基于视频图像理解的中国象棋棋子识别

提出了一种基于视频图像理解的中国象棋棋子识别算法.在检测视频图像无变化基础上,检测棋子变化,利用棋子的先验信息及象棋规则排除无法行棋点,再通过当前帧图像与前两步棋子图像特征识别出实际行棋的棋子.该算法避免使用二值化门限,对光照、阴影等外界环境的变化具有良好的适应性.     

基于PDE的视频图像数据快速预处理方法

通过人手识别跟踪模拟实验,研究基于偏微分方程方法(PDE)的视频图像数据快速预处理方法.实验根据颜色模型,利用边缘信息、颜色信息和图像的帧差对人手进行分离,并在边缘检测部分,提出简单背景环境下基于PDE概率统计的一种检测方法,减少了边缘检测的时间,实现了视频图像数据的快速预处理.     

基于AdaBoost和LLE的视频人脸特征提取研究

特征提取是生物特征识别的关键环节.本文提出了一种基于AdaBoost和LLE的视频人脸特征提取方法.其大致思路是用VFW技术对视频图像进行采集、接着将AdaBoost算法对采集的图像进行人脸检测,最后应用LLE算法对检测到的人脸图像进行降维并提取出特征.项目实践表明,该方法具有便捷性、实用性和有效性.     

一种提高视频车速检测精度的方法

通过对基于虚拟线的机动车视频测速方法的精度分析,提出了一种提高测速精度的方法.该方法在车道上定义一个矩形检测区,该检测区在视频图像上呈现出梯形,采用二维图像标定方法将梯形图像区域中任意一点的图像坐标准确地映射为检测区内对应点的地面坐标.通过在车辆经过检测区的视频图像中选取适当的图像帧,可以获得车辆的位移及对应的时间间隔,从而获得较高精度的速度测量结果.     

基于直接线性变换法的视频图像车速测算技术

视频图像车速测算技术因原理简单、操作方便、准确率较高等优点,在交通事故再现及车速鉴定中得到广泛应用。为测算出目标车辆的速度大小及变化情况,准确定位目标车辆每一视频帧画面的方位是关键技术。直接线性变换法能较好的实现像方坐标系和物方坐标系的相互转换,对目标车辆进行精确定位。介绍了直接线性变换法的原理,运用直接线性变换法测算视频图像中目标车辆车速测算操作方法、实践中标定点和目标车辆特征点注意事项,提高直接线性变换法在视频图像车速测算的精度。     

空时自适应混合高斯模型复杂背景运动目标检测

为克服传统基于单像素建模方法存在的缺陷,解决复杂背景下的运动目标检测问题,将视频图像序列的空间信息引入背景建模过程中,研究了邻域更新、二维联合直方图信息熵判别、空时平滑等方法.采用引导滤波方法对视频图像进行预处理,以消除图像噪声,并保留图像中目标的边缘信息,给出了算法处理流程和实现步骤.在不同的评测数据库及现实捕获的视频图像上进行了定性及定量实验,结果表明,本文提出的算法在目标检测准确度和完整性等指标上优于传统的同类型算法,为复杂背景环境下的运动目标检测提供了一种新的解决方法.      

视频和GIS协同的人群状态感知模型

针对监控视频在图像空间难以统一、宏观及真实量化人群状态的问题,提出了一种基于地理信息技术进行人群状态地图展示、量化分析及预警的方法.首先,通过摄像机厂商或标准视频流接口接入监控视频;然后,将视频图像调整为较小尺寸,采用光流法进行计算,获取图像空间下的光流场;最后,将各个监控视频相应的光流场映射至地理空间,即可在地图中观察人群运动状态,并可通过散点内插、等值线等进行分析,通过相关阈值的设置实现人群异常检测与预警.本文基于MATLAB、ArcGIS Engine、C#等技术,采集多个实验视频,并研发了基于GIS的人群状态感知原型系统,对相关算法进行了验证.结果表明,该方法相对于传统图像空间下的人群状态检测方法,具有人群运动可定位、可量测、可宏观观察和预警等优势.     

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.     

基于视频序列中的运动目标检测技术

视频图像中的运动目标检测是当前进行图像分析和理解以及计算机视觉领域的重要研究内容,为了能够在数字视频系统中实时的检测出运动目标,提出了一种基于序列图像的运动目标实时检测和定位的适用方法.采用连续帧间差分法和最大类间方差阈值分割法提取运动区域,通过数学形态滤波的开运算和闭运算消除噪声,改善运动区域提取效果,然后求出目标重心.结果表明,该方法能够快速有效地检测出视频图像中的运动目标,计算出目标在图像中的位置.     

基于运动目标识别的摩托车视频监控驾考识别技术研究

针对人工监考摩托车驾考往往存在徇私舞弊、判断不准确等缺点,提出一种基于运动目标识别的摩托车视频监控驾考识别技术.基于改进ORB图像特征匹配算法、消除误匹配点等策略对摩托车驾考监控视频进行稳像处理;使用边缘轮廓检测的运动目标识别算法,完成运动中摩托车目标图像边缘轮廓特征检测,利用双目视觉极线约束模型对摩托车目标特征点进行立体匹配与三维重构,提高轮廓检测精度.测试结果显示,该方法检测摩托车驾考目标的最优准确率可达96％,检测算法运行的响应时间较少、实时性优,具有良好的视频监控驾考适应性.