视频监控中多视角目标智能定位追踪方法研究

在视频监控中对目标进行定位追踪时,容易出现遮挡情况。当前定位追踪方法需预先检测出遮挡状况,再对目标位置进行校正,计算量大,且追踪结果不可靠。为此,提出一种新的视频监控中多视角目标智能定位追踪方法,针对每个摄像头采集到的图像,对其进行二值化处理,通过稀疏表示方法对目标进行定位。构建了视频监控中多视角目标跟踪的概率框架,针对每个智能摄像机,建立视频监控中多视角目标追踪模型。通过不同视角中的视频数据求出本地似然函数。为了避免维度灾难问题,对联合后验概率进行分解获取边缘概率乘积的形式,通过边缘概率求出被追踪目标在摄像机视角下的位置。依据消息传递机制实现信息融合,达到目标追踪的目的。实验结果表明,所提方法有很高的定位和追踪精度。     

基于分块灰度投影的无人飞行器视频稳像方法

针对传统灰度投影算法局部运动影响全局运动矢量估计精度的问题,结合无人飞行器航摄视频图像的特点,提出一种适用于无人飞行器的视频稳像方法. 该方法将图像划分为若干子区域,剔除灰度特征不明显和物体局部运动等影响全局运动估计精度的子区域,对保留的子区域分别采用灰度投影法计算运动矢量,由局部运动估算出图像的全局运动矢量,经过运动决策,将运动补偿矢量应用于图像补偿,获得稳定的视频图像. 对真实无人飞行器航摄视频稳像实验结果表明,该算法稳像准确度与块匹配全搜索算法相当,而单帧稳像时间只有块匹配全搜索算法的1/3,在准确性和实时性方面均优于传统灰度投影算法.      

基于CAMSHIFT算法的视频监控目标跟踪

随着智能监控系统的普及,智能监控技术在银行、城市安防、交通等部门得到的了广泛的应用.CamShift算法是基于监控视频图像颜色特征的目标跟踪算法,这种算法能够快速、准确地实现目标跟踪,鲁棒性能较好.监控视频中所拍摄的视频内容较多且视频拍摄环境较为复杂,因此采用CamShift算法能够有效对视频监控目标建立颜色模型并对其进行准确高效的跟踪.     

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。     

基于增强多流形学习的监控视频追踪算法

提出了一种多流形局部线性嵌入的流形学习算法,为每个类的流形学习过程设计了一种监督的近邻点选择方法,将流形-流形距离作为度量指标,搜索最优的低维空间.在视频追踪算法中对外部数据库进行图像训练预处理,为人脸检测建立级联分类器,利用均值粒子滤波器结合跟踪校正策略对人脸图像实时跟踪,采用多流形训练的结果从视频流的人脸集中检测出追踪的目标人脸.仿真实验结果表明本算法对不同的数据集均获得了较高的检测率与较高的计算效率.     

车载视频系统中基于半像素级搜索的电子稳像算法

在车载视频监控与通信系统中,摄像机抖动引起图像序列的不稳定,直接影响监控效果。因此,电子稳像技术在车载视频监控与通信系统中的重要性和必要性十分显著。在简单分析了基于整像素级搜索的几种电子稳像算法的准确性和实时性后,改进了基于半像素级搜索的电子稳像算法,仿真实验结果表明改进算法在准确度和实时性上得到一个很好的权衡。     

视频稳像评价方法研究

为有效地完成视频稳像评价任务,根据摄像头状态及场景中有无运动目标,将视频分为四类,并对每一类视频的稳像评价难点进行了分析。针对摄像头运动的条件下,峰值信噪比(peak signal to noise ratio,PSNR)无法正确评价视频稳像效果的问题,提出了基于全局运动矢量角变化(variation of intersection angles,VIA)的方法来衡量两段视频的稳定程度。由于场景中运动目标对PSNR及VIA的计算均有影响,针对固定背景存在运动目标的情况,提出了基于背景重叠区域的PSNR方法;而在动态背景条件下,通过筛选运动目标上的运动矢量,有效去除前景运动目标对于全局运动矢量计算的干扰。实验证明,提出的评价体系,能够在不同类别的视频中去除运动目标带来的干扰,正确评价各类视频的稳像效果。     

基于DM642的视频稳像系统设计

从算法级和程序级两个方面对稳像算法进行改进,设计了一种基于DM642的电子视频稳像系统.阐述了稳像系统的系统组成、硬件设计、软件设计以及稳像算法,对基于灰度投影法的稳像算法及改进方法作了重点介绍.实验表明,该系统具有很好的稳像效果,具有较高的应用价值.     

基于视频监控应用的视频压缩

介绍了视频服务器的组成及常见的图像压缩标准，通过深入研究H．263视频压缩算法，提出了基于视频监控应用的三点改进。研究了DCT／IDCT快速算法，并直接采用MMX实现了DCT／IDCT和运动向量估计等大运算量模块，完整地实现了整套基于H．263的软件监控系统。     

基于运动目标检测的视频存储策略

运动目标检测和视频存储是嵌入式视频监控系统中的两个重要功能。对于背景不变区域监控的存储,本文提出了一种基于背景减除算法(运动目标检测)的视频存储策略。该策略大大提高了磁盘空间的利用率。     

基于灰度共生矩阵和Mean Shift的目标跟踪算法

针对运用单一颜色特征描述运动目标时抗干扰性较差的问题,提出一种融合灰度共生矩阵和颜色特征的Mean-Shift目标跟踪算法.采用灰度共生矩阵推导的6个纹理特征参数和颜色特征分别表征跟踪目标,引入马氏距离计算纹理特征的相似度,并结合Bhattacharyya系数计算颜色特征的相似度,同时利用Mean Shift算法进行目标定位.实验表明,改进算法能在复杂背景下,有效、准确地实现目标跟踪.     

基于Mean Shift的视频图像检测与跟踪

在复杂背景的视频图像中,实时、准确、连续、长距离的跟踪以人为对象的目标,是一件很困难的任务。人体对象在跟踪目标图像位置的变化时,一直随着姿态的变化而改变,因此这是一个非常典型的非刚体目标,对这类目标采用简单的模板匹配的方法进行目标跟踪,无法达到准确的跟踪。均值漂移（Mean Shift）是现今最受欢迎的对象跟踪方法之一,广泛的运用于人脸的跟踪,文章提出了一种基于均值漂移算法的复杂背景视频图像检测与跟踪算法。在运动目标跟踪中,提出了以直方图为模式特征,以均值漂移算法为核心算法的目标跟踪算法,通过实验表明该跟踪算法能对候选目标进行运动检测,完成实时跟踪,同时有效抑制了局部遮挡、背景混乱等,过滤了伪目标,保证了跟踪的可靠性。     

基于显著特征区域和概率图模型的目标跟踪

针对目标跟踪中的遮挡问题,提出一种基于局部显著特征区域和概率图模型的跟踪算法.提取目标的一组局部显著特征点,以局部显著特征点为依据,在目标区域中划分出多个感兴趣的显著特征区域;利用这组显著特征区域相互之间的空间位置关系,并结合各个显著特征区域自身的局部信息建立目标的马尔可夫随机场(MRF)模型;采用mean shift(MS)算法对各个显著特征区域分别进行跟踪,利用MRF模型对MS算法的跟踪结果进行概率推断,融合各个显著特征区域的权重,精确定位运动目标的最终位置.在多个视频序列上的实验结果表明,与改进的MS算法、粒子滤波算法以及分块跟踪方法相比,此算法具有较高的跟踪精度;尤其是当目标被遮挡时,该算法具有较好的跟踪鲁棒性.该算法充分利用了显著特征区域自身的局部特征和区域之间的空间结构信息,能够实现复杂情况下的运动目标的鲁棒跟踪.     

基于Kalman滤波和改进的MeanShift算法的目标跟踪

MeanShift算法因为简单性和稳定性在目标跟踪中得到广泛应用,但是当目标和背景的颜色模型比较接近时,传统的MeanShift算法由于缺少空间信息,且经典的相似性度量函数不易区别,导致跟踪失败。为了克服上述缺点,采用基于空间颜色特征和新的相似性度量的MeanShift算法,并提出一种融合Kalman滤波器和改进的MeanShift算法的目标跟踪方法。首先,利用改进的MeanShift算法计算出当前帧中目标的准确位置,然后使用Kalman滤波器去预测下一个初始搜索位置,用于下一帧中MeanShift迭代,最后实现对目标的跟踪。实验结果表明,该算法可以准确地跟踪目标,并且跟踪的准确率优于传统的MeanShift算法或者Kalman和传统Meanshift的融合算法。     

基于尺度自适应和跟踪框自转的视频目标跟踪

在高空运动变焦摄像机视频监控目标的自动识别跟踪中,跟踪目标背景、跟踪目标尺寸和跟踪目标相对背景运动的方位角都在实时变化,为解决常规Mean Shift目标跟踪算法在面临上述快速变化时容易出现的目标跟踪丢失问题,在Mean Shift目标跟踪算法的基础上,考虑跟踪目标的变尺度、长宽比和方位角等因素,提出了改进的基于尺度自适应和自转跟踪框策略的视频目标跟踪算法,实际场景下的实验结果表明:该算法具有较好的准确性和实时性,满足视频目标实时跟踪的应用需求。     

基于Mean Shift算法跟踪视频中运动目标

针对Mean Shift算法在视频中跟踪目标与背景的像素差值不明显时跟踪效果不佳,提出了Mean Shift改进算法.实验表明,该算法能有效、准确地跟踪视频中的运动目标,计算量小,可以满足实时性要求高的场合.     

一种基于反向复用的MPEG-2数字视频监控系统

介绍了一种新颖的用于SDH光纤传输网络的数字视频监控系统的技术实现方案.该方案中视频图像经过MPEG2标准压缩生成恒定速率(4～8Mbit/s)的数字码流,采用多E1反向复用技术将其传送到视频解码端还原.利用SDH设备具有的VC12级交叉能力,通过视频切换控制台动态改变各网元设备的交叉连接关系,使得监视图像输入路数较多时系统带宽得以复用共享.同时利用SDH设备内提供的分布式数据共线通道实现了视频切换控制台对各摄像机的远程云台控制.论述了实现中的关键技术,包括N×E1反向复用、E1映射时钟同步、分布式视频切换和共线方式云台控制.对本方案中的全程视频延时和切换时间构成的估算表明,本方案中视频延时主要取决于MPEG2的编解码延时.通过初步分析说明,由于在稳定状态下传输引入的处理延时为定值,因而无需进行PCR的调整.进而给出了支持平滑切换的实现思路.多项实际工程应用证明该技术具有良好的实用价值.     

基于OpenCV的视频图像人眼跟踪方法的研究

在机动车驾驶员疲劳状态监控过程中,为了实时地跟踪驾驶员的眼部位置,定位并跟踪眼睛,进而判断眼睛的状态,提出了一种基于OpenCV的人眼识别和跟踪的视频图像检测方法。在VC++开发平台上,结合OpenCV相关封装函数和外接的摄像头,编写程序实现了对人眼的识别和跟踪。编译运行结果表明,该算法可靠性高,能够满足驾驶员眼睛监测的初步要求,在正常情况下能够检测出人眼,准确度较好,具有一定的实用性。     

一种基于卡尔曼滤波的压缩跟踪算法研究

根据道路交通监控视频的特点,采用压缩跟踪(CT)算法进行运动车辆的检测与跟踪。在摄像头变化较大、运动车辆尺度变化和背景变化等情况下,CT算法均具有很强的鲁棒性。但是当车辆被遮挡时,跟踪算法容易失效。为了解决这一问题,提出使用卡尔曼滤波对遮挡的车辆进行轨迹预测。卡尔曼滤波能根据CT算法跟踪目标的轨迹,有效地预测目标遮挡时的轨迹。实验结果表明,本算法不但可以较好地处理跟踪车辆尺寸变化的问题,在车辆丢失或被部分遮挡时,能准确而稳定地跟踪车辆,而且具有很好的实时性,满足了工程应用的需求。