运动目标检测、识别和跟踪的基础。针对现有的背景建模方法无法兼顾抗干扰性、适应光照、背景更新速度和遮挡等问题,提出结合码本和运行期均值法对视频进行双层背景建模的方法。首先在第一层提取亮度和颜色特征,使用聚类的方法进行码本建模,接着在第二层建立运行期均值法模型,通过两种背景模型的有效结合快速准确地实现运动目标分割。实验结果表明,该背景建模方法计算简单、背景更新快、抗噪声能力强并且能较好地适应光照变化,适应于复杂环境下的目标检测。

机器视觉在果园防鸟中的应用

传统的农田果园防御鸟害的方法有很多弊端,难以做到有效防御。本文尝试将机器视觉引入到果园防鸟系统之中,通过检测视频图像来判断有无飞鸟入侵。并采用背景差分算法(Background Subtraction)分割移动目标以及运行期均值法(Running Average)算法更新背景。经过实验验证,本文提出的智能监控防鸟系统具有可行性。