基于视频多特征融合的列车车厢烟雾检测方法

列车车厢中环境相对复杂且遮挡物较多,为了提高视频烟雾检测的准确性,剔除场景中疑似烟雾的干扰物,降低由于环境中光照变化导致的误检情况,提出了基于运动、颜色及衰减等多特征融合的烟雾检测算法.该算法能有效克服背景复杂、光照变化大,以及阴影问题带来的干扰.算法主要由3部分构成:烟雾运动检测、颜色特征分析提取和多特征融合.该算法通过背景建模方法分割出运动的区域,引入归一化RGB空间烟雾颜色基础模型及衰减模型,以剔除疑似烟雾区域的干扰,同时可以有效地降低光照影响.     

基于视频的烟雾检测

一种基于视频的烟雾检测方法,检测烟雾像素的算法由两部分组成:基于烟雾颜色的静态特征和烟雾扩散性的动态特征.先建立一个混合高斯模型来检测烟雾颜色像素,然后再用烟雾的动态特征来检测上面哪些像素才是真正的烟雾像素.实验结果显示了这种改进的方法能在火焰燃烧起来前报警,并且火警错报率降低.因此,这对于军事、社会安全、商业等都具有重要的意义.     

一种基于块的视频烟雾检测算法

为克服传统探测器的缺点, 提高视频烟雾检测算法的检测率, 提出一种基于运动块的视频烟雾检测算法. 该算法先采用帧差法提取运动块, 再分析由运动块组成连通域的面积和运动估计结果, 从而确定疑似烟雾区域. 通过二维离散小波变换提取高、 低频能量特征值, 并根据运动估计结果提取运动保持特征值, 综合各特征值判断是否有烟雾发生. 实验结果表明, 该方法能及时检测到烟雾, 鲁棒性较高、 抗干扰能力强, 能有效预防火灾.     

基于变分水平集图像分割的视频烟雾检测方法

为及时判断火灾发生情况,利于灭火工作,研究了火灾早期产生烟雾的情况下,通过固定监视探头捕捉 到的影像视频,针对视频中的火情烟雾进行检测,结合计算机视频检测技术的光流法和帧差法获得视频中烟雾 运动的区域,基于某一时刻摄像机不动的情况下得到两帧连续的图像并检测视频中的运动区域,提出了一种不 需初始化的变分水平集算法。利用该算法对烟雾的视频进行分割,将运动区域从背景中分割出来,对烟雾进行 检测分析。从而使通过烟雾判断火情更精确,检测结果更实时,提高了视频指挥灭火工作的效率。     

自适应背景更新及运动目标检测算法

从视频中检测运动目标是智能视频监控应用中的一项关键技术.文中提出了一种基于区域的自适应背景更新及运动目标检测算法,首先使用高斯模型建立初始的静态背景图像,通过背景减法得到差值图像;然后使用自适应阈值对差值图像进行二值化,并利用形态学滤波和连通区域面积检测进行后处理,得到运动目标区域掩模;最后,根据运动目标区域掩模检测出运动目标,同时使用基于区域的自适应背景更新算法动态更新背景图像.实验结果表明,该算法能够自适应地对背景模型进行更新,对于背景的扰动、光线的渐变等带来的影响有很好的抑制作用,可以有效地检测出运动目标.     

基于多维动态纹理分析的烟雾检测算法

为了提高动态纹理特征分析的可靠性且降低计算量,提出了一种基于多维动态纹理分析的烟雾检测算法。该算法在预处理阶段利用ICA烟雾前景初步分离烟雾模型得到初步烟雾前景,然后通过GBVS提取多通道、多尺度的底层特征得到烟雾前景显著区域,以提高前景目标检测阶段对烟雾前景的分割精确度;在烟雾特征提取阶段,提出基于多维特征分析的烟雾特征提取检测方法(h-LDS/RGBH),该方法首先经过烟雾颜色和背景差分预处理得到烟雾候选区域,然后在四维图像块中引入RGB和HOG特征,最后基于对多维图像数据的高阶分解,分析烟雾视频的动态特征。多维动态纹理分析(h-LDS/RGBH)改善了烟雾特征提取阶段所提取的烟雾特征稳定性不高且对烟雾的判断准则过于简单的缺点,提高了动态纹理特征分析的可靠性。实验表明,其检测率高于LDS和h-LDS/RGB的识别率。实验表明,该算法的检测率高于LDS和h-LDS/GRB.     

基于随机森林特征选择的视频烟雾检测

利用随机森林算法,提出了一种基于随机森林特征选择的视频烟雾检测方法.首先,提取四种表征烟雾的特征:RGB颜色特征,小波变换高频子图,多尺度局部最大饱和度,多尺度暗通道;其次,根据烟雾图像信息模型利用无烟图片合成烟雾图片并分块得到随机森林训练样本;第三,训练随机森林进行特征选择并通过训练支持向量机得到识别烟雾块和非烟雾块的分类器,并由此得到视频图像帧的疑似烟雾区域;最后通过视频烟雾区域的凸形度和增长率分析,得到烟雾检测的结果。实验结果表明,该方法能够及时的预警烟雾同时降低火灾预警的误报率.     

一种基于单张图像的烟雾检测算法

为了提高烟雾检测的准确性,有效排除图像中类似烟雾的区域,降低由于环境和光照不同而产生的误检率,提出一种基于颜色矩并结合邻近算法进行分类学习的方法,对图像中的烟雾进行检测,该算法能克服光照不同、背景复杂的干扰,有效消除疑似烟雾区域的存在。算法由两部分构成:烟雾颜色矩特征的提取和利用邻近算法对特征数据集进行分类学习,自动找出并正确标记新的测试图像中烟雾区域的位置。     

基于超像素分割的视频目标检索

针对视频监控中的颜色特征检索,提出一种基于超像素分割的视频目标检索算法:该算法首先对视频帧序列按颜色及空间位置进行超像素分割,分割成若干个超像素区域;然后对每个超像素区域颜色值进行均值化处理;最后基于超像素区域进行颜色目标检索.为了验证算法的有效性,以监控拍摄的户外视频数据进行仿真实验,实验结果表明该算法能准确检索出所需目标,具有较高的实用性.     

一种“时-空”域自动视频分割算法

为了进行基于对象的视频编码,视频图像往往需要被分割成单独的个体.提出了一种从时域到空域的自动视频分割算法.在时间域阶段,通过对相邻两帧变化部分的检测,找到运动目标的初步定位.在空间域阶段,采用预测分水岭算法对运动目标进行精确定位.两种方法互相补充,互相增强.另外为了解决分水岭的过分割问题,算法在小波变换后的图像上进行.实验结果表明,提出的方法不仅分割效果好,而且计算时间少,分割的结果具有更准确的语义信息和实用性.     

基于卷积神经网络的烟雾检测

针对已提出的很多烟雾检测方法中都是基于手工制作的特征或者使用原始图片直接作为神经网络的输入,减少了深度学习的鲁棒性。为解决这些问题,提出一种基于卷积神经网络(convolutional neural network,CNN)的烟雾检测方法。使用图片归一化方式消除光照的影响,利用烟雾颜色检测烟雾候选区域,CNN自动提取烟雾候选区域的特征,进行烟雾识别,根据分类结果得到报警信号。针对烟雾产生初期烟雾区域相对较小的问题,利用扩大候选区域的策略提高烟雾检测的及时性。由于训练数据少或不平衡引起的过度拟合,使用数据增强技术从原始数据集生成更多训练样本解决该问题。实验结果表明,该方法能有效地检测烟雾,且具有更高的准确率和更好的鲁棒性。     

一种基于背景减法的运动目标检测算法

针对静止摄像机下的运动目标检测问题,提出了一种基于背景减法的运动目标检测算法.首先利用无拘束学习方式迅速建立多个可靠的RGB颜色背景模型,然后在运动目标分割过程中,及时地根据场景变化对背景模型进行更新,同时利用色度信息及局部交叉熵信息去除阴影,得到较为精确的运动目标.在对用普通USB摄像头获取的视频序列实验中,该算法显示了良好的性能.     

使用日夜两用型红外摄像机进行火焰检测

为了提高火灾监控的准确性和及时性,并最大限度地利用已有硬件设备,提出一种使用日夜两用型红外摄像机的火灾自动监控方法.根据红外图像RGB空间的色彩分布特点,设计视频类型判断算法,实现视频图像类型自动切换.通过红外状态与可见光状态两类状态下的焰色模型提取火焰疑似区域.对疑似火焰区域提取不规则度、角点量、闪烁频率和帧间相关性等4个静态及动态检测特征.通过减聚类和模糊C均值聚类相融合的方式优化训练样本,并分别训练2种状态下的火焰识别神经网络分类器.实验结果表明:视频类型判别平均准确率93.07%,21段火焰或干扰视频均能正确检测,报警时间小于8s,帧处理速度达到25帧/s以上.对室内自动火灾监控的精度高、抗干扰能力强、处理速度实时和适应全天候监控等.     

结合均值偏移和多特征的自动人头识别

为提高固定单目垂直摄像方式下人头目标识别的正确率,提出一种新的头部目标区域获取方法。首先给出基于Mean-shift的人头目标分割算法,由于综合考虑了像素点在空间信息和色彩信息的联系,能够较为完整地分割出人头部目标候选区域。在此基础上,基于运动人头区域的轮廓具有近似圆形以及人头发色具有聚类性2个关键特征,提出并建立了基于发色信息的头部区域评价模型和基于连通域边缘轮廓的头部目标评价模型来实现人头部目标区域的识别。实验结果表明,提出的算法能有效抑制光照的影响和消除与发色分布类似的伪目标,静态图像检测正确率约为89.4%。     

交通监控系统中基于多源信息融合的运动阴影检测

针对目前运动提取算法常将运动阴影错误检测为前景目标的问题，提出了一种交通监控系统中基于多源信息融合的运动阴影检测算法．在颜色空间中利用亮度、色度和边缘信息检测阴影的可能区域，使用逻辑“与”操作融合多源检测结果得到最终的阴影区域．与其他算法相比，新算法能更好地区分前景尤其是暗色前景及其阴影，提高了阴影区域的检测精度，更准确地实现了运动目标的提取．仿真实验表明，对不同颜色和尺寸的前景引起的阴影，算法都能鲁棒地分离目标及其阴影区域，前景提取效果好．     

基于高斯混和模型与Blob分析的人手定位

在基于机器视觉的手势识别研究中,手势分割与定位是关键技术。本文在分析肤色的颜色特征和人手运动特性的基础上,提出了一种在视频图像序列中实现手势分割和定位的算法。首先结合肤色检测技术和基于高斯混合模型的运动目标检测技术,获得了图像序列的初始手势区域,之后利用Blob技术实现了最终手势的分割和定位。实验结果显示,该方法具有较高的分割和定位准确度。     

成捆特钢棒材端面字符识别算法研究

为实现特钢棒材生产信息的全流程可追溯,分析特钢棒材生产环境及形状特点,采用基于双标志点的标记方案进行标记并利用机器视觉技术实现成捆特钢端面字符的识别。首先,采用Hough变换将成捆特钢棒材端面图像分割成单根;其次,采用基于小波变换的图像增强算法完成单根特钢棒材端面图像的增强;再次,将MSER算法和边缘检测算法相结合完成单根特钢棒材字符区域的检测,并基于投影法完成字符的分割;最后,通过创建和训练SVM分类器完成每一根特钢棒材端面字符识别,并将成捆特钢棒材端面字符识别结果输出保存。结果表明,新算法可以满足成捆特钢棒材生产过程中字符识别要求,字符识别准确率可达到97.35%。新算法将Hough变换、基于小波变换的图像增强算法、MSER算法、边缘检测算法、投影法及SVM分类器等算法融合到特钢棒材端面字符识别过程中,为特钢棒材生产过程中的信息获取、信息传递及信息追溯的技术实现提供了参考。     

基于背景差分的运动目标检测方法

针对静止摄像机下的运动目标检测问题,提出了一种基于背景减法的运动目标检测算法.通过对一组连续视频进行处理,从中得到不含运动目标的背景图像.再利用背景差分的方法提取出运动目标.在确定比较阈值的过程中,一改以往通过实验不断调整的做法,提出了动态阈值的概念,从而增强了检测效果,提高了算法的可实施性.融入了高斯模型关于背景更新的算法,克服了由于背景突然改变而造成的误检测.实验结果表明,通过背景差分与高斯模型相结合的方法,在有诸多不确定性因素的序列视频中构建背景有较好的自适应性,能迅速响应实际场景的变化,为准确地检测出运动目标提供了必要的基础.     

局部特征聚类联合区域增长的桥梁裂缝检测

针对传统裂缝检测算法抗干扰能力弱,浅层裂缝易误判等问题,提出一种局部特征聚类联合区域增长的桥梁裂缝检测算法。首先,针对混凝土表皮脱落及渗水等干扰问题,采用Gauss-Frangi双重滤波对图像模糊化处理,退化噪声的特征信息,并增强图像中的线性结构。其次,针对常规算法无法识别弱特征的浅层裂缝问题,根据局部区域裂缝点间的空间相关性,提出基于网格聚类联合区域增长算法实现局部区域裂缝的动态分割。最后,针对分割图像中伪裂缝等顽固噪声,提出一种基于形状特征及结构相似性原理方法剔除噪声。实验表明,所提算法可检测出更多的裂缝细节信息,且保持较高的精确率,提高了裂缝图像分割质量。