基于运动方向的异常行为检测

提出了一种基于运动方向的异常行为检测方法.根据不同行为的运动方向具有不同的规律性,该方法采用块运动方向描述不同的动作,并利用支持向量机(Support vector machine,SVM)对实时监控视频进行异常行为检测.为了减少噪声运动的影响,同时有效保留小幅度运动的前景目标,在行为描述之前,本文采用了背景边缘模型对每一视频帧进行前景帧(有目标出现的视频帧)判断.在行为描述时,先提取相应视频段的所有前景帧的块运动方向,然后对这些运动方向进行归一化直方图统计得到该视频段的行为特征.在走廊等公共场景中的实验结果表明,该方法能够对单人以及多人的复杂行为进行有效检测,对运动过程中目标大小的变化、光照的变化以及噪声等具有较好的鲁棒性,而且计算复杂度小,能够实现实时监控.

基于多摄像头监控的人体跌倒检测算法

人口老龄化使得空巢老人数量越来越多。跌倒作为威胁独居老人生命安全的主要因素受到了社会的广泛关注。为保护老人的生命健康不受威胁,本文提出一种基于计算机视觉的两级人体跌倒检测算法。从监控摄像机中采集视频数据,对其做前景提取,通过形态学操作为前景块绘制矩形边界,根据矩形宽高比从中筛选出所有可能是跌倒的行为,这是粗粒度级检测。之后再用统计学方法对第一级检测出的前景块绘制椭圆边界,分析其形态变化,最终检测出跌倒行为,这是细粒度级检测。本文在开源多摄像头跌倒数据集上进行了评估。仿真实验和与当前的先进方法的对比表明本文算法取得了非常好的效果。

基于背景估计的运动检测算法

为了有效检测出运动目标静止后的轮廓和抑制视频抖动给运动检测带来的影响,提出了基于背景估计的运动检测算法。采用带模板遮罩的背景更新策略来避免目标前景区域被更新,同时根据纹理相似性,对目标遮挡区域的背景进行估算,使得在光照变化下遮挡区域得到同步更新。通过视频稳定算法得到全局运动参数和局部运动参数,然后利用全局运动参数稳定视频,利用局部运动参数作为运动目标检测的输入,最后利用高斯模型来检测运动目标。通过对多段抖动视频做实验,结果验证了该算法的准确性和有效性。

具有前景目标的动态场景视频快速稳像算法

为了提高具有前景目标的动态场景视频的稳像效果,采用了一种基于块绝对差分的运动目标自动提取方法。在提取运动目标的基础上,提出通过自适应设定相关阈值的方法,来预判相关背景模块是否具有足够的信息,以减少用于运动矢量估计的模块数量。仿真实验结果表明,对于具有前景目标的动态场景视频,在减少运动目标提取时间的基础上,能够有效提高稳像算法的速度和精度,对实际视频取得了比较理想的稳像效果。

一种基于多特征融合的视频目标跟踪方法

在预警系统和目标记录方面,传统的视频跟踪方法无法很好地解决目标重现和遮挡等问题,针对此类问题提出了一种融合多特征的视频目标跟踪方法,首先用背景建模的方法检测运动前景,分离目标图像,通过目标连续帧间的位移信息实现跟踪,对多目标帧间位移相近的情况,融合目标SIFT和彩色直方图特征进行目标匹配,并记录目标各帧的运动状态,最终实现目标运动的跟踪。实验结果表明,该方法对多目标缓慢变化的监控视频有较好的跟踪效果。

视频检索技术应用及其发展趋势

分析了视频检索技术的应用领域及其市场前景,对比分析了当前国内外主流视频检索系统的功能特点及其应用状况,指出了现阶段视频检索技术在理论及应用方面存在的不足以及未来发展趋势。

视频监控中可变人体行为的识别

为有效识别视频监控中的人体行为,提出了新的人体行为识别模型和前景提取方法.对前景提取,采用背景边缘模型与背景模型相结合的前景检测方法,有效避免了光照、阴影等外部因素的影响.为了快速发现人体运动过程中产生的新行为,采用分层Dirichlet过程聚类人体特征数据来判断是否有未知人体行为产生,用无限HMM对含有未知行为模式的特征向量进行有监督学习,由管理者将其添加到知识库中.当知识库的行为模式达到一定规模时,系统可以无监督地对人体行为进行分析.通过仿真实验证实了提出的方法在人体行为识别方面较其他方法具有独特的优势.

动态背景体育运动视频合成对比

针对在同一场景下获取的体育运动视频,提出了一种基于全局运动补偿及运动前景区域信息的体育运动视频合成方法。首先,对待合成视频,通过全局运动估计与补偿,将相邻帧在空间上对齐到当前帧。通过计算帧差,得到当前帧中的运动前景区域信息。然后根据两段待合成视频之间背景的相似性,计算并修正全局运动参数,确定待合成对应帧之间的位置关系。最后,依据已经获得的运动前景区域信息,生成合成帧。实验结果表明,该方法可自动合成在同一场景中获得的有相似动态背景的体育视频,保持了前景与背景的清晰度,能清晰地显示运动员动作的差异。

预决策金字塔层数的欧拉视频微弱运动放大算法

欧拉视频放大算法(EVM)将受人眼局限而观察不到的微弱运动放大;但放大视频质量随使用的金字塔层数及微弱运动幅值的不同而有明显差异。为提高视频放大效果,放大之前对输入视频提取运动前景,找到黑色像素数最大图像帧,求出该帧非0像素数占图像帧总像素数的比例;根据阈值判断金字塔层数,再进行EVM处理。研究表明,根据视频运动前景中非零像素与总像素比例,预判断欧拉视频放大金字塔层数,有效改善了单一金字塔层数EVM算法的放大效果。

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。

粒子滤波的视频目标跟踪算法研究

目标跟踪是计算机视觉和图像处理的一个重点课题,在视频监控、机器人视觉导航以及智能交通控制中具有广泛的应用前景.通过粒子滤波技术,研究了如何整合颜色特征、前景信息和积分图运算等技术实现视频目标跟踪的粒子滤波算法.在对目标进行分割中采用了混合高斯背景建模方法;同时结合积分直方图的计算方法对颜色特征进行分段统计及相互遮挡的判断,实现基于粒子滤波的目标跟踪算法的优化,解决跟踪中诸如遮挡、光照变化、背景干扰、尺寸变化等难以解决的问题.实验结果表明提出的方法达到了预期目标.

一种基于归一化前景和角点信息的复杂场景人数统计方法

针对智能视频监控领域的人数统计问题,该文提出了一种基于归一化前景和角点信息的复杂场景人数统计方法。首先在提取的前景二值图基础上,计算透视校正后的归一化前景面积。然后在提取前景区域有效角点信息的基础上,计算能够反映人群遮挡程度的遮挡因子。最后,将上述两种特征输入后向传播(BP)网络完成人数统计算法的训练与测试。实验表明,该方法可以有效地实现对复杂场景的人数统计。

基于Kinect的自动视频抠像算法

针对传统的视频抠像算法交互频繁、计算复杂度高等问题,利用从Kinect获得的深度图信息、彩色信息以及视频中运动信息,提出基于Kinect的自动视频抠像算法。采用改进的三帧间差分法检测视频中的感兴趣区域(ROI),根据深度图信息改进自动种子增长区域算法,估算粗略的前景掩膜;通过数学形态学和逻辑操作去除粗前景区域的杂点,自动生成大致的三分图;采用改进的Shared Matting算法,得到精确的视频抠像。实验结果表明,该算法避免了人工交互,精度高且速度快。

一种基于高斯混合模型的视频监控运动物体提取系统

现有的视频监控系统必须要依靠人对监控图像的实时观察才能发挥作用。设计并实现了一种基于高斯混合模型的自适应的视频监控运动物体提取系统,使用高斯混合模型对监控场景进行建模,利用对象形状的空间连通性和最小像素尺寸约束去除噪声影响,从而实时地分离出前景中的运动物体并对其进行追踪和计数,仿真实验的结果证明了系统的有效性。

改进ViBe算法与Meanshift结合的目标跟踪方法

为解决视频监控系统中因光照变化、相似颜色干扰及快速动目标而导致的目标易丢失问题,提出一种改进ViBe算法与Meanshift结合的目标跟踪方法。首先采用三帧差分和ViBe算法结合进行前景目标提取和检测,以消除鬼影的干扰,利用色度特征和梯度特征相结合的方法来抑制阴影;同时通过将边缘特征融入到Meanshift算法中,引入运动矢量在当前帧中预测下一帧运动目标的位置,实现场面监视环境中运动目标的持续、准确跟踪。通过在监控视频中行人、车辆及飞行器等不同场面目标做实验,验证了本文方法不仅能够持续、准确地跟踪运动目标,并且可适用于场面雾天低能见度条件下的运动目标跟踪。

相机运动条件下的视频前景提取

提出一种基于非参数化运动估计和图像配准的方法来进行相机运动条件下的前景提取.通过对视频帧和接近的训练背景图像进行非参数化运动估计,动态地构造出一幅和视频帧的视角完全相同的背景图像,再通过背景减除提取前景.为了解决运动估计的计算效率问题,又提出一种基于流形的改进算法:在离线阶段,预先对训练背景图像进行非参数化运动估计,并利用流形学习对训练背景图像进行建模;在在线阶段,通过在背景流形上进行运动插值来快速地估计新视频帧和训练背景图像之间的运动.实验表明,改进的方法在基本保持像素提取准确率的同时获得了很高的效率.

煤矿智能视频监控中的运动目标检测研究

针对煤矿智能视频监控环境存在各种复杂动态场景变化的情况,研究了运动目标检测中的3个重要环节:背景建模与更新、前景检测和运动阴影检测与去除。针对这3个环节,提出了相应的处理方法:基于IFCM聚类算法的自适应背景建模与更新方法,对像素灰度取值进行无监督聚类,自适应选取不同个数的聚类构建各像素背景模型,随场景变化进行聚类修改、添加和删除以完成背景自动更新;联合背景差分信息、三帧差分信息和空间邻域信息的前景检测方法,据此获得较为准确的前景目标;运动阴影检测与去除方法,依据在阴影覆盖前后的灰度图像中,像素具有亮度值相关性和纹理特征值不变性,实现了运动阴影的检测与去除。实验结果验证了本文所提方法的有效性和优越性。

一种适应户外光照变化的背景建模及目标检测方法

针对户外视频监控存在光照变化这一问题,提出一个用于准确完成目标检测的实时背景建模框架.考虑到目标检测的准确性要求,建立基于帧间像素亮度差统计直方图的像素亮度扰动阈值.在此基础上,针对背景建模的实时性要求,提出一种基于自回归背景模型的参数快速更新方法.鉴于不同光照变化的适应性要求,定义对光照变化不敏感的背景纹理模型.上述模型统称为自回归–纹理(Auto regression and texture,ART)模型,该模型适应于户外光照变化.基于该模型构建像素亮度和纹理置信区间用于目标检测.实验结果表明,该框架能适应和实时跟踪户外背景的光照变化,并对目标进行准确检测.

基于组合前景提取的混合交通两轮车辆视频检测

针对混合交通流中两轮车辆视频检测问题,提出一种基于混合高斯模型(GMM)与背景累加模型(BAM)的组合前景提取方法,该方法将GMM与BAM组合得到的2种前景图像分别经过滤波和形态学的膨胀操作处理,然后进行'与'操作,过滤掉高斯前景中的大量噪声,提取出感兴趣前景区域.针对两轮车辆的轮廓边缘特征,采用Canny边缘检测提取边缘信息,去除前景区域中的非目标区域,采用两轮车辆的自建模板,通过欧氏距离进行模板匹配,定位并标记感兴趣区域中的目标区域.在OpenCV和Matlab7.1实验测试平台上,对典型城市混合交通路段的交通流视频进行测试.结果表明,该方法对混合交通流中两轮车辆的识别检测具有较高的准确率.

基于改进混合高斯模型的前目标提取算法

前目标提取问题已经得到广泛的研究,而传统的混合高斯背模型提取的前目标含有许多误差点。针对这一缺点,本文对静态态背和动态背两种情况建立一种基于局部密度特征的改进的混合高斯模型,并设计相应的提取算法。实验结果表明,新算法可以精确地将前目标与背目标分离,得到的提取效果基本不含误差点,明显优于传统的混合高斯模型。