混合动态纹理与李群论相结合的交通异常事件监测技术研究

交通流视频背景较为复杂,当前交通异常事件监测技术无法有效抑制复杂背景下的噪声干扰,导致监测精度低下。为此,提出一种新的混合动态纹理与李群论相结合的交通异常事件监测技术,通过Gabor滤波器对交通视频图像进行滤波处理,采集图像纹理信息,通过时空方向能量对交通异常事件图像动态纹理特征进行提取。依据李群空间中仿射群组不受外界干扰能够保持形状的特性,把交通异常事件状态变量映射至李群空间进行处理,介绍了李群和李代数之间的空间映射关系,给出交通异常事件状态方程和相似匹配度量准则,利用跟踪图像的加权均值对跟踪模板进行更新,实现交通异常事件的监测。实验结果表明,所提技术监测时效和精度均较高。     

人脸识别视频压缩感知跟踪算法

针对视频监控中移动的人脸图像光照强度不同、遮挡、快速变化等问题,本文提出一种人脸识别视频压缩感知跟踪算法.利用图像尖锐化处理突出目标图像边缘纹理,再利用矩形滤波器对人脸图像归一化处理并获取特征向量.通过压缩感知算法对目标样本和背景样本的Haar-like特征压缩,建立目标模型,训练Adaboost算法的贝叶斯级联分类器.最后根据人脸特征区分目标和背景图像,实现目标人脸图像的动态跟踪.实验结果表明,该算法能够实现视频中人脸图像移动、遮挡及光照强度不均匀、快速变化等情况下的有效跟踪.     

基于Contourlet和MeanShift的交通视频车辆跟踪算法

提出一种基于Contourlet直方图的MeanShift交通视频车辆目标跟踪算法.首先,利用Contourlet变换提取交通视频中感兴趣区域下跟踪目标的纹理特征和轮廓,并用其直方图统计跟踪目标的纹理特征;然后,通过Kalman滤波技术来进行跟踪目标轨迹的相关性函数计算,并将计算结果迭代到MeanShift跟踪算法中选取最优估计值,进而实现对交通视频车辆在复杂场景中的精确定位.通过与传统的MeanShift跟踪算法以及基于Kalman滤波的MeanShift跟踪算法等比较表明,此算法不仅能够对复杂场景中的视频车辆进行有效跟踪,同时还具有较好的稳定性和抗干扰性.     

基于张量动态纹理模型的极光视频分类

极光事件的形态与行星际磁场及太阳风等空间物理过程密切相关,通过研究极光形态可以得到大量地球磁层和太阳风活动的信息.随着海量极光的产生,如何借助计算机对极光图像序列进行自动分类成为热点.目前极光分类研究大多是基于单幅图像的特征分析,极光视频的建模和分析仍然有待深入研究.因此提出一种基于极光视频动态纹理建模的极光视频事件识别方法.首先对四类极光视频进性普适性动态纹理建模,然后利用矩阵SVD分解对动态纹理模型求解,最后用模型参数间的马丁距离衡量极光序间的差异性,采用最小距离分类器和SVM分类器实现四类典型形态的极光序列的自动分类识别.为进一步提高模型紧凑度,引入张量分解,建立张量动态纹理模型.不同于动态纹理模型只关注序列帧间的重复相关性,张量动态纹理模型同时分析序列帧间的重复相关性和图像帧内各个部分间的重复相关性,从时间和空间维度上同时进行分解,减少模型冗余的同时提高了分类准确率.在中国北极黄河站的ASI图像数据库上进行了算法验证,实验结果表明本文提出模型具有较高的分类准确率,同时该模型能充分表征极光序列帧间的重复相关性和动态变化特性.     

一种有效的车辆跟踪算法与异常车辆检测

交通监控视频中车辆检测、跟踪与车型判别是智能交通监控系统的重要组成部分。本文运用W4背景减除法和光流法相结合的技术进行车辆检测。利用区域滤波和空洞填充方法提高目标检测精度。采用质心距离约束和目标大小约束条件实现目标区域之间的匹配和车辆跟踪。最后,根据车辆的几何形状特征对助动车等异常车辆进行检测和标记。通过对高速公路实际视频的测试表明,本算法对机动车进行了有效的跟踪与标记,并对道路上助动车等异常车辆进行了有效的检测。     

基于小波变换的低光照对比度或强噪声背景下图像增强与目标提取方法

提出了一种基于小波变换的低光照对比度或强噪声背景下图像增强与目标提取方法.低光照对比度情况下成像获得的图像进行处理分析、目标定位识别与跟踪都有一定困难,必须对其进行增强处理.根据图像的纹理统计特性,设计了专用于保护纹理特征的巴特沃思滤波器,对低光照对比度图像或强噪声背景下图像进行增强,可有效地克服低光照对比度图像或强噪声背景条件下进行处理分析、目标定位识别与跟踪造成的影响.实验结果表明:应用小波变换的多尺度分析方法和专门设计的巴特沃思滤波器,可较好地消除低光照对比度或强噪声背景下图像的干扰.     

基于在线分级特征选择机制的目标跟踪算法

为了提高在复杂背景、光照突变等因素干扰下视频序列目标跟踪算法的鲁棒性,提出了一种新的基于在线目标特征选择机制的跟踪算法。利用目标颜色信息和梯度方向直方图构造目标特征空间,用Gauss混合模型对目标特征集建模,分级选择机制在目标特征集中依据最大化信噪比准则选择最优的特征子集,生成概率权重图像。利用概率权重图像构造观测似然函数,在粒子滤波的框架下,实现目标的跟踪。实验结果表明:该算法可以有效地克服目标旋转、背景复杂、光照突变等因素的干扰。     

基于在线分级特征选择机制的目标跟踪算法

为了提高在复杂背景、光照突变等因素干扰下视频序列目标跟踪算法的鲁棒性,提出了一种新的基于在线目标特征选择机制的跟踪算法。利用目标颜色信息和梯度方向直方图构造目标特征空间,用G auss混合模型对目标特征集建模,分级选择机制在目标特征集中依据最大化信噪比准则选择最优的特征子集,生成概率权重图像。利用概率权重图像构造观测似然函数,在粒子滤波的框架下,实现目标的跟踪。实验结果表明:该算法可以有效地克服目标旋转、背景复杂、光照突变等因素的干扰。     

自然场景图像中基于视觉显著性的文本区域检测

从自然场景图像中抽取文本信息有利于场景图像的内容分析.文中根据图像中文本通常在局部区域具有显著性的特点,提出多尺度包围盒视觉显著性模型,并利用该模型设计一种可以融合边缘和纹理信息的候选文本检测方法.首先在Lab颜色空间构造基于边缘和纹理信息的图像同质性,并利用它将图像映射到同质性空间;然后根据多尺度包围盒视觉显著性模型求Lab颜色空间的同质性均值图像;最后求同质映射图像与同质性均值图像的加权欧氏距离,将其作为显著性度量,以提取文本区域.自然场景图像的实验表明:与单纯利用边缘检测或同质性映射进行文本检测的方法相比,文中提出的方法能够更好地抑制背景的干扰,这有利于进一步将文本区域与背景剥离,进行更精确的文本定位.     

复杂背景下的红外小目标图像信息提取

针对红外小目标跟踪测试系统的目标检测、识别和跟踪,存在着目标面积小、形态特征弱化、背景图像复杂等因素而影响目标信息提取的问题,提出了利用图像处理技术方法,对跟踪系统获取的图像进行改善处理.根据跟踪测试原理和复杂背景目标图像特征,研究了基于低通滤 波法的目标图像的预处理算法,目标图像增强,目标图像与背景分离和Sobel边缘检测算法等图像处理技术,从而对红外小目标图像定位.实验结果表明:所采取的图像处理方法可以对复杂背景下的目标信息提取,结合跟踪系统的控制机制,现实远程目标的动态跟踪.     

基于交通视频的运动车辆检测方法

为解决交通测试系统中车辆实时跟踪和分割的问题, 以数字图像处理方法为手段, 针对采集到的交通路况信息, 重点研究了背景差分算法提取运动车辆, 并提出了一种计算量较小的自适应背景更新算法; 采用一种工作在HSV(Hue, Saturation, Valve)空间非基于模型的车辆阴影检测算法, 并提出设置阈值参数的方法, 在去除车辆阴影的同时也滤除了行人、 自行车及摩托车等干扰; 针对车辆阴影检测后的二值化图像, 采用适合的形态学方法进行后期处理。对实际交通环境下的大量视频和图像进行测试的结果表明, 该方法可以有效地实现运动车辆的检测。     

基于视觉显著性的空中目标检测算法

可见光低慢小飞行目标检测技术在军用民用领域有着特殊的意义,当视频背景中包含动态干扰、复杂云像等复杂情况时,检测诸如民用无人机等低慢小飞行目标十分困难,为此本文提出了一种基于视觉显著性的飞行目标智能检测算法,该算法首先通过帧间差分法提取运动信息,再利用改进SR算法对运动目标周边进行检测,检测时,首先通过局部复杂度分类模块对运动信息进行分类,排除地面的动态干扰信息,再提取目标邻域LAB空间中B通道图像,再对该图像进行云、天边缘部分提取,随后将其与SR算法的输出进行归一化做差获取最终检测结果。实验结果表明该算法在地空背景、复杂云像背景、过曝光背景中可以良好工作,并能达到实时处理需求。     

一种HSV空间上分层压缩感知的图像检索算法

通过构建二维压缩感知测量模型,提出一种分层HSV特征和分层纹理特征提取与图像检索新算法。在图像HSV空间上引入网格离散划分和分层映射算子,定义一种基于HSV网格空间上的分层映射矩阵和拟灰度共生矩阵;设计归一化Gauss随机矩阵作为测量矩阵,使用二维压缩感知测量模型对上述两种矩阵进行压缩采样;采用PCA(Principal Component Analysis)方法获取上述两种分层采样矩阵的特征值序列,作为图像的分层HSV特征与分层纹理特征。最后融合上述两类特征综合计算图像间的整体相似度并实现图像检索。仿真实验表明,上述两类特征具有很好的可区分性,有效提高了图像检索效率,特别对复杂背景的图像检索性能更优     

基于变换域分析的车牌分割研究

考虑车牌本身特征,以模式识别的思想对整幅图像转变至利于识别和排除干扰的特征空间,并对图像基于变换域的纹理进行车牌粗特征提取,再由投影法细定位分割。试验表明该方法准确性、鲁棒性和适应性都达到实用技术指标,尤对车牌背景复杂、干扰较多情况具有良好效果。     

运动目标识别与跟踪系统实现方案探讨

本论文主要研究视频序列图像中运动目标识别与跟踪的基本原理及实现方案。运动目标识别与跟踪系统是主要是通过对成像设备所获取的图像序列进行处理,力图从复杂的背景中识别出目标,并对目标的运动规律加以预测,实现对目标的连续、准确的跟踪。系统的算法涉及目标图像的预处理、目标识别与目标跟踪等。     

一种新的红外纹理生成方法

为解决大规模背景场景纹理生成中的问题,结合纹理数据和物理模型,提出一种新的红外纹理生成方法.分析背景红外成像模型,通过建立背景温度模型、辐射模型、灰度映射模型,得到不同天气、任意时段的红外灰度值;利用可见光纹理图像,结合统计方法提取灰度空间分布,合成红外纹理.通过调节合成因子,可以生成具有红外辐射信息又不乏灰度空间变化信息的红外场景仿真图像.实验结果表明:该方法有效解决了实测数据获取困难,复杂建模耗时耗力、计算误差大的问题;生成的红外场景可视化效果大大提高,同时也能真实反映场景24 h温度变化规律.     

基于颜色纹理直方图的meanshift目标跟踪算法

Mean shift算法是一种重要的目标跟踪方法.在充分研究Mean shift算法的基础上,提出一种基于颜色纹理直方图的改进Mean shift跟踪算法.该方法首先计算目标图像区域中基于局部二值模式(local binary pattern,LBP)的主要纹理特征,通过提取主要特征消除背景和噪声等因素的干扰.另一方面,联合颜色和信息建立目标表示模型,可以为目标建模提供更丰富的纹理信息,目标表示更为准确,目标特征更明显区别于目标附近邻域内的背景特征.通过实验表明,改进的跟踪算法能有效提高目标跟踪精度,因此该目标跟踪具有较好的鲁棒性.     

基于视频的车辆检测和分析算法

为了高速公路行车安全,需要及时检测公路上车辆的异常停车情况.通过对视频图像分析,首先重建背景图像,再分割出车辆目标,然后进行目标跟踪,采用基于针孔模型的摄像机定标估算车辆的速度,利用速度信息分析高速公路上的车辆停车事件.现场实验结果表明,此方法对于高速公路上异常停车的检测具有较高的准确性.     

基于复杂融合特征与灰度-纹理直方图描述子的红外弱小目标检测追踪算法

为了解决当前红外目标检测追踪算法仅依靠单一图像特征对弱小目标增强,使其在背景杂波与噪声干扰严重条件下,难以剔除图像背景中的伪目标像素,导致弱小目标检测与追踪精度不高,提出了基于复杂融合特征与联合灰度-纹理直方图描述子的红外弱小目标检测与追踪算法。首先,针对红外图像不同特征的背景干扰因素,引入不同方向的腐蚀操作结构元素,设计了分类Top-Hat变换算子,充分抑制背景杂波与噪声,从而将弱小目标从复杂背景中凸显出来;随后,引入方差权重信息熵,构建复杂融合特征,对红外图像进行分割,确定候选目标区域;并基于管道滤波模式,对候选目标区域中的真实弱小目标与伪目标进行筛选,将虚假目标过滤;再考虑弱小目标的强度与纹理特征,基于LBP技术(local binary pattern),设计了灰度-纹理直方图描述子,充分描述红外弱小目标的边缘、线端与角点等鲁棒性特征,较好地保留目标的空域信息,有效剔除图像背景中的伪目标像素;最后,联合均值漂移算法,对红外弱小目标进行精确追踪。实验结果显示:与当前红外目标检测追踪技术相比,在复杂背景干扰条件下,本文算法具有更高的检测精度与更低的追踪误差。     

在线多线索动态手势识别

文章提出一种将运动和肤色特征相融合的多线索识别方法,利用差分运动检测降低复杂背景干扰,利用肤色在HSV空间中的聚类特性,采用多高斯模型,对每一个输入视频,将前50帧作为学习样本,在线学习出该视频的肤色分类器,解决了泛化性能低的问题;利用手势固有形状特征进行静态手势分割,采用基于仿射变换的块匹配法对动态手势进行跟踪。结果表明该算法能够较好地适应不同光照及复杂背景,同时满足实时要求。