远程视频监控图像自动标注优化方法

对远程视频监控图像进行自动标注,实现视频监控中关键帧识别,提高视频信息的分析鉴别能力。提出一种基于远程视频监控图像多尺度关键帧提取的自动标注优化方法,首先构建视频图像的采集模型,然后对采集的图像进行小波降噪处理,对输出的降噪图像通过多尺度关键帧提取进行自动标注,实现图像特征提取和信息识别。仿真结果表明,采用该方法进行远程视频监控图像自动标注,提高了对图像信息的检测识别能力,图像的输出峰值信噪比较高,准确识别概率提高。     

智能视频监控技术的应用

随着社会和经济的快速发展,摄像头安装数量的日益增多,智能视频监控使监控领域进入了一个新的阶段.传统的电视监控技术只能把远程的目标图像传输到监控中心,再根据看到的视频图像进行判断,其中有一个非常显著的缺点,报警精确度低,采用计算机视觉算法对场景中运动目标进行检测,对异常事件及时做出报警,可以及时处理突发事件,提高监控效率,智能视频监控技术的应用可以实现无人值守监控.该项技术研究内容丰富,应用领域广泛多样,本文介绍了智能视频监控技术的技术要点,结合在实际中的应用情况,总结出智能视频监控技术的优势,以及其主要的应用.     

基于网络的远程视频监控技术探讨

本文介绍了基于网络的远程视频监控系统结构,主要从摄入层、传输层和终端层等方面,提出了一些相关技术和算法,解决了低带宽、低速率情况下视频图像的传输效率问题,保证了视频图像的高清晰、高品质,从而使远程视频监控系统的运行效能更佳。     

移动视频监控及异常场景检测实现

近年来,随着无线网络和图像处理、传输技术的飞速发展,基于移动电话的低成本便携式视频监控系统成为了视频监控技术方向一个令人关注的热点。本文介绍了一个基于J2ME（Java2 Platform Micro Edition）平台的远程智能场景异常检测与报警系统。该系统运行于普通的JAVA手机中,考虑到其有限的资源,采用基本的背景差除法作为图像序列中的异常场景检测算法;同时利用java组件实现图像采集、异常检测、数据存储、异常警报与消息响应等功能,可独立完成对低干扰环境的检测。     

基于智能图像分析的视频质量诊断系统关键技术研究

随着视频监控系统的应用范围不断扩大,监控摄像头数目在不断增加,如何有效地检测维护监控系统就变得非常重要。基于智能图像分析技术的视频质量自动诊断系统应运而生,该系统可在视频图像发生信号丢失、视频遮挡、亮度异常、清晰度异常、画面冻结、偏色、雪花干扰等异常情况下,及时发现并报警,大大增加了视频监控系统的可靠性,提高了安防效率。文章将对视频质量诊断系统中常见的各类图像异常情况的检测算法及检测流程加以讨论。     

基于PTZ摄像头的视频人脸识别

针对传统的视频人脸识别技术受限于理想的环境条件,无法应用于监控场景的弊端,提出了一种基于PTZ(Pan-Tilt-Zoom,旋转-俯仰-缩放)摄像头的人脸识别方法,并结合AdaBoost人脸检测以及Mean-shift跟踪算法进行了识别.实验结果表明,该方法克服了监控场景图像分辨率低的问题,具有较好的鲁棒性.     

视频监控中人脸识别定位方法研究

现有的人脸识别定位方法由于其局限先不能适用于视频监控中的人脸定位,针对智能视频监控中的运动目标的检测的特点,结合视频图像的连续性和人脸肤色的特征,提出了一种快速视频监控人脸定位的有效方法。该方法首先通过差分算法提取前景区域,然后通过BP(误差反传)神经网络的肤色分割算法,对运动区域进行检测,最后对人脸候选区域进行验证并定位。实验证明,该方法不仅能够减小检测误差,而且提高系统运行速度,实现复杂环境下的视频监控中的人脸定位。     

基于蒙特卡洛树搜索的视频异常场景监测方法

通过视频监控可以更快速地发现异常场景,并尽快制止违法暴力行动。为保证监测精度,文中设计一种基于蒙特卡洛树搜索的视频异常场景监测方法。首先对行人轨迹特征进行提取,计算目标预测位置与实际位置的空间距离,判定二者的相对位置,建立三级异常图像;再基于蒙特卡洛树搜索算法设计行人行为判别方法,构建不确定判别网络,标记残差函数,对数据进行归一化处理,同时获得激活函数以及函数的输出值;最后,设计视频异常场景监测算法,基于协方差矩阵将多个判别结果汇总成一个整体,并以此得到监控视频内异常场景的监测结果。该方法能够通过目标提取得到视频内的异常目标。目标识别精度的测试结果表明,所提方法在简单场景与复杂场景内的AUC值分别为0.952和0.886,说明其监测精度较高,在简单场景与复杂场景下均可正常使用。     

基于动态特征融合的监控视频图像小目标检测研究

在实际监控场景中,监控视频图像往往会受到复杂的背景干扰和光照变化的影响,使得小目标的检测变得非常困难且准确性较差。因此,文章提出基于动态特征融合的监控视频图像小目标检测方法。首先对监控视频图像进行预处理,主要是对不同类型的噪声进行噪声滤除操作,以提高图像质量并突出小目标;其次融合数学形态学处理技术,提取预处理后图像的小目标相关特征;最后采用动态特征融合方式进行小目标检测,将多个特征融合在一起,以更全面地描述图像中的小目标。通过这种动态特征融合方法完成了监控视频图像小目标检测方法设计。实验结果表明：新方法在检测不同类型的小目标中具有明显优势,能够实现对小目标的准确监测,说明其在监控视频图像小目标检测中具有应用价值。     

基于数字媒体DSP的远程网络视频监控系统设计

针对传统视频监控系统存在视频流畅性较低、监控数据传输成功率低、误码率高等问题,提出基于数字媒体DSP的远程网络视频监控系统。系统硬件设计中,上位机采用LabVIEW编程实现,用于控制摄像支撑设备转动、镜头参数调整以及视频数据播放与远程显示控制等功能;下位机使用数字媒体DSP为核心处理器,建立含有视频数据采集输入、传输以及摄像支撑设备控制等模块。系统软件设计中,详细介绍了远程网络视频监控系统中视频图像运动目标检测算法。实验结果表明,所提系统能有效实现流畅清晰的视频远程网络传输,视频数据传输成功率可达到98.467%,误码率最低为0.006 35%,能够满足实际远程网络视频监控的需要。     

一种飘动性分析的视频烟雾快速检测新算法

针对DSP视频监控系统中,实时视频烟雾检测功能的需求,提出一种基于烟雾飘动性分析的快速视频烟雾检测算法.相比于现有相关算法,在完成对给定视频样本学习后,该算法无需存储视频的历史帧数据,也不需要学习场景背景,而直接对原始视频图像分块提取烟雾飘动特征,然后经Bayesian决策输出检测结论.结合提出的一组新颖的视频烟雾飘动特征,新算法同时获得了较低的计算复杂度和较高的检测性能.综合来看,新算法能更好地适用于实时视频监控系统中的烟雾检测需求.     

城市街区星载光学遥感图像车辆目标自动检测方法

针对星载光学遥感图像城市街区复杂背景问题,提出一种车辆目标自动检测方法.首先,利用场景中植被背景的物理属性,通过多光谱波段抑制场景中的植被背景,然后,在分析城市街区地物形态反射率特性的基础上,利用全色波段并结合二值形态学方法抑制场景中的建筑物,最后,引入著名的RX算法对抑制后的图像进行车辆目标检测.将文中提出的方法应用于实际Quickbird影像的车辆目标检测,结果表明所提出的方法具有鲁棒性强,执行效率高,不需要人工辅助等方面的特点,可用于城市街区车辆目标的自动检测.     

基于场景复杂度与不变特征的航拍视频实时配准算法

实时、鲁棒的图像配准是航拍视频电子稳像、全景图拼接和地面运动目标自动检测与跟踪的前提和关键技术.本文以航拍视频序列为处理对象,提出了一种新的基于场景复杂度与不变特征的实时配准算法,其主要特点包括：(1)在对航拍视频配准难点进行详细分析的基础上,有针对性的提出基于积分图的快速图像尺度空间构建、依据场景复杂度的检测特征点数量在线精确控制、基于描述子误差分布统计特性级的联分类器构造等新方法,使得算法配准性能不随场景的复杂度发生改变,能够在各种地貌条件下实时、稳定的进行图像配准;(2)将多尺度Harris角点和SIFT描述子相结合,并通过对帧间变换模型参数进行鲁棒估计,保证了算法具有良好的旋转、尺度、亮度不变性和配准精度.实验结果表明,算法可在场景变化、图像大幅度平移、尺度缩放和任意角度旋转等复杂条件下实时、精确的进行图像配准,对分辨率为320×240的航拍序列的平均处理速度达到20.7帧/秒.     

Intelligent Mobile Video Surveillance System with Multilevel Distillation

This paper proposes a mobile video surveillance system consisting of intelligent video analysis and mobile communication networking. This multilevel distillation approach helps mobile users monitor tremendous surveillance videos on demand through video streaming over mobile communication networks. The intelligent video analysis includes moving object detection/tracking and key frame selection which can browse useful video clips. The communication networking services, comprising video transcoding, multimedia messaging, and mobile video streaming, transmit surveillance information into mobile appliances. Moving object detection is achieved by background subtraction and particle filter tracking. Key frame selection, which aims to deliver an alarm to a mobile client using multimedia messaging service accompanied with an extracted clear frame, is reached by devising a weighted importance criterion considering object clarity and face appearance. Besides, a spatial-domain cascaded transcoder is developed to convert the filtered image sequence of detected objects into the mobile video streaming format. Experimental results show that the system can successfully detect all events of moving objects for a complex surveillance scene, choose very appropriate key frames for users, and transcode the images with a high power signal-to-noise ratio (PSNR).     

基于背景重构的运动对象越界侦测方法

提出了一种基于背景重构的运动对象越界侦测方法,该算法利用当前视频图像和背景视频图像,通过差分法获取运动对象模型和背景差值,再利用运动对象模型的连续性绘制运动对象轨迹,对轨迹和警戒线交叉方程进行越界侦测。同时,利用当前视频图像融合背景图像生成新的背景图像,能有效保证识别算法的自适应性,提高侦测结果的准确性。     

基于深度学习的图像显著对象检测

显著区域检测可应用在对象识别、图像分割、视 频/图像压缩中,是计算机视觉领域的重要研究主题。然而,基于不 同视觉显著特征的显著区域检测法常常不能准确地探测出显著对象且计算费时。近来,卷积 神经网络模型在图像分析和处理 领域取得了极大成功。为提高图像显著区域检测性能,本文提出了一种基于监督式生成对抗 网络的图像显著性检测方法。它 利用深度卷积神经网络构建监督式生成对抗网络,经生成器网络与鉴别器网络的不断相互对 抗训练,使卷积网络准确学习到 图像显著区域的特征,进而使生成器输出精确的显著对象分布图。同时,本文将网络自身误 差和生成器输出与真值图间的 L1距离相结合,来定义监督式生成对抗网络的损失函数,提升了显著区域检测精度。在MSRA 10K与ECSSD数据库上的实 验结果表明,本文方法 分别获得了94.19%与96.24%的准确率和93.99%与90.13%的召回率,F -Measure值也高达94.15%与94.76%,优于先 前常用的显著性检测模型。     

Video scene characteristic detection to improve digital watermarking transparency

A new method of video scene content characteristic detection is proposed. This method can be applied in conjunction with digital watermarking schemes in order to improve the transparency. In addition, new methods of video watermarking are also proposed. Three related original aspects are reported. First, the authors' previous robust image watermarking methods, which consider the block texture are extended into video. In the detection process, watermark extraction with or without the original frame is provided. Secondly, a method is proposed to improve imperceptibility by reducing the flickering effect. Finally, a method is introduced to detect video scene characteristics in order to suit the particular embedding scheme. By doing so, the embedding method can be chosen adaptively in accordance with the video scene. The subjective tests illustrate an imperceptibility improvement and experiments with various attacks show the watermarking robustness.     

基于运动区域检测的会议视频清晰度增强处理

视频会议场景对视频增强的实时性有较高的要求。针对现有视频增强算法(如BM3D等)存在的耗时长的问题,基于变化区域检测提出一种基于运动区域检测的视频增强技术。对时序帧数据进行颜色空间转换,快速地将视频场景分为静止区域和运动区域,之后对静止区域进行时域降噪和视频增强。在视频帧集合的实验结果表明,该算法可以显著地增强图像纹理细节,并具有很强的时效性,在视频会议场景有很大的应用潜力。     

基于多特征融合的层次支持向量机遥感图像云检测

云检测是遥感图像处理和应用的前提, 针对遥感图像云检测的准确率容易受到薄云及似云地物影响的挑战, 提出一种结合遥感影像灰度、纹理和频率特征的层次支持向量机云检测算法。该方法首先采用简单线性迭代聚类算 法将遥感图像分割为像素块, 再采用一种层次支持向量机分类器对遥感图像以像素块为单位进行云检测。层次支持 向量机的第一层将像素块初步分为 “云” 和 “地物” 两类。层次向量机的第二层针对第一层分类的结果分别设计两个 分类器进行进一步分类, 并将分类后的结果合并为 “厚云”、 “薄云”、 “地物” 三类。最后, 将分类结果进行膨胀处理, 得到最终的云检测结果。选取高分一号 WFV 的 RGB 波段遥感图像进行实验, 结果显示提出的新方法对实验图像的 云检测平均准确率为 95.4%, 表明该方法可适用于多种场景下遥感图像的云检测, 服务于遥感产品的生产和应用。     

Frame-wise detection of relocated I-frames in double compressed H.264 videos based on convolutional neural network

Relocated I-frames are a key type of abnormal inter-coded frame in double compressed videos with shifted GOP structures. In this work, a frame-wise detection method of relocated I-frame is proposed based on convolutional neural network (CNN). The proposed detection framework contains a novel network architecture, which initializes with a preprocessing layer and is followed by a well-designed CNN. In the preprocessing layer, the high-frequency component extraction operation is applied to eliminate the influence of diverse video contents. To mitigate overfitting, several advanced structures, such as 1 × 1 convolutional filter and the global average-pooling layer, are carefully introduced in the design of the CNN architecture. Public available YUV sequences are collected to construct a dataset of double compressed videos with different coding parameters. According to the experiments, the proposed framework can achieve a more promising performance of relocated I-frame detection than a well-known CNN structure (AlexNet) and the method based on average prediction residual.