基于HSV空间阴影去除方法研究与应用

在智能视频监控系统中,运动阴影如果被误判为运动目标,将会影响到场景中运动目标的准确提取、跟踪和预测。针对这一问题,设计了一种基于HSV颜色空间的阴影去除方法。方法首先将背景差法和三帧差分法相结合,用于提取运动目标,再将提取的含有阴影的运动目标区域映射到其HSV色彩空间,通过与背景和相邻帧的亮度、饱和度比较,实现对阴影区域的检测和去除,处理过程中无需提前确定特征判别参数。将所设计的方法在标准高速公路视频数据库中进行测试并应用于实时的视频监控系统,验证结果表明该方法能更加有效的消除阴影,从而准确的检测出运动目标,同时方法对光线变化具有一定的鲁棒性。     

基于计算机视觉的智能监控系统教学平台

本文研究了基于计算机视觉技术的智能监控系统教学实验平台.文章介绍了该实验平台的硬件部分设计和构建,研究了基于该平台的运动目标检测方法和人与非人的识别方法、基于形心的运动目标跟踪方法,尤其研究得到了基于最小二乘法的预测跟踪算法和基于面积变化的预铡跟踪有遮挡运动目标新方法.实验结果表明该平台满足了计算机视觉课程的教学实践需要.     

面向多区域视频监控的运动目标检测系统

为了实现视频监控现场多区域运动目标检测,分析了传统运动检测算法的不足,结合帧间差分法和背景差分法,提出背景动态更新的运动检测算法。该算法能自适应背景的变化,减少由背景变化造成的误检测。构建基于FPGA的视频监控系统,在FPGA上用该算法实现了640pixel×480pixel,30帧/s视频信号流的运动目标实时检测。系统提供了分区域运动目标检测的功能。检测区域的大小、位置和个数可通过简单的按键操作进行设定。测试结果表明,系统可以实时地对进入划定区域的运动目标进行检测和闪烁告警,且资源占用较少,适合在小规模的FPGA上进行实现。     

基于OpenCV的视频对象的运动检测

随着信息技术的发展和视频监控系统的普及,视觉监控技术在科学研究、工业生产中得到了越来越多的应用。智能监控系统包括3方面内容：运动检测、运动方向判定和图像跟踪,其中运动检测是重要的基础内容。本文介绍了一种以视频图像为检测源的快速运动的检测方法,与传统的运动检测方法相比较,该方法采用了视频处理技术,通过先进的运动检测算法快速识别运动物体,并能准确、迅速判断出运动物体的运动方向,并予以标注。实验表明该方法是有效的。     

智能视频监控中入侵检测算法的设计与实现

为实现在高清视频监控中实时、准确的检测出入侵的人员或物体,本文设计一种新的入侵检测算法。 算法将混合高斯模型与改进的帧差法结合,并针对实际监控场景作出以下改进：当监控画面分辨率较高时,采用块均值建模替代原混合高斯模型中的单个像素建模提高算法检测的实时性;在监控场景发生光照突变时结合改进的帧差法避免因光照带来的误检测。实验结果表明,本文的算法处理速度快,准确性高,适用于实时高清的视频监控系统。     

Design and Implementation of a Network‐Adaptive Mechanism for HTTP Video Streaming

This paper proposes a network‐adaptive mechanism for HTTP‐based video streaming over wireless/mobile networks. To provide adaptive video streaming over wireless/mobile networks, the proposed mechanism consists of a throughput estimation scheme in the time‐variant wireless network environment and a video rate selection algorithm used to increase the streaming quality. The adaptive video streaming system with proposed modules is implemented using an open source multimedia framework and is validated over emulated wireless/mobile networks. The emulator helps to model and emulate network conditions based on data collected from actual experiments. The experiment results show that the proposed mechanism provides higher video quality than the existing system provides and a rate of video streaming almost void of freezing.     

智能视频监控中的运动目标检测技术研究

运动目标检测是视频序列分析中非常一个重要的研究方向,同时也在智能视频监控中发挥着非常重要的作用。目前国内外对运动目标检测的研究非常广泛,方法各异,丈中对当前常用的视频序列中运动目标检测的方法进行了研究和分析,并对这些种方法的优越性和不足之处进行了比较。     

视频运动目标检测及跟踪算法测试平台设计与实现

给出了平台构架、设计思路与实现方法,对七个核心算法模块进行了详细说明,给出了采用VC++6.0实现时的主要程序段及技术关键点.提供了一种高速路交通车辆检测和跟踪实例,提供了实例算法结构图、性能参数和实际测试效果.试验结果表明,所提平台具有良好的实时性和有效性.     

智能视频监控中滞留物与人的关联分析算法

对智能视频监控中滞留物与人的关联分析算法进行了研究.当监控场景中出现物体滞留,检测滞留物并发出报警或提示,同时提取滞留关键帧;滞留物被移走时,检测移走并提取移走关键帧,根据滞留关键帧和移走关键帧中人的颜色特征进行相似性计算,来匹配移走者与滞留者是否为同一人,进而作出报警或提示等不同响应.实验证明,提出的算法具有很高的正确率.     

车辆视频监控系统的构建及设计要点

针对客：运/货运车辆的车载无线视频监控系统是车联网技术的一个发展方向,通过该系统,除了可以监控车辆的移动轨迹和运行情况外,还能够实时获取车内以及道路的音视频信息,对公交客运、交通管理、运政执法、银行押运等行业的支持尤为重要。针对移动多媒体数据流的传输问题从传输效率和传输质量这两方面进行了分析,介绍了一种车辆视频监控系统的组织架构,并针对设计要点进行了阐述。     

一种基于机器学习的运动目标阴影检测新方法

运动目标检测是物联网智能视频监控中的一个重 要环节。通过对各种阴影检测方法的研究,我们发现仅仅通过一种 特征进行处理并不能准确的检测出阴影。因此,本文提出了一种基于机器学习的运动目标阴 影检测新方法。该方法深度 融合颜色信息、光学不变性以及纹理特征等因素,通过机器学习,自适应地进行目标阴影检 测,在综合分析三种信息检 测结果的基础上,实现对阴影的有效确定。该算法能够有效地结合各种方法的优势,在物联 网应用中取得了较好的效果 和运行效率。     

一种基于IPC的多区域网络视频监控系统设计

针对多区域网络监控的应用需求,设计了一套基于IPC的网络化视频监控系统。该系统采用基于视频分析的运动目标侦测,基于双码流的图片、视频传输与存储,以及优先级和多通道的IPC与图片服务器交互等关键技术。由此,实现了多区域全时段的标清视频监控,实时运动检测报警与连续高清图片抓拍取证功能。该系统设计兼容现有的软硬件系统平台,并具有较高性价比。     

智能视频监控系统中多摄像头协同跟踪算法研究

为了提高智能视频监控系统中运动目标跟踪的准确率和有效性,本文利用数据融合和协同跟踪技术,实现了多摄像头协同跟踪系统中运动目标的有效跟踪。首先,利用单摄像头独自跟踪得到目标图像,然后利用平面单应性和极线几何约束结合实现多摄像头视图间的目标匹配和协同跟踪,最后得到精确的目标跟踪结果。通过在MATLAB上实验仿真,并与单摄像头目标跟踪进行对比,得出该算法具有较好的跟踪效果以及抗遮挡性能,可广泛应用于智能视频监控系统中。     

低速率的无线视频监控系统设计与实现

随着低速率的视频编码技术与无线通信技术的迅速发展,使得为用户提供移动视频监控业务成为可能。这里,文章实现了一套在移动环境下的实时视频监控系统。该系统融合了H.264视频编码技术,并对H.264核心代码进行了优化,以确保其在处理能力较弱的移动终端上流畅解码。实验表明,即使在低速率的无线网络环境下,也可以获得较高质量的监控图像。     

基于改进surendra背景更新算法的运动目标检测算法

提出了一种改进的surendra运动目标检测算法,该算法可以自适应的调整背景更新速度。首先将第一帧图像作为背景图像,并利用改进的surendra背景更新算法根据每帧图像对背景图像进行更新获得可靠的背景。然后,将当前帧与背号作差,得到差值图像。使用自适应阈值对差值图像进行二值化处理,并利用形态学滤波对二值图像进行适当处理,这样运动目标就被准确地提取出来。     

Robust Multi‐person Tracking for Real‐Time Intelligent Video Surveillance

We propose a novel multiple‐object tracking algorithm for real‐time intelligent video surveillance. We adopt particle filtering as our tracking framework. Background modeling and subtraction are used to generate a region of interest. A two‐step pedestrian detection is employed to reduce the computation time of the algorithm, and an iterative particle repropagation method is proposed to enhance its tracking accuracy. A matching score for greedy data association is proposed to assign the detection results of the two‐step pedestrian detector to trackers. Various experimental results demonstrate that the proposed algorithm tracks multiple objects accurately and precisely in real time.     

基于电力线通信和流媒体视频监控系统设计

设计了一种基于电力线载波通信和流媒体技术的视频监控系统实现方案。系统采用ARM11处理器S3C6410作为主控器,利用内置视频硬件编解码模块对摄像头采集到的视频数据进行编码压缩,通过实时传输协议RTP和传输层的UDP协议进行网络层的封包,再经电力载波调制解调器封装成PLC帧格式后由电力网络传输,最后在PC机上接收视频数据并显示实时视频。测试结果表明,该方案成本低廉,基本能够满足视频监控项目的需求,在普通的电力环境下效果理想。     

运动目标智能检测算法研究

随着视频监控系统的普及化和庞大化,传统的运动目标检测技术难以适应检测场景的各种变化,局限性越来越突出,且实时性和准确性难以平衡。为有效解决传统的运动目标检测技术中出现的问题,以固定摄像机视频监控系统为研究背景,使用一种基于的运动目标检测方法,提高了运动目标检测准确性,降低了对光照的敏感性,并保证了实时性。     

智能视频监控中目标跟踪的研究与实现

目标跟踪是智能监控领域的关键技术,本文主要是研究实现这一关键技术。提出一种融合运动目标的面积和矩特征进行匹配的算法,并结合运动估计算法对下一时刻目标最可能存在的方位进行预测,实现了对运动目标的跟踪。实验表明该算法能够准确跟踪运动目标,在一定程度上满足了实时性的要求。     

Surveillance video synopsis in the compressed domain for fast video browsing

The traditional pixel-domain based video analysis methods have taken dominated places for long. However, due to the rapidly increasing volume and resolution of surveillance video, the desirable fast and scalable browsing encounters significant challenges in terms of efficiency and flexibility. Under this circumstance, operating surveillance video in compressed domain has aroused great concern in academy and industry. In order to perform the intelligent video analysis task on the premise of preserving accuracy and controlling complexity, this paper presents a compressed-domain approach for massive surveillance video synopsis generation, labeling and browsing. The main work and achievements include: (1) a compressed-domain scheme is established to condense the compressed surveillance video and record the synopsis results; (2) a background modeling method via the Motion Vector based Local Binary Pattern (MVLBP) is introduced to extract moving objects in an efficient way; (3) an object flags based synopsis labeling method is proposed to represent the object regions as well as their display modes in a flexible way. Experimental results show that the video analysis system based on this framework can provide not only efficient synopsis generation but also flexible scalable or playback browsing.