基于背景图像差分的运动人体检测

在背景图像差分的基础上,提出一种改进的实时背景更新算法.通过背景学习过程,利用若干帧连续图像中每点像素灰度值样本,估算对应像素点的灰度值均方差.利用正态分布的"3σ原则"对图像背景进行实时更新,消除背景变化对人体分割的影响.提出基于图像平均灰度值的阈值分割算法,以提高算法对不同光照强度的适应能力.提出基于垂直投影图的阴影消除算法,分析表明,人体躯干和影子区的垂直投影特性不同,由此可以有效消除人体影子.实验结果表明,本算法在不同的光照情况下能够完整分割运动人体图像.     

复杂水质环境下基于PSO-ELM的BOD快速检测

针对检测生化需氧量(BOD)的传统五日培养法(BOD5)操作复杂、时效性差的不足,以及水质中复杂环境因素干扰检测过程等问题,提出了基于微生物膜法的快速检测系统,进而以粒子群算法(PSO)优化的极限学习机(ELM)算法来实现BOD检测。检测系统以溶解氧传感器和微生物膜反应器为核心,能够在35 min内完成检测,其中微生物反应器使用功能化的螺旋玻璃管制成,但微生物膜易受水质复杂环境的影响。为此,运用PSO-ELM算法消除水质中浊度(SS)、p H值、氧化还原电位(ORP)对检测结果的干扰,与BP神经网络和ELM算法相比,运行时间分别缩短0.92 s和0.24 s,测试误差分别减小5.3%和4.0%。在实际海水水样的测试结果中,该方法与BOD5法相对误差保持在2.69%～3.86%内。     

快速背景重建的在线运动目标检测

为了能快速地从视频图像序列中创建可靠的背景图像,进而提取运动目标,文中提出了一种基于反馈信息的运动目标检测算法.首先提出了基于相邻帧信息和背景估计信息相融合的背景重建算法,保证了在视频场景改变时仍能迅速捕捉背景;还提出了基于一种在线Otsu法的运动目标检测,将相邻帧运动目标信息反馈到目标提取算法中,弥补传统Otsu法的不足;最后提出了对光线变化具有一定鲁棒性的背景估计算法.实验表明,该方法的重建速度快,准确率高,能满足实时检测的需要.     

一种稳健的运动探测与背景维护算

针对家庭安全监控需要，提出一种稳健的运动对象探测算法。首先给出三帧差运动对象检测算法，同时利用像素的亮度分量和色度分量避免由于大尺寸对象闯入引起图像背景像素变化造成运动对象检测的失败。然后提出一种三关键背景维护算法，用于清除背景振动像素，减少虚假报警。实验表明，这种运动探测算法对视频监控系统消除虚假异常报警具有良好的通用性，实时性和稳健性。     

智能视频监控运动目标检测技术浅谈

在视频监控智能分析序列中,运动目标检测正处于行业应用的前沿和发展方向,其在智能视频监控过程中发挥了举足轻重的作用。笔者根据工作研究实践,对智能视频监控运动目标检测技术进行了简要的阐述。     

遗失目标的实时检测算法

针对视频安全监控问题,提出一种实时的遗失目标检测算法.首先,帧间差分用于获取像素级运动特性,并构造双重背景用于检测双重前景.而后,将像素级特性及双重前景综合以维持双重背景的更新.最后,通过累加证据图像来处理实际应用中的虚警和遮挡问题并证实遗失目标.在不同视频序列下的实验表明该算法能够有效地从嘈杂的场景中检测出遗失目标.此外,对于352x288的序列而言,该算法的运行速度达到约54帧/s,能够满足实时的监控任务需求.     

连续运动螺纹尺寸自适应机器视觉检测

针对螺纹零件尺寸检测效率低、工作强度大、检测精度不高的问题,提出了一种连续运动螺纹尺寸自适应机器视觉的检测方法。首先设计了一套在线图像采集装置用于采集运动螺纹零件的图像;其次使用NCC(normalized cross correlation)归一化匹配算法,完成对螺纹零件的识别及追踪,在此基础上设计了自适应的ROI(region of interest)裁剪区域;然后通过Canny算法提取边缘轮廓,利用最小二乘法直线拟合技术对螺纹轮廓进行直线拟合,生成螺纹中径线,完成对螺纹中径的测量;最后在使用Harris角点检测算法提取多螺纹轮廓波峰与波谷的基础上,提出了利用螺纹中径线与各角点之间的距离来完成对角点的细化。实验表明,所提方法在螺纹尺寸检测方面具有可行性和有效性。     

基于单目视觉的运动人体检测算法

检测算法是视觉运动分析的基础,也是关键的一步.将区域生长法和帧间差分法相结合用来检测运动目标,以弥补单独使用帧间差分法的不足,接着依据人体识别算法对运动目标加以识别,区分出人体.实验证明算法简单快速,适合实时检测,且检测效果较好.     

车辆目标的计算机模式识别

本文通过分析地面运动车辆的声音特征，建立了几种典型车辆的统计识别模型，通过实验验证，达到了满意的效果。     

基于机器视觉的车距检测系统设计

为了探测前车车距,采用机器视觉方式,以 CCD构造单目成像系统采集前车图像,以检测车牌在图像中像素的数量方式实现车距的测量。系统以单目摄像头的成像模型,通过物像位置关系及大小关系,建立车牌图像与车距信息之间的模型;以CCD成像原理,建立车牌图像与传感器像元像素之间的模型。由此构建测距检测算法模型。采用MATLAB软件平台设计人机交互界面,对采集图像进行预处理提高图像的对比度;通过匹配连通域等算法,对车牌进行定位、分割,检测车牌水平方向像素数量;在此基础上,采取小孔成像原理计算车距的大小,并显示在软件平台上。实验证明了本系统能对前车图像进行分析从而计算出车距,该系统对3 m之外的车距检测平均误差为4%。     

基于YOLOv3和DeepSort的车流量检测

针对传统多目标跟踪算法的检测跟踪精度低、鲁棒性差的缺点,基于经典的Tracking-By-Detection模式,提出一种基于YOLOv3和DeepSort的车流量检测方法,实现了车辆视频监控端到端的车流量视频的实时监测与跟踪计数.采用深度学习YOLOv3算法检测视频车辆目标,然后利用深度学习DeepSort算法对检测...     

基于多算法融合的跌倒行为识别

提出一种多算法融合的跌倒行为识别算法.首先,针对人体目标的特征对YOLOv3 tiny检测算法进行改进,有效框定人体动态目标区域,提取出目标前景;在此基础上利用AlphaPose姿态识别框架识别出人体骨骼关键点,得到人体主要关节图;最后以人体关节图坐标信息为输入,通过时空图卷积神经网络对跌倒等动作进行检测识别,满足对不...     

随机图像选取与自适应背景更新的运动物体检测

为克服运动目标检测中易出现的光照变化、遮挡、虚假目标等现象,提出了一种随机图像选取与自适应背景更新的运动物体检测方法.该方法从视频序列中随机选取一帧图像作为初始背景,根据变化标记矩阵对背景进行自适应迭代更新,以提取可靠的背景图像,实现运动物体的检测.实验结果表明,采用该算法提取的背景不存在混合现象,且在光照变化较大以及运动物体之间存在遮挡的情况下,能够构造出可靠的背景,检测出的目标物体清晰可见.     

基于粒子群优化算法的结构模型修改

结构模型修改已经演化为一个多学科的研究课题．在最优化框架内，应用了国际上最近提出的粒子群优化算法，该算法具有全局搜索能力并且不需要目标函数的解析表达式。对于一实际钢结构，利用部分和全部测量得到的模态数据进行了模型修改的实验研究．并与基于灵敏度分析、神经网络和遗传算法的模型修改方法进行了对比．以修改后模型计算出的模态数据与实验测得的模态数据的相似度来衡量模型修改的准确性。结果表明，在多数情况下，所提出的模型修改方法得到了最好的修改结果，因此，应用粒子群优化算法进行结构模型修改是可行的。     

基于图像序列的运动目标检测识别的关键技术研究

为提高运动目标检测的识别效果,通过分析、综合比较各种运动目标检测算法的优劣性,提出了基于全局自适应帧差法和基于码本模型的背景减除法对同一运动目标进行检测。通过对运动目标检测提取运动目标的掩膜,对掩膜进行外接矩形分析,从而得到包围运动目标的矩形框;将矩形框内的图片截取出来,调整该矩形并提取图片的HOG特征,最后通过训练好的SVM进行分类。在训练过程中,针对难易情况应用自举法对训练器进行优化。实验表明,与传统HOG+SVM多尺度检测算法相比,该方法在速度和准确性上可提升20%左右,可作为运动目标检测与识别的参考方法。     

基于多尺度融合方法的无人机对地车辆目标检测算法研究

由于飞行高度等原因,无人机图像在实际使用中目标尺寸普遍较小、特征信息不明显,使用现有的算法对其进行目标检测存在困难。因此,提出了基于多尺度融合的图像多目标检测方法,使用Faster R-CNN为基础框架,将不同层次的特征信息进行融合,再结合上下文信息,实现了对无人机图像小目标检测。使用VisDrone2019数据集对地面车辆进行目标检查,实验证明:无人机对地面车辆目标的检测达到了较好的结果,所使用算法的精度达到88%,与其它算法相比提升了3.8%以上。     

车辆交通事故视频监测算法研究

为快速准确地检测出车辆交通事故的发生,本文提出一种基于计算机视觉和图像处理技术的事故监测算法．统计发现车辆交通事故中会因碰撞伴随产生烟雾、碎片,同时车辆的运动速度会发生锐减．故通过提取交通监控视频中的烟雾、碎片和运动目标速度的变化等参数,结合麦夸特法进行公式拟合可得到交通事故发生概率公式,并计算出事故发生概率．实验结果表明,这种方法能有效地监测出车辆交通事故,检测准确率达89．4％,验证了算法的有效性．此方法应用在智能交通系统中将能及时监测到事故发生,可为后续事故处理赢得时间,故有一定的实用价值．     

一种基于马尔可夫随机场的运动目标检测算法

本文提出了一种基于马尔可夫随机场的运动目标检测算法.针对传统时间分割使用主观固定阁值的缺点,使用马尔可夫随机场模型对差分图像建模,并提出了一种新的模型阶次选择算法,以及一种可以加速收敛过程的随机场迭代算法.采用期望最大算法获取高斯分布参数并检测运动变化区域,利用形态学运算修正时间分割模板;空间分割部分提出了基于人眼视觉特征的改进分水岭算法,有效地解决了过分割问题;最后对时、空间分割结果进行信息融合处理,从而得到完整的运动目标.仿真实验结果证明了本文算法可以有效地分割视频运动目标.     

基于纹理的运动阴影检测方法

针对在视频对象分割时,运动阴影常被误分为视频对象,给出一种新的运动阴影检测方法.首先,进行基于自适应高斯混合模型的背景提取,获得包含运动阴影的前景分割,然后根据灰度图像中阴影区域和已获取背景相应位置的纹理相似性,进行阴影检测.纹理采用局部二元图(Local Binary Patterns,LBP)统一模式的直方图表征.实验表明,方法检测效果好,速度快,可应用于运动目标检测分割及跟踪等领域.