基于固定背景的视频浓缩算法设计与实现

视频浓缩是通过图像处理和机器视觉等手段来完成从长时间的监控视频中提取到有价值的内容信息。在视频监控领域中,仅通过人力进行视频的筛查会造成效率低下以及漏报和误报的问题。文章通过相邻帧内容检测方法,运动片段检测方法配合Harris特征点提取算法和SIFT特征点提取算法实现图像特征点配准。提出双模融合的背景建模与内容检测方法,并且采用基于2D距离的运动内容跟踪方法以及GrabCut抠图算法进行了对视频浓缩算法的设计与实现。

基于加权光流能量的异常行为检测

为了减少光线突变对光流提取的干扰,实时、可靠地提取运动目标前景,采用双背景模型方法,即自适应的滑动平均背景更新算法融合HSV颜色空间背景模型提取前景。在运动目标前景的最小邻接矩形区域内,采用Lucas-Kanade方法计算光流信息,通过光流信息计算出运动目标的单位加权光流能量来判断是否发生异常行为。在室内外环境的实验结果表明:该方法能够稳定地检测人的异常行为,鲁棒性较高,计算复杂度较低,能够满足实时性要求。

基于视频序列的双背景建模算法

在研究传统码本和滑动平均背景建模算法的基础上提出了一种基于视频序列的双背景建模算法,并利用统计的方法提出了一种基于HSV特征的背景更新方法,有效滤除了噪声点,解决了光线突变下背景更新的问题。实验表明该算法对光照突变鲁棒性强,响应速度快,适合实时图像处理。

基于非参数特征提取的早期林火烟雾检测

提出了一种基于非参数特征提取的早期森林火灾烟雾检测方法。采用双背景模型进行运动区域检测,得到可疑烟雾区域。再利用早期火灾烟雾颜色特征和运动特性对提取的可疑运动区域进行颜色判别,对增长区域以及上升区域进行检测,排除部分干扰目标。根据提出的非参数特征提取法,计算并科学地选取可疑区域的特征量,将其输入训练好的支持向量机(SVM)进行烟雾判别。对多段视频进行测试表明,该方法能适用于复杂多变的野外环境,排除干扰,有效地检测出早期林火烟雾。

实时的静止目标与鬼影检测及判别方法

针对视频安全监控中出现的鬼影干扰现象,提出静止目标与鬼影的实时检测及判别方法.建立双背景模型检测出静止前景区域,通过证据累积图像和允许遮挡时间参数减少虚警及处理遮挡问题.采用canny算子提取静止前景的边缘,分别计算静止前景边缘在当前帧与背景帧中的边界颜色对比度.通过对比边界颜色对比度的大小区分静止目标与鬼影.在不同复杂度的视频场景下的实验表明,采用该方法能够有效地从复杂场景中检测出静止目标,并快速判别鬼影,极大地降低了计算耗时且准确率较高.对于图像大小为352×288的视频序列,该算法的平均运行速度约为50帧/s,能够满足实时的监控任务需求.

双背景模型自适应运动目标检测算法在交通监控系统中的应用研究

针对现有运动目标检测算法不能满足复杂场景需求,提出一种基于高斯混合模型和时间平均模型改进的双背景模型自适应运动目标检测算法。对视频图像背景进行简单背景和复杂背景自适应判别,并建立相应的背景模型。双背景模型获取的运动目标区域信息更完整、清晰。实验表明,与传统检测算法相比,新算法在去除区域孔洞、目标区域完整性具有较好性能和优越性。

基于高斯背景模型的车辆检测改进算法

针对车辆检测中实时性、准确性以及自适应性很难兼顾的问题,提出了一种快速有效的车辆检测算法。该算法采用阈值判定背景区域和更新区域,根据背景变化的程度,利用动态权值更新学习率,使用基于单高斯背景模型方法,结合逻辑"或"运算检测出车辆。实验结果表明,该算法能够快速准确地检测出车辆,并且在背景更新过程中实现了自适应,并具有一定的鲁棒性。

基于高斯模型和卡尔曼预测的检测与跟踪

为同时保证运动目标检测与跟踪的稳定性与准确性,提出一种基于高斯模型和卡尔曼预测的检测与跟踪方法。在检测中,先采用分块拼接方式初始化背景,再利用动态权值完成高斯背景模型自适应更新,使得目标检测能够持续有效。在跟踪中,Kalman滤波器利用目标检测结果完成预测跟踪,并且对观测噪声矩阵进行自适应更新,使得跟踪的稳定性得到加强。实验结果表明,该算法能够良好地保证其有效性。

一种智能视频监控中遗留物与搬移物的检测方法

提出了一种智能视频监控中遗留物与搬移物的检测方法.基于高斯混合分布模型,采用不同更新速率的累积掩膜更新背景模型,建立双背景模型,利用基于边缘的相关匹配算法,识别和提取前景目标,给出遗留物或搬移物的空间位置并报警.实验结果表明本算法大大降低了计算的复杂度,对遗留物或搬移物的检测有较高的检测精度和鲁棒性,降低了误警率.

改进GAN网络在生成短视频的应用研究

在研究生成对抗网络(GAN)生成动态图像时,经常出现前后帧图像内容中的部分物体颜色不一致和生成的细节不自然等问题。针对当前生成视频的不理想问题,采用的主要方案是分别对GAN网络中的生成器和判别器进行改进,具体表现在两个方面:一方面是在生成器中对视频的前景和背景分别建模,并且使用多重空间自适应归一化(Multi Spatially-Adaptive Normalization,M-SPADE)算法;另一方面是在判别器的选取上使用双视频判别器(DVD-GAN),然后在Kinetics-600数据集进行训练,实验后的结果分别比对F-Vid2Vid,WC-Vid2Vid等生成方法。实验结果证明了对GAN网络改进的方法在处理生成短视频的前后帧颜色不一致的问题和细节上有着不错的效果,生成的图像相对的更加清晰。

傅里叶域内双背景模型的海上红外序列图像目标检测

针对不同波动程度的海场景下红外目标检测的难点,提出一种傅里叶域内对海背景进行双模型建模的目标检测算法。由于不同的海场景具有不同的海水波动模式,用单一的模型较难准确的描述所有的海场景。海水在傅里叶域内幅度谱的稳定性较强,因此提出一种傅里叶域内的双海水背景模型,即概率单高斯模型和混合高斯模型。首先对海上红外图像进行行方向的傅里叶变换,获得图像的幅度谱和相位谱。然后利用训练阶段纯海水图像幅度谱序列的方差对海水的波动程度进行判别。若海水波动较剧烈,利用傅里叶域内的概率单高斯模型对海水进行建模。若海水波动较平缓,利用傅里叶域内的混合高斯模型对海水进行建模。将测试帧幅度谱和海背景模型进行比较,获得检测结果。实验结果表明,本算法在不同类型的海场景下,均能有效的抑制海背景和准确的检测出目标。

一种基于双背景模型的遗留物检测方法

针对一般遗留物检测算法运算量大和难以适应遮挡情况的问题,提出了一种静止单摄像机条件下快速有效的遗留物检测算法。算法建立了两个基于累积均值更新法的背景模型,分别称之为纯背景模型和脏背景模型。通过两个背景的差别得到静止目标块,并对静止目标块进行跟踪,当静止目标停留超过设定的时间即判定其为遗留物并触发报警。由于算法避免了使用复杂度数学概率背景模型,大大减低了背景更新的计算复杂度,使算法能满足视频监控系统实时处理的要求。同时,算法在静止目标跟踪模块中增加了碰撞帧数计数使遮挡情况下的遗留物跟踪得到更好的效果。在PETS2006数据集提供的多个视频序列实验中,该算法显示了良好的性能。

利用改进的背景差法进行运动目标检测

为了更准确地划分运动目标和背景区域,提出了基于背景差法的改进算法。该算法将选择更新法与中值滤波法相结合,对背景建模与阈值选取进行了优化,解决了复杂场景背景建模不理想问题,并能快速有效地进行背景更新。该算法还提出了双阈值思想,根据场景信息自适应地在图像的不同区域采用不同阈值,将当前帧图像与背景图像的差分作为反馈来调整阈值。实验结果表明,该算法能够较快速准确地提取运动目标,并对光照变化、场景变化、运动干扰有较好的鲁棒性。

基于双支路的人群视频异常检测算法研究

该文对人群异常检测任务进行了研究,针对人群场景视频背景较冗余,易受光线与噪声影响以及实际部署等问题,提出了人群异常多尺度特征记忆网络(CaMsm-net)。为了从多角度判别异常的发生,并将各类信息更好地融合,该网络采用了一种双支路共享单元结构,将原始帧与经背景建模后的帧同时输入网络结构中,分别对两条支路进行预测,采用预测误差进行异常的判定,并且从实际应用角度出发,框架结合了深度可分离卷积、数据扩增等方法,保障了检测的准确性与部署的可行性。在公开的美国明尼苏达大学(UMN)人群数据集与实际监控下的火车站出站口数据集中的实验表明,曲线下面积(AUC)指标分别达到了99.2%与84.1%,平均检测准确率分别为95.9%与81.7%,证明了所提算法能够较好地检测到各类人群异常现象的发生,并具有更广的适用性。

基于DSP的无背景模型车流量检测

针对车流量检测中遇到光照变化、树阴、树枝摇动等一系列问题,在运动物体法,背景建模法和时间差分法的基础上,提出了一种基于DSP的无背景模型的新型车流量检测方法。笔者依次使用基于块的帧差法、双重前景融合法、基于纹理对象分割法、假前景滤波法对车流量进行检测。经实验验证,采用无背景模型算法能成功有效地检测车流量,检测准确率达88%,提高了车流量检测的精度。

“双碳”背景下农村电商平台绿色物流提升路径研究--基于PDCA循环模型分析

近年来,国家提出“双碳”目标,大力倡导绿色能源转型,伴随着农村电商平台的兴起,农村与城市双向物流的需求量不断上升。但由于农村电商物流模式当下仍然存在绿色发展意识薄弱、硬件与软件设施落后、管理体系欠缺等不足,使得在物流过程中造成大量污染。因此,文中在“双碳”背景下利用PDCA循环模型,分析存在当前存在的问题,从计划-执行-检查-处理四个步骤针对性地提出农村电商平台绿色物流的优化路径,供农村电商平台参考,以促进环境的可持续发展。

“双碳”背景下中国制造业绿色技术创新效率评价

测算了“双碳”经济背景下在中国不同区域的绿色创新绩效,并使用了超效率SBM模型,对中国2011—2020年省际面板数量展开了对绿色创新绩效的估算,并以整体、地区视角,对我国制造业绿色创新绩效进行了研究。按照不同的测算效果,将其划分为三大类别:稳定上升型、发展稳定型和大幅波动型。从环境的严格规制和技术进步两方面说明了三种类型的影响原因。研究结果表明,由于环境的严格规制和技术进步,对绿色经济技术创新效益波动较大的地区影响并不显著。

监控场景中遗留物检测与报警系统开发

作为智能监控系统的一部分,遗留物检测系统的主要作用是检测监控场景中有意或者无意遗留下来的行李、包裹、车辆等目标,并在检测出可疑遗留目标后发出警报,同时在视频中对遗留物进行标注。利用双背景建模方法检测遗留物掩膜,结合Camshift算法对疑似遗留物进行跟踪。在跟踪过程中,引入与搜索窗匹配的延迟因子方法避免遗留物的遮挡问题,成功实现并验证了该方法对于遗留物检测及报警的有效性。在此基础上,利用EmguCV开源计算机视觉库及Visual Studio2015和.NET框架,基于C#开发语言成功完成了视频中遗留物检测与报警系统的设计与实现。

职能背景、团队冲突与企业创新

基于双元冲突的视角构建理论模型,聚焦于高管团队冲突过程,动态分析了CEO特征整合情境下的高管团队职能背景多样性对企业创新绩效的影响机理。以2009年至2016年沪深A股上市公司为样本,运用泊松回归模型实证研究高管团队职能背景多样性对企业创新绩效的影响以及CEO能力、权力和关系三个维度特征所发挥的情境作用。研究结果表明:在企业创新过程中,高管团队职能背景多样性引起的情感冲突相比于认知冲突发挥更为主导性的作用,对企业创新绩效具有破坏作用;CEO职能背景丰富性和CEO与高管团队成员共同经历减弱了高管团队职能背景多样性对企业创新绩效的破坏效应;CEO权力增强了这种破坏效应。基于双元冲突视角聚焦冲突过程动态剖析高管团队职能背景多样性对企业创新绩效的影响机理突破了原有研究静态的分析框架,有助于打开"团队多样性—企业经营后果"的"黑匣子",同时对企业有效提升创新绩效具有一定指导意义。