一种背景特征空间相关的跟踪算法研究

针对天空背景红外图像弱小、目标可利用信息特征少,采用通常的几何、纹理等目标特征的时域相关性跟踪算法难以实现连续平稳跟踪的情况,提出了一种基于后处理的弱小目标检测跟踪算法,即利用背景特征的空间相关性实现弱小目标检测,结合前后图像帧中目标灰度特征和运动特征的时域相关性实现了弱小目标的连续跟踪。实验结果证明,该算法对天空背景红外图像弱小目标跟踪稳定可靠,实时性好。     

视频处理技术在智能交通系统的应用

视频检测作为智能交通中一种主要的检测手段在交通流检测、车辆违章跟踪等领域得到了广泛的研究和发展。文中提出了一种城市道路交通灯智能控制模型,该模型利用视频图像处理技术,获取十字路口各方向的车流量参数、违章车辆信息等,在此基础上实现了交通灯的智能控制以及对违章车辆的视频跟踪,最后给出了实际交通视频图像处理的实验结果。     

航拍图像序列的地面运动目标跟踪

建立了一套针对航拍图像的运动目标跟踪系统。根据航拍图像序列存在背景运动的特点,运用了一种基于稀疏采样的局部补偿误差函数泰勒展开法,求得背景模型参数,补偿背景运动;根据背景运动矢量和目标运动矢量不同的特点,采用了运动矢量聚类的算法,对多个潜在目标准确定位,并建立跟踪嚣找出真实目标进行跟踪。针对图像匹配可能产生的误差。提出对匹配结果进行聚类,以提高求得的背景模型参数的精确性,又针对差分图像中运动目标信息的不完整的特点,根据目标残缺信息先取得目标完整边缘信息,再进行目标定位,提高了定位的精度,并给出了部分实验结果。结果表明,该算法对噪声和光照具有很强的抑制性,能快速有效地对运动目标进行跟踪。     

基于OpenCV的交通视频运动目标检测与跟踪

智能交通系统（ITS）是目前世界交通运输领域正在研究和广泛关注的课题。OpenCV是一种用于数字图像处理和计算机视觉的函数库,由Intel公司开发。本文在目标检测方面,对采集到的交通视频进行灰度化、中值滤波、背景建模、二值化,背景差分等处理,可以较准确地检测出运动目标。在目标跟踪方面,提出了CamShift算法和Kalman滤波器相结合的方法,实现视频车辆的精确跟踪。最后,利用OpenCV的运动物体跟踪的数据结构、函数库,建立了一个视频车辆分析系统。用于道路上车辆的检测与跟踪,并具有良好的鲁棒性。     

一种新的红外弱小目标检测与跟踪算法

针对低信噪比下红外序列图像中弱小目标的检测与跟踪问题,提出了一种新的基于双边滤波的方法.首先将传统的二维双边滤波扩展为空-时三维双边滤波,由于同时利用了红外序列的空域信息和时域信息,该三维双边滤波能在抑制噪声的同时增强目标和背景之间的对比度.用其实现红外图像的预处理,再用门限分割检测出红外序列中的弱小目标.同时,用序贯蒙特卡洛方法对检测到的弱小目标进行跟踪.实验中,用实际红外序列图像对算法进行了验证,结果表明,在低信噪比下,所提算法能对红外弱小目标进行实时检测和跟踪.     

基于车辆跟踪的实时拥堵等级界定

通过视频处理．在车辆跟踪的基础上．得到一定时间内的车流数和平均相对车速参数．并根据参数判定车辆的实时拥堵等级。车辆的跟踪通过背景差分和前景匹配算法实现．同时．为了在车辆拥堵的情况下实现背景的更新,用到了以candy边缘检测结果为参数的背景更新算法。采用道路实况视频对程序进行检验,得到的结果显示该算法的拥堵等级界定结果准确．实时性高．具有一定的现实意义。     

基于机动检测的参数自适应跟踪算法

在机动目标跟踪中,传统当前统计模型卡尔曼滤波算法对弱/无机动目标跟踪精度不高,对突发机动跟踪精度显著下降,且跟踪性能受限于先验参数.针对上述问题,本文提出一种基于机动检测的参数自适应机动目标跟踪算法,算法利用新息的概率分布特性构建双阈值检测门限,依据检测结果进行参数自适应调整.首先,利用加速度预测误差方差信息,自适应调...     

基于矩特征和卡尔曼滤波的车辆跟踪算法

针对由于背景的动态变化而导致的目标车辆无法准确进行跟踪的问题,提出了一种基于卡尔曼滤波器的车辆跟踪算法。算法利用基于图像内容的动态前景分割的方法提取出目标车辆,以此建立基于HSV颜色空间的矩特征,从而得到目标的特征模板,在下一帧中利用卡尔曼滤波器对目标车辆的状态进行预测。在预测的区域内进行匹配定位,从而得到目标车辆的实际位置。实验结果表明,该算法实时性和准确性高,能够准确的完成对目标车辆的跟踪。     

基于改进分水岭算法的多目标车辆的跟踪研究

近年来,由于车辆数量的激增,道路事故也频频发生,这就要对事故易发路段进行监控,并对车辆进行跟踪。针对目标的跟踪,提出了利用改进的分水岭方法与数据关联方法相结合实现多目标车辆准确跟踪,在检测车辆时利用分水岭算法可以有效地进行图像分割并准确的检测出运行车辆;跟踪时利用运动目标轮廓采用链表法记录多运动目标之间的数据关联,并跟据质心特征进行跟踪。实验表明该方法能有效地对目标进行了检测并提高了跟踪的准确率。     

基于OpenCV的红外弱小运动目标检测与跟踪

针对信噪比低、背景和噪声干扰严重的红外图像,根据图像序列中运动目标的帧间相关特性以及噪声的不相关理论,基于OpenCV（Open Soure Computer Vision Library）计算机视觉库,提出了一种弱小目标的检测算法,并对检测到的目标进行了跟踪。采用能量累积的方法得到背景,然后从原始图像中去除背景,提高信噪比;利用目标的帧间相关特性以及运动信息去除噪声;最后通过Kalman滤波算法来对检测到的目标进行跟踪。实验结果表明:该检测算法能有效地从序列图像中提取出弱小运动目标,跟踪算法也能实时地进行跟踪并在目标被遮挡时准确地预测出目标位置。     

视频交通流检测中的背景提取

在基于视频的交通流检测系统中,静止背景的快速准确提取是基础。背景的提取主要分为模型法和非模型法,非模型法的算法复杂度低,能满足交通流检测实时性要求。论文比较和分析了均值法、直方图统计法、中值滤波法和背景学习法四种常用的背景提取方法。并通过实际的交通视频测试比较了四种方法。     

基于DSP的无背景模型车流量检测

针对车流量检测中遇到光照变化、树阴、树枝摇动等一系列问题,在运动物体法,背景建模法和时间差分法的基础上,提出了一种基于DSP的无背景模型的新型车流量检测方法。笔者依次使用基于块的帧差法、双重前景融合法、基于纹理对象分割法、假前景滤波法对车流量进行检测。经实验验证,采用无背景模型算法能成功有效地检测车流量,检测准确率达88%,提高了车流量检测的精度。     

基于背景模型的车辆目标检测

为了实现对交通车辆快速准确地统计,文中提出一种自适应权值的背景更新方法以适应道路环境的复杂变化.首先在多个通道建立单高斯背景统计模型,然后利用场景中像素的概率分布实现对运动区域的准确检测,最后根据检测结果实现对交通流量的统计.实验结果表明:该方法能够对运动车辆进行快速准确地检测和统计,并对场景的光照变化等影响具有较高的鲁棒性.     

基于背景差分的多车道车流量检测系统

研究了背景差分算法,并设计了一种对多车道路段的车流量检测系统。首先通过背景差分的方法,实现了运动前景和背景的分割;进一步使用虚拟检测线实现了多车道车流量的检测。系统平台用Visual C++结合OpenCV进行编程实现。对实际道路环境下的大量的图像序列进行了测试,取得了较好的效果。     

一种基于局域灰度分布的自适应运动检测算法

运动检测是基于视频的智能交通系统的基础,为了能够快速、准确的适应背景变化,本文提出了一种基于局域灰度分布的运动检测算法,利用图像块的灰度分布特征,构造相应的离散概率模型,并采用自适应的模型参数更新方法。实验证明,算法能够自适应交通场景中背景的多模态性、动态背景、光照变化以及一定程度的遮挡等情况,并且训练时间短,每帧的处理时间也能够满足实时性要求。     

Improved sigma-delta background estimation for vehicle detection

An enhanced version of the sigma-delta background estimation method for vehicle detection is proposed. A selective updating of the background model at the pixel level is included to deal with slow moving or temporarily stopped vehicles. The proposed algorithm is compared with some previous enhancements of the sigma?delta method, showing its effectiveness in urban traffic scenes.     

A window-based image processing technique for quantitative andqualitative analysis of road traffic parameters

Traffic information is an important tool in the planning, maintenance, and control of any modern transport system. Of special interest to traffic engineers are parameters of traffic flow such as volume, speed, type of vehicle, queue parameters, traffic movements at junctions, etc. Various algorithms, mainly based on background differencing techniques, have been applied for this purpose. Since background-based algorithms are very sensitive to ambient lighting conditions, they have not yielded the expectative results. In this paper, we describe a novel approach to measure traffic parameters. This approach is based on applying edge-detection techniques to the key regions or windows. This method of measuring road traffic parameters eliminates the need of a background frame, which is an essential, but unreliable technique for background-based image-detection methods. A dynamic threshold selection technique has also been introduced to select the threshold value automatically. The image process algorithm has been applied to measure basic traffic parameters such a traffic volume, types of vehicles, as well as the complex traffic parameters such as queue parameters and movements of vehicles at a traffic junction     

基于块匹配置信度的隧道交通背景提取算法

针对隧道交通环境变化特点,采用改进的统计直方图法进行背景提取,并提出一种基于块匹配置信度的背景更新算法.实验结果表明,该算法既能满足缓慢变化场景的更新,又克服了当场景中出现慢行目标或目标长时间停留出现的拖尾和目标混入的现象,而且计算复杂度低,背景提取迅速,适合交通状况实时检测的要求.     

TAP及其应用

TAP(Test Access Port/Traffic Access Port)是一种新兴的用于网络监测的硬件设备,它提供了一种在不中断网络正常流量的情况下,获得网络流量的方法.因此,TAP可以用来实现监测网络性能、解决网络故障、分析网络流量和阻止恶意攻击等一系列功能.文章阐述了TAP的产生背景、主要特点、工作原理及其应用.     

突发业务环境下CBR业务性能的实验分析

CBR业务是一类极为重要的实时业务,能否有效地传递这类业务关系到从现有网络向ATM的过渡,因此CBR业务的服务质量是一个值得研究的重要课题。本文利用计算机仿真的方法,全面地分析了突发业务环境下,影响CBR业务服务质量的各种因素,指出复接器占有率、缓冲区容量、背景强度、背景流的自相关特征对CBR业务的时延及时延抖动有很大的影响,尤其是背景流具有长时相关性时,CBR业务的服务质量将严重恶化,必须设法加以控制。