智能视频监控中基于轨迹的徘徊检测

检测可疑的徘徊人物是智能视频监控系统的重要部分。针对室外公共区域,提出了一种检测徘徊行为的方法。该方法采用集成学习跟踪算法得到可疑人物的运动轨迹,并对轨迹进行后处理,综合考虑轨迹点的运动方向变化和绝对运动方向,计算相应的熵值,从而判断运动轨迹是否徘徊轨迹。该方法无训练,无样本库,可以做到实时检测,实验证明了其在特定场景下的有效性。     

一种基于深度图像的自遮挡检测方法

针对视觉目标存在的自遮挡现象,并为更好地界定、规避自遮挡现象提供依据,提出一种完全基于目标深度图像信息、仅需通过分析深度图像平均曲率变化特征并结合使用二次阈值法进行自遮挡检测的方法.为避免平均曲率计算的复杂性,该方法首先采用改进的离散正交多项式局部曲面拟合法计算深度图像的平均曲率;然后,通过分析图像各点的平均曲率并结合曲率阈值提取与其八邻域点存在曲率异号的点组成自遮挡候选点集;最后,依据候选点与以其为中心的窗口内其它点存在深度值不连续的现象,再次使用阈值法,实现对自遮挡的检测.实验结果表明该方法能够有效地检测出自遮挡现象并获得自遮挡边界.     

基于三维模型的行人徘徊行为检测算法

针对不同应用场景给出了不同的徘徊定义,并提出一种基于三维模型的行人徘徊行为检测算法。该方法利用融合前景检测和行人检测的方法获取目标,并利用摄像机标定信息和图像信息建立目标的三维模型。针对传统算法无法获取目标真实轨迹的问题,利用三维模型对分块目标跟踪方法进行改进,以提取目标的真实运动轨迹。根据不同的应用场景对目标轨迹进行分析,判断目标是否有徘徊行为。实验结果表明,该方法能够获得较为准确的目标三维模型,得到目标的真实运动轨迹,从而鲁棒地、快速地检测目标的徘徊行为。     

基于改进Voronoi区域面积的Mark Meyer曲率估算方法

以微分几何曲率计算公式为理论基础,对常用的Mark Meyer离散点云曲率估算方法进行改进,提出基于Voronoi区域面积的改进Mark Meyer算法。针对Mark Meyer算法中Voronoi区域面积的计算进行改进,对于Voronoi区域中存在钝角的情形进行详细论述并且改进钝角三角形的计算公式,同时给出更为准确的面积计算方法。将该算法应用于球面、柱面、抛物面、马鞍面,计算结果表明该算法提高了离散点云曲率估算的精度和稳定性。     

U弦长曲率:一种离散曲率计算方法

数字曲线的离散曲率计算在图像分析和计算机视觉的各个领域都有广泛应用.文中提出一种离散曲率计算方法——U弦长曲率.数字曲线上的每个点,它的支持领域由距离该点为给定弦长的两点确定,再在这个支持领域内估算当前点的U弦长曲率,理论分析论证U弦长曲率与曲线的真实曲率之间存在一种明确联系.与现有的离散曲率计算方法相比,U弦长曲率具有更强的抗旋转性和抗噪性,适用于完成曲线匹配等对曲率计算稳定性要求高的一类任务.仿真实验结果验证文中方法的有效性.     

基于链码的合成孔径声纳图像目标识别算法研究*

为了进一步提高识别速度、增大识别效率,基于图像边缘的链码表示,将微积分中连续曲线曲率的定义推广到离散域,提出了链码离散曲率算法。通过利用链码计算图像边缘的离散曲率,结合特定的函数进行图像匹配,实现了以合成孔径声纳为代表的一类高分辨率、低信噪比的水声遥感图像的目标识别。实验结果表明,该算法计算复杂度较低,较之传统的基于特征提取的目标识别算法具有更高的识别效率。     

基于运动熵的拥挤人群异常检测

视频监控在社会安全方面扮演着越来越重要的角色,在计算机视觉领域,人群异常行为检测也成为非常重要的研究课题.提出一种基于运动熵计算的人群异常检测方法.该方法在图像上散布特征点,运用光流法分组计算出各特征点的运动大小与方向,并据此建立运动直方图,用图像熵的计算方法得出图组的运动熵,运动熵及平均能量值则作为异常检测的判断依据.实验使用明尼苏达大学逃离与恐慌相关实验视频及部分网络视频,实验表明此方法拥有较强的容错能力,并能实时正确的检测出大部分异常行为的发生.     

基于曲率和的主动声呐干涉条纹特征表征方法

干涉条纹特征是主动声呐目标识别所依据的重要特征之一。在浅水域环境中,声波能量传播特性较为复杂,信号会经过发射源到目标以及目标到接收器这2条不同的路径,目标的散射特性在声波的入射模式和散射模式之间相互作用,使得主动声呐干涉条纹呈现弯曲的结构。为对干涉条纹特征进行表征,提出一种基于曲率和的声呐特征提取方法。根据浅海声场主动声呐频率-距离干涉条纹图得到一段区间内的干涉条纹曲线散点曲率值,利用曲率求和的方法刻画条纹的弯曲程度,进而表征这一区间内的条纹特征。在理想波导环境下计算刚性球体目标在不同频率段下的曲率特征,通过统计平均值的方式得到平均曲率和为0.6左右,从特征表征结果可以看出,曲率和可通过统计离散点曲率强度描述干涉条纹特征,且在同一环境条件下,发射频率越大时曲率和强度越小。根据实测数据进行计算得到曲率和为0.512,实验与理论结果较为吻合,表明通过该方法可以获取主动声呐干涉条纹特征,进而实现目标识别和探测。     

真实场景运动目标轨迹有效性判断与自动聚类算法研究*

提出了真实场景中的运动目标轨迹有效性判断与自动聚类方法。利用轨迹长度、坐标值方差及目标相邻两帧运动方向等信息,对轨迹进行了预处理,得到有效的轨迹,然后以其作为样本,计算轨迹之间的空间相似距离,采用K均值聚类法,按轨迹的几何形状完成了轨迹聚类。提出了利用目标运动的起始点及整个运动过程中目标的运动方向信息,采用K均值聚类方法,进一步按目标的运动方向完成了轨迹聚类。两种真实场景的目标轨迹聚类结果证明了该方法的有效性。其研究结果为学习轨迹模式、目标运动轨迹识别、分类、异常检测奠定了基础。     

散乱点云数据曲率估计方法

针对带有强噪声离散点云数据曲率计算问题,提出一种基于稳健统计的曲率估计方法。首先,用一个二次曲面拟合三维空间采样点处的局部形状;其次,随机地选择该采样点邻域内的子集,多次执行这样的拟合过程,通过变窗宽的最大核密度估计,就得到了最优拟合曲面;最后,将采样点投影到该曲面上,计算投影点曲率信息,就得到采样点曲率。实验结果表明,所提方法对噪声和离群点是稳健的,特别是随着噪声方差的增大,要明显好于传统的抛物拟合方法。     

基于高速公路场景的车辆目标跟踪

车辆目标检测与跟踪是高速公路视频监控系统实时监控获取交通参数的关键步骤.本文提出了一种面向高速公路场景的目标轨迹时序信息结合核相关滤波KCF算法的车辆目标跟踪方法,实现了车辆目标的高精度持续跟踪.该方法首先采用基于深度学习的单目标检测SSD算法,通过建立车辆数据集,实现了适用于高速公路场景的车辆目标的分类与检测.然后,基于目标轨迹时序信息实现目标车辆与轨迹的匹配,并且采用KCF跟踪算法对丢失目标进行预测重定位,从而实现车辆目标轨迹的持续跟踪.实验表明,该跟踪方法精度高,且适应多种不同场景,具有较高的应用价值.     

Shadow detection of moving objects based on multisource information in Internet of things

Abstract

Moving object detection is an important part in intelligent video surveillance under the banner of Internet of things. The detection of moving target’s shadow is also an important step in moving object detection. On the accuracy of shadow detection will affect the detection results of the object directly. Based on the variety of shadow detection method, we find that only using one feature can’t make the result of detection accurately. Then we present a new method for shadow detection which contains colour information, the invariance of optical and texture feature. Through the comprehensive analysis of the detecting results of three kinds of information, the shadow was effectively determined. It gets ideal effect in the experiment when combining advantages of various methods.     

视频图像中乒乓球的检测与跟踪方法

改进了混合高斯模型的差分实现方法.分析、实验并对比了三种典型的运动目标检测方法,确定运动目标的检测方法为基于混合高斯模型的背景差分方法,在程序实现上,将滤波和数学形态学方法很好的应用到检测过程中,与传统的高斯检测相比,取得了更完整的检测结果和更光滑的边界.通过算法分析,采用卡尔曼预估算法并进行实验仿真,实现了对运动物体...     

基于稀疏帧检测的交通目标跟踪

为了获取高速公路交通视频中目标车辆的行驶轨迹,提出一种基于视频的多目标车辆跟踪及实时轨迹分布算法,为交通管理系统和交通决策提供目标车辆交通信息.首先,使用YOLOv4算法检测目标车辆位置及置信度.其次,在不同场景条件下,使用提出的基于稀疏帧检测的跟踪方法,结合KCF跟踪算法,将车辆数据进行关联获取完整轨迹.最后,用车辆分布图和交通场景俯视图显示轨迹,便于交通管理与分析.实验结果表明,提出的跟踪方法在车辆跟踪中有较高的跟踪正确率,同时基于稀疏帧检测的跟踪方法处理速度也较快,实时轨迹分布正确反映了真实场景的车道信息以及目标车辆运动信息.     

改进CenterNet的高压输电线路巡检故障实时检测方法

针对通用深度学习目标检测技术难以在高压输变电线路巡检时实现实时高效的故障检测,提出一种改进CenterNet的高压输变电线路巡检故障实时检测方法,对绝缘子自爆、防震锤脱落、鸟巢三类常见巡检故障进行检测。该方法基于深层特征融合网络（DLAnet,Deep Layer Aggregation）、挤压-激励SE（Squeeze-and-Excitation）模块、可形变卷积进行高效深层特征提取网络DLA-SE的设计。在CenterNet架构下通过DLA-SE特征提取网络获取对象的中心点热力图,回归对象的宽高、偏移信息,得到对象边界框。实验结果表明,在Nvidia GTX 1080测试条件下该方法的mAP达到0.917,推理速度达到27.03?frame/s,与CenterNet、SSD与YOLOv3方法相比在检测精度上取得大幅度提升,证明了该方法的有效性。     

预警卫星半实物仿真系统设计与实现

国防支援计划(DSP)是美国现役的预警卫星系统,主要对导弹进行早期探测和预警;为评估DSP卫星对目标的探测能力,文中分析了预警卫星的部署情况和工作模式,提出了预警卫星仿真系统的总体设计方案,确定该系统的功能模块以及实现方式;根据预警卫星双波段探测的工作模式构建了红外双色扫描探测模型,提出了基于双霍夫变换的多帧关联目标检测算法,利用目标的运行特性有效去除背景噪声,并结合双波段探测信息融合策略降低卫星虚警率;最后利用双星定位方法预估目标轨迹并对不同发射角目标的预测轨迹与真实轨迹之间的误差进行对比分析;通过试验运行,该系统达到了预期结果,具备对目标导弹的探测和跟踪能力,为导弹性能评估提供一种仿真手段和依据。     

基于轨迹信息熵分布的异常轨迹检测方法

针对异常轨迹检测多特征检测和检测单元造成的检测效率低等问题。提出一种基于轨迹信息熵分布的异常轨迹检测方法。该算法根据轨迹偏转角与速度将轨迹分割成若干轨迹段,计算轨迹段间加权多特征距离判断轨迹间相似度,进而完成轨迹聚类并计算出每类代表性轨迹,然后对待检测轨迹进行分割,利用代表性轨迹计算每个轨迹段的信息熵,通过比较轨迹信息熵大小及其分布特点实现异常轨迹检测。大西洋飓风数据仿真实验结果表明该方法提高了聚类效果,克服以整条轨迹检测效率低的缺点,提升了异常轨迹检测算法的有效性。     

基于概率算法自适应更新背景的运动车辆检测

交通流量检测是智能交通系统中的一个重要研究方向和热点问题,基于视频的车辆检测是交通流量采集分析的核心技术,它为交通流量参数的实时获取提供了可能。为实现在复杂交通视频场景中实时准确检测各类的运动车辆,在研究传统背景差分算法的缺点的工作基础上,提出一个自适应的贝叶斯概率背景检测算法,进而完成了较准确的运动车辆分类检测。实验结果表明该方法具有高效实时的特点,能够较准确地实现复杂交通路面的背景提取和运动车辆的检测,具有良好的鲁棒性。     

Activity classification and anomaly detection using m-mediods based modelling of motion patterns

Techniques for video object motion analysis, behaviour recognition and event detection are becoming increasingly important with the rapid increase in demand for and deployment of video surveillance systems. Motion trajectories provide rich spatiotemporal information about an object's activity. This paper presents a novel technique for classification of motion activity and anomaly detection using object motion trajectory. In the proposed motion learning system, trajectories are treated as time series and modelled using modified DFT-based coefficient feature space representation. A modelling technique, referred to as m-mediods, is proposed that models the class containing n members with m mediods. Once the m-mediods based model for all the classes have been learnt, the classification of new trajectories and anomaly detection can be performed by checking the closeness of said trajectory to the models of known classes. A mechanism based on agglomerative approach is proposed for anomaly detection. Four anomaly detection algorithms using m-mediods based representation of classes are proposed. These includes: (i)global merged anomaly detection (GMAD), (ii) localized merged anomaly detection (LMAD), (iii) global un-merged anomaly detection (GUAD), and (iv) localized un-merged anomaly detection (LUAD). Our proposed techniques are validated using variety of simulated and complex real life trajectory datasets.     

基于图像处理的滑坡后缘裂缝运动轨迹分析

滑坡后缘裂缝运动轨迹分析对于滑坡监测预警至关重要,针对滑坡后缘已有裂缝带,提出了一种基于最大类间算法（OTSU）、Canny算子与目标物体特征识别的滑坡后缘裂缝检测方法,通过对滑坡后缘裂缝图像进行预处理、形态学处理与边缘检测、边缘轨迹比较,获取滑坡后缘裂缝位移情况。经测试,该方法在上位机（基于QT平台开发）上能有效检测滑坡后缘裂缝,并判别理论模型下的运动轨迹,可为滑坡灾害预警提供支撑。