基于智能视觉的交通多状态监控系统

当前智能交通系统只能对交通的流量特征进行监控,无法细分交通的不同状态。在充分研究交通监控原理的基础上,提出一种基于智能视觉识别技术的交通多状态识别系统。利用监控图像帧差灰度变化区间,更新图像背景,引入像素变化控制规则作为核心软件算法。结合交通状态监控数据源,检测堵塞、行人以及停车等多状态交通事件。以实际系统测试表明,系统能够及时准确检测出相关的交通事件,并且具有较高的检测精度。     

基于最大方差比的图像二值化算法

提出了一种基于最大方差比的图像二值化算法,该方法将图像分成两个类,当类问方差与类内方差的分离度最大时即为最佳阂值.实验表明,该方法能够准确而快速地对图像进行二值化,特别是当对象物和背景的灰度值的差具有一定大小的时候,效果更明显.     

基于Vibe和三帧差法的目标检测算法

运动目标检测是智能视频监控中的关键问题.Vibe是一种典型的运动目标检测算法,但是这种方法存在对鬼影消除速度缓慢以及对全局光线变化的抗干扰性差等缺点.本文提出一种改进算法,改进Vibe的背景模型更新机制,引入三帧差法作为参考帧,提升了消除鬼影的速度和背景模型的稳定性.提出一种全局光线抗干扰策略,降低了全局光线对目标检测的干扰,并通过实验验证了本文算法的有效性和可行性.     

基于ARM嵌入式系统的空闲车位检测方法

针对室外停车场,给出一种摄像头检测空车位的方案。基于最大后验概率的意义,将车位状态组合问题转变为最短网络路径的求解,给出了求解该网络最短路径的快速算法。通过内嵌ARM11系统的智能摄像头进行图像拍摄和车位检测算法的快速运算,实时检测车位状态,然后,把检测结果传送到服务器。基于C/S网络模型,用户可以从计算机终端和液晶屏观察和查询车位信息。实验表明,该系统可以方便地用于准确检测空闲车位,同时,实现停车场的信息管理。     

基于TMS320DM6437的运动目标实时检测与跟踪

文章提出了一种基于TMS320DM6437图像处理平台上的运动目标检测与跟踪算法.为能从运动的背景中检测其中的运动目标并跟踪,该文给出一种基于块匹配的背景更新与帧差法相结合的算法,并在此基础上引入Canny算法中的边界连通思想;在图像分割中引用最大类间方差法进行自适应阈值的二值化,用4邻域交叉搜索法取代8邻域搜索法,采...     

视频图像序列中的运动目标实时检测

大多数基于背景差的运动目标检测方法,主要运用背景图像与当前帧图像之差进行目标检测和提取,但对背景的实时更新和场景中的光线明显变化等情况不能很好的处理.本文结合Surendra背景更新算法和动态阈值背景差算法,给出了一种新的运动目标实时检测算法.首先采用Surendra方法动态更新背景,然后使用Ostu算法计算出的阈值与一个反映光线变化的增量之和为阈值实时检测运动目标.该算法既可以稳定地对背景进行实时更新,又可以适应场景光照变化的情况.     

运动目标检测的三帧差分和背景消减研究

本文介绍了一种基于视频监控系统的运动目标检测方法。这种方法综合利用三帧差分和背景消减来进行运动检测的方法。这种算法在帧差法的基础上,得到完整可靠的运动目标图像。在铁路视频监控系统中主要使用固定摄像机对一固定场景进行监控,因此,图像序列三帧差分方法在智能化铁路视频监控系统中是一种重要的运动目标检测方法。     

复杂动态背景中的人脸检测

针对复杂动态背景中的人脸检测问题，提出了一种基于差影运算和肤色识别的检测算法。该算法首先通过改进的差影运算初步确定人脸区域，然后建立一个人脸肤色模型进一步进行肤色匹配．从而实现由粗到细的人脸检测。实验证明，该算法可以适应不同的光照环境，不受人脸大小和朝向的限制。其运算速度和精度均达到实用要求。     

一种微小视频变化的移动检测方法

提出了一种用于数字视频监控系统中运动物体检测和报警的优化背景差法。针对该算法本文进行了详细的分析,并设计了算法流程。用此算法重建背景图像以及用图像差分算法计算像素改变比例,能监测慢速、微量变化的运动物体。最后与相邻帧差法进行了实验比对,实验结果表明该方法有明显的优势。优化背景差法实现简单、快速、有效,适用于对重点区域进行微小移动监测的监控系统。     

基于小波域混合状态隐马尔科夫树模型的文本图像子带分割算法

针对文本图像提出了一种基于小波域混合状态HMT（Hidden Markov Tree）文本图像子带分割算法．该算法在充分考虑经二维小波变换后各子带之间相关性的同时，分别对背景、文字、图片三种纹理建立了不同状态的HMT模型，并且通过计算机仿真实验说明了陔算法的有效性。     

基于边缘编组的车位线检测方法

针对自动泊车系统中检测车位线的问题,提出基于边缘编组的车位线检测方法。首先对图像进行预处理,并对传统Canny边缘检测算子改进,增加45°和135°方向模板计算梯度幅值和方向,降低噪声干扰并提高图像质量;接着,对边缘图像进行8邻域搜索并聚类分组,剔除较短直线、解决过连接问题;最后利用各边缘组内相邻两像素点梯度方向差分剔除非车位线特征的边缘组,通过对每个边缘组做随机Hough变换,并利用先验知识和最小二乘法拟合得到车位线。实验结果表明,该算法相对于传统Hough变换可以在不同情形下准确检测到车位线,并且具有较好的实时性。     

基于吸引度搜索的汽车滚装码头堆场车位分配优化

为加快滚装运输过程中汽车装卸滚装船舶的周转率,促进滚装码头堆场车位资源的高效利用,研究了滚装码头堆场车位分配问题.按照成组集中分配原则,以提高成组汽车停放集中度为目标,建立了衡量成组汽车停放集中度的混合整数规划模型.进而设计吸引度搜索算法对模型进行了求解.与分支定界法相比,吸引度搜索算法在高效求解规模化算例的同时可实现解的质量较优.以上海海通汽车滚装码头堆场的车位实际布局及作业情况为背景,验证了所提模型与算法的合理性及有效性,拓展了汽车滚装码头堆场车位分配管理的理论研究.     

实时停车可用性预测

针对目前机动车数量的急剧增长,在停车抉择过程中很难获得实时停车信息,提出一种基于智能停车预约（IPR）架构的停车设施信息系统的预测停车可用性方法。该方法利用实时可用性预测 (RAF) 算法评价停车请求,采用聚合方法迭代分配停车请求。并通过实际场景验证, 结果表明该聚合方法的耗时更短;实际可用性与RAF算法预测可用性比较结果也表明采用RAF算法预测停车可用性的平均误差更小。     

双阈值灰度归类背景重构算法

 针对背景差法背景重构的难点,提出了一种改进的像素灰度归类的背景重构算法。该方法假定“背景在图像序列中总是最常被观测到”,根据帧间灰度差和累计帧差和划分灰度类,对划分的灰度区间执行合并操作,最后选择出现频率最大的灰度类作为该像素的背景值。仿真结果表明,该算法有效地避免了混合现象,当场景本身存在缓慢变化时也能很好地构建出背景,从而有利于后续的运动目标检测、识别和跟踪。     

基于统计特性的路面图像光照不均匀校正算法

针对传统的灰度校正方法不能有效地校正全局光照不均匀的路面图像,提出基于统计特性的路面图像光照不均匀校正算法。算法根据路面图像自身的特点,以及正态分布特性,利用图像的均值和方差估计每个子块图像的背景灰度值,然后利用双线性插值的方法构造背景灰度矩阵,最后原图像减去背景灰度即可得到校正后的图像。仿真实验证实,该算法能有效地减少图像的光照不均匀,达到校正图像的目的。     

基于目标、背景比例的灰度图像自动阈值选取法

最大类间方差法(Otsu法)因其计算简单、自适应性强而成为被广泛使用的图像阈值自动选取方法.在分析Otsu法原理的基础之上,提出了一种改进的最大类间方差法.为了提高分割效果,该方法同时考虑了背景和目标的类间距离和类内距离.与同类方法相比,提出的方法将目标和背景所占的比例作为权值修正了现有的方法,使得衡量类内距离的目标与背景的平均方差按照目标与背景的面积划分.Lena、Cameraman标准测试图像以及杂草图像的仿真结果验证了本方法的有效性.     

基于Gabor纹理增强的人脸活体检测算法

针对人脸信息认证系统中存在的欺骗攻击问题，利用色彩空间转换信息丢失的特性，提出一种人脸活体检测算法。通过Gabor滤波器组多尺度、多方向地增强关键人脸图像纹理特征，抑制人脸图像的一般特征。高斯径向基函数分类器分类SURF(speeded up robust features)算子提取特征描述子，区分人脸活体与非法用户的欺骗攻击。利用类间方差衡量特征改进前后的可分性，计算图像原始特征与纹理增强后特征的类间方差、类内方差大小以及可分性判据J。在公开数据集Replay-Attack,CASIA-FASD数据库进行测试，彩色纹理图像增强后，人脸关键特征被增强而一般特征被抑制，背景与目标的类间方差增大，类内方差减小，特征可分性增强从而更具鲁棒性，使得纹理细节能被有效利用。实验结果表明，该算法能有效、实时地判断人脸活体与欺骗攻击。     

VC图像色彩传递系统设计

针对传统算法在图像色彩传递中存在的问题,设计了基于改进Reinhard算法的图像色彩传递系统．系统首先将源图像和参考图像的色彩空间进行转换;其次利用otsu算法进行图像前景和背景的分割,同时找出源图像和参考图像的均匀区域并建立对应关系;最后采用递归算法得出足够小的区域后进行色彩传递．选取2幅图像进行3组实验后可发现,采用改进后的算法对图像的色彩传递更自然、色彩更均匀,验证了系统的可行性和实用性．     

基于显著性检测的图像简化

图像简化作为机器视觉、计算机视觉中的一项重要任务,对于提高网络传输效率、加速视觉算法分析处理具有重要意义.针对传统图像简化模型中存在的目标、背景不加区分及尺度效应等问题,提出了一种新的基于显著性检测的图像简化模型,模型首先采用MB+显著性检测算法计算图像的目标显著区域,然后在CIE Lab颜色空间中对L波段上的背景区域进行快速水平集变换,最后按照设定准则合并背景中的非主导区域并输出简化后的图像.