视频序列对称差分法检测与预测人脸技术

根据视频监控图像在时间和空间上的连续性和相关性,利用视频图像对称差分,找到运动区域,再结合人脸肤色的聚类特征确定出人脸候选区域,改进了基于规则的人脸定位方法,利用人脸的几何特征,实现复杂视频图像中的多人脸检测。运用运动系数加上横向和纵向调节因子,对后续帧中的人脸加以预测。实验表明,该算法复杂度小,准确率较高,对姿态、表情、背景等变化情况下人脸的检测均具有较好的鲁棒性,预测跟踪效果好。     

基于人脸检测与跟踪的智能监控系统

针对现有视频监控系统的缺陷,提出一种新的基于人脸检测与跟踪的智能监控系统.利用对称差分算法,自动检测场景中的运动区域,限制搜索范围;然后利用BP神经网络对肤色进行识别,获得候选人脸区域,该方法比固定阈值肤色检测方法具有更强的环境适应能力;经过人脸验证,最终定位图像中的人脸;对检测出的人脸,提出了新的基于肤色信息和维护运动人脸缓冲池的方法,主动跟踪目标人脸.依据检测出的人脸信息和当前的日期、时间,建立相应的监控信息标注数据库,以供后期查询.实验表明,该系统能够实时可靠地检测、跟踪运动人脸,满足特定的监控要求.     

基于投影灰度差的遮挡人脸检测算法

针对现有的人脸检测算法,需要样本数量大、训练与学习时间长等缺点,提出了一种基于投影曲线特征的遮挡人脸检测算法。该算法利用了人脸二值化的水平投影,确定人眼区域,减小了数据量和其他面部特征的影响;得到眼部区域二值化的垂直投影,利用投影曲线的特征,对眼部是否有遮挡进行判断。该算法思想简单,无需训练与学习,提出新的判断指标-归一化灰度差有明确的物理意义,有效的提取了眼部区域的特征。仿真结果证明了该算法的有效性,且与同类算法相比,缩短了检测时间,提高了检测率。     

基于彩色和投影的人脸检测和跟踪算法

提出了一种基于彩色信息、直方图投影的人脸检测、跟踪算法。该方法适用于对时间要求较高、复杂背景下的运动图像人脸检测。测试结果表明，该方法在保护人脸大量的有用信息的情况下，大大改善了在复杂背景以及光照环境不住情况下的人脸跟踪、识别效果，并具有计算量小的特点。     

基于曲率和积分投影的人脸特征检测

针对以往基于图像的人脸特征检测对光照敏感的缺陷,提出了一种基于3D数据的人脸特征检测算法.首先对人脸3D数据计算其主曲率,设定阈值进行人脸特征的初步分割得到二值化的分割图,然后在二值化图上进行水平和垂直积分投影进一步确定人脸特征的位置,最后利用人脸特征的先验拓扑知识对检测到的人脸特征进行验证.实验结果表明,该算法能够有效地提取人脸特征点,具有一定的鲁棒性.     

视频序列中基于肤色的人脸实时检测

利用肤色在颜色空间的聚类特性来检测人脸,为了去除亮度对肤色的影响,增强检测的可靠性,采用了同时在RGB归一化颜色空间和HSV颜色空间中对肤色进行检测.在肤色检测之前采用了图像差分法先检测出运动空间,消除了背景对肤色检测的影响,也缩小了肤色搜索的范围.关于实际场景的实验表明,本文算法既能准确地检测出人脸,同时又能够达到实时效果.     

高架道路监控视频中的行人检测

提出一种用于检测进入高架道路中行人的检测算法。先通过帧间差分获取场景中的运动目标区域,然后在颜色空间进行肤色分割,得到人脸候选区,再依据人脸形状信息及其它约束条件剔除类似人脸肤色的运动物体。实验结果表明,该检测算法不受光照缓慢变化的影响,并有较高的检测速度和检测概率。     

基于回归的人脸检测加速算法

为了提高视频中人脸检测的检测速度,采用回归分析方法预测连续视频中人脸中心位置坐标,并通过调整区域宽度系数确定人脸区域位置,从而提出一种人脸检测加速算法。该算法的主体框架采用VJ(Viola-Joines)结构,在人脸检测过程中,通过聚合通道特征和弱级联分类建立多尺度精细采样图像特征金字塔,并利用回归分析方法进行人脸中心位置坐标拟合,再采用粗粒度预测方法降低算法时间复杂度,最后通过优化人脸区域位置系数提高人脸检测准确率。在此基础上,又通过目标预测、跟踪算法进行人脸检测的二次加速。实验结果表明,该算法有效减少了视频人脸检测遍历区域,提高了人脸检测的检测速度,缩短了提取视频人脸特征区域的时间,更加适合视频人脸检测的实时性应用。     

Adaboost算法在人脸检测中的应用

针对人脸检测的特点,详细叙述了检测中应用的特征值的计算以及积分图的使用,给出了基于Adaboost算法的弱分类器选取和单个强分类器的训练过程,以及最后的层叠分类器的具体组成形式.基于此算法的人脸检测具有检测率高、速度快、对于光照变化适应性强的特点,能够达到实时检测的要求.     

基于投影的车辆视频检测方法

为了提高车辆视频检测的鲁棒性,提出了一种虚拟区域内邻近帧间差分和背景差分相结合的车辆视频分割方法. 采用一种新的背景模型的高效自动更新方法,确定目标区域,利用腐蚀膨胀形态学运算减少检测区域内非目标干扰,采用帧间逻辑操作和种子填充方法填充待分割区域,基于水平和垂直投影方法,对车辆进行检测. 实验结果表明,该方法对道路车流量具有较好的检测效果.     

视频监控中图像异常的分析与检测算法

针对湖泊环保应用中视频监控的特殊性,运用数字图像处理技术,对监控视频中信号缺失和清晰度两种类型异常故障进行研究.文中分别描述了这两种异常类型产生的原因和解决问题的算法思想,最后通过模拟实验加以验证.从实验结果上分析,能够较好地对视频监控中图像的异常进行诊断和及时地预警,并能够对视频图像的质量进行检测.     

肤色在人脸检测中的应用

本文比较了各肤色模型的聚类效果,在此基础上得到在人脸检测中所用的肤色模型,最后给出一些实验结果。     

基于梯度投影的视频跟踪算法

为实现复杂场景内目标的准确捕获与跟踪, 结合目标特征, 提出基于梯度投影的视频跟踪算法。根据目标先验知识, 对视频流开窗并进行梯度投影, 获取目标区域的位置信息; 通过特征提取和形态学分析提取目标特征参数, 实现目标判定与捕获; 利用目标质心坐标更新跟踪窗位置信息, 实现对目标的跟踪。实验结果表明, 该算法降低了运算量, 实时性强, 实现了对目标的准确、 稳定的跟踪, 对实验场景中的光照变化和疑似目标的干扰具有很强的鲁棒性。     

一种基于维度约减的快速人脸检测方法

针对视频监控中的高维度和复杂环境的困难,文章提出一种基于主成份分析与Adaboost的视频人脸检测算法．该方法先使用PCA方法对特征空间进行降维,并以PCA特征建立误分率最小化弱分类器,最后使用Adaboost算法提升弱分类器性能,将所有已训练的弱分类器联合成一个强分类器．实验证明,在正面人脸样本和具有复杂表情变化的人脸测试集上,该方法可以得到很好的检测结果．     

快速运动估计算法在视频监控中的应用研究

针对H.264视频编码过程中运动估计所占时间大的问题,采用全零块预判算法和提前终止算法相结合的方法,提出了一种适合视频监控图像的快速运动估计算法。此算法可以在保证图像质量的前提下降低动估计占用的时间,提高编码速度。     

基于投影跟踪法的交通参数实时视频检测算法

提出了采用投影跟踪法实时检测车辆交通参数的方法 .该方法绕开常规算法中轮廓跟踪、求解图像最佳阈值这 2个耗时量大的运算过程 ,减少了单帧图像处理时间 ,改善了由于车辆图像不连续而导致的检测错误问题 ,并提供丰富的车辆特征信息 .     

视频序列中的人脸检测定位

提出了在不同环境下视频序列中人脸检测定位的多级算法.首先,用改进的帧间差自适应阈值法检测运动区域.然后,用YCbCr颜色空间检测肤色区域,并用二值形态学操作进行后处理.最后,构造眼嘴映射检测定位人脸.实验结果证明,该算法可以有效运用于多人脸、不同表情和姿态、不同光照的情况,检测率平均达到81%.     

周界视频监控中人员翻越行为检测算法

针对周界视频监控应用环境特殊的问题,提出了一种人员翻越行为的检测方法。该方法采用目标检测-人员跟踪-轨迹分析的流程。在算法的人员跟踪过程中,将混合高斯模型得到的前景区域与KLT光流法得到的特征点运动信息结合起来,提出了一种新型跟踪算法。该算法仅使用图像的灰度信息作为输入,一定程度上能够适应目标形变及遮挡,并具有很强的鲁棒性和实时性;在算法的轨迹分析过程中,结合墙体位置信息与先验知识设计了一种新的轨迹分析的方法,不需要通过在线学习可直接对轨迹进行分析。实验结果表明,该算法在测试视频集上检测准确率超过93%,与现有方法相比,能更好地适应实际应用中复杂的环境条件。     

视频监控系统在火灾报警中的应用

针对当前火灾检测、监控能力薄弱的现状,提出了一种用于视频监控系统中对火灾进行有效检测和报警的方法,该方法首先利用DirectShow与FFMPET相结合的方式把视频帧从播放的视频流中提取出来,并保存为视频帧图片文件,接着利用ASIFT算法对得到的视频帧图片与原始静态图片进行特征提取和特征匹配,然后对匹配成功的匹配点进行归一化处理,最后,通过系统对视频流进行自动分帧处理与判别,对超过设定阈值的进行报警,实验结果表明,该方法实现成本较低,操作简单、快速、有效,灵敏度高,可降低误报、漏报,适用于对重点无人职守区域进行火灾检测和报警的监控系统.     

基于视频投影法的交通拥挤实时检测算法

针对日益严重的城市道路交通拥挤问题,文章提出了基于视频检测技术实时判断道路交通拥挤的算法。首先通过视频投影法将二维车道转化为一维线段,再通过扫描线段方法获取车道占有率,然后用指数平滑公式对提取出的车道占有率进行去噪处理,接着以道路占有率、占有率方差为交通特征参数,建立交通拥挤识别模型,最后使用模型对3段实例视频进行处理,用模型识别出的结果与人工判断的结果进行对比分析,得出使用模型进行拥挤识别的正确率在92%以上,证明了模型的有效性。