视频分析在交通控制中的应用

提出了一种在一系列连续视频图像中提取背景像素的方法.在背景提取的基础上,采用灰度图像的帧间差分法和背景均值法,再运用虚拟检测线法对视频图像中运动物体进行检测.在合理的假设条件下,对所划检测线上的灰度像素矩阵进行运算,通过计量的数据,运用数学和物理方法,可以得出车辆的外形,即分为大、中、小型车,车辆的行驶速度以及其他一些重要的数据.     

基于改进的区域背景实时更新的目标检测

针对静止摄像机条件下运动目标的检测问题,提出了基于改进的区域背景实时更新的目标检测算法,该方法首先对连续的三帧图像分别做帧间差分并将差分图像二值化,运用改进的线段编码的方法对二值化后的差分图像进行扩充以填补由帧间差分引起的空洞,然后用当前的二值化差分图像减去前一个二值化差分图像,差值为负的区域就是背景应该实时更新的区域,最后用传统的背景差分法就能检测出运动目标．实验结果表明,该方法不仅能在一直有运动物体的视野内获得完整的背景图像,而且背景的实时更新也能有效的减小噪声和突然进入摄像机视野的物体的干扰,有较强的鲁棒性．     

一种公交车客流量实时检测算法的研究

提出了一种新的公交车客流量检测算法,实现对视频帧图中仅包含乘客的敏感区域进行背景匹配更新,能较精确地检测到上下车乘客。该算法首先提出了用双差分模型确定上下车乘客最大可能分布的敏感区域,然后采用单高斯背景模型对上述区域进行背景重建,最后运用背景差分得到精确的前景目标。试验仿真结果表明,该算法降低了运算复杂程度,有效提高了检测精度,具有很好的鲁棒性。     

基于双帧差分的自适应背景提取算法的分析与实现

本文阐述了一种帧差方式的自适应背景提取算法.该算法先用当前帧（IK）和参考背景图像进行差分,获得第一次的背景更新;然后通过用当前帧和其帧间距为N的前两帧图像（IK-N和IK-2N）分别差分,对第一次更新后的背景再进行修正后取代原来的参考背景.实验结果表明用该算法提取和更新背景的速度快,具有较好的鲁棒性和准确性.     

基于目标距离关系和图像光流特征的异常行为检测

提出了一种基于目标距离关系和图像光流特征的异常行为检测新方法。采用三帧差分法从视频序列中提取出运动前景,利用卡尔曼滤波跟踪运动目标,并采用欧式距离计算目标质心间距离。若距离小于设定阈值,认为可能发生异常行为,采用Lucas-Kanade法提取当前帧的光流信息和光流方向直方图描述行为,计算归一化直方图的熵来判断行为的异常。本方法仅对距离小于阈值的图像帧进行光流计算,弥补了光流法计算量大的缺点,满足了系统实时性需求,基于不同场景的实验结果验证了所提方法的有效性。     

结合地理参数的航拍视频实时拼接算法

针对现有航拍视频拼接算法存在的计算速度慢及累积误差大等问题,提出一种结合地理参数的航拍视频实时拼接算法.根据地理参数对相机运动模型进行分解,完成视频帧间的实时配准.估计视频每帧的主运动方向,并对现有单一主方向的流形拼接算法进行改进,将其拓展到任意方向.依据地理坐标局部修正拼接条带,保证拼接图像与真实地理位置一一映射,减少累积误差.仿真与真实航拍视频的拼接结果证明了该算法的准确性和准实时性,对640×480像素视频的拼接速度达到25帧/s.     

道路监控视频中运动目标分割算法的研究

运动目标分割是交通事件检测的基础,分割的质量直接影响道路事件检测的准确性.依次研究了平均法、连续帧差法、混合高斯建模及阴影消除等算法,并综合应用于道路监控视频的运动目标分割的各阶段.针对连续帧差法和混合高斯建模算法进行了仿真实验,结果表明,混合高斯建模算法更适合做运动目标的分割,但由此得到的前景运动目标常受到阴影干扰,所以在混合高斯建模算法中,加入了消除运动目标阴影的算法.通过实验仿真表明,优化的该算法能够更加清晰地分割出前景运动目标图像.     

H.264预测编码关键技术的研究分析

H.264是目前最新的视频编码标准,相对于以前的ITU-T视频编码标准和mpeg序列标准具有更高的压缩效率.编码效率的提高主要归根于精确的帧间预测编码,其中包括多种块模式,多参考帧运动估计和分数像素精度3种新技术的采用.对这些帧间预测编码技术进行研究和分析,主要是分析这些技术与H.264基本配置之间的比较.     

网球视频中基于背景模型的目标跟踪方法

针对网球视频中网球和球员的自动跟踪面临着诸多困难,提出基于背景模型的目标跟踪方法.该方法通过平滑化所给出的图像、累加背景图像,创建一个平均背景模型,然后在当前帧和下一帧之间执行图像差分,并在所创建的背景图像中执行逻辑与操作并获得图像差分结果.实验采用两个网球公开赛视频序列评估提出方法的性能,实验结果表明,提出的方法能精确地检测和跟踪视频中球和球员,其中,第一个网球公开赛中的球跟踪率约为94.26%、球员跟踪精度约为91.49%,第二个网球公开赛中球跟踪率约为92.87%,球员跟踪精度约为90.75%.     

基于全变分正则和L2,1范数的视频去雨张量模型

提出了一种基于全变分正则与L_2,1范数的视频去雨张量模型用于解决雨线遮挡问题。首先,对雨线成分与视频背景先验信息进行预处理,获取相应正则化条件的构建依据以增强各部分稀疏性,便于促进雨线分离。其次,考虑到视频图像存在不规则动态对象,引入全变分正则项来抑制背景强度变化,缓解雨线的误判现象。采用交替方向乘子法(alternating direction method of multipliers, ADMM)可以有效地对所提出的张量模型进行求解,并在合成数据与真实数据集上开展大量实验。结果表明,所提方法在动态背景情况下有效去除视频图像雨线的同时,保留了更多背景细节信息。与相关先进方法相比,所提方法在峰值信噪比、结构相似性和残差三种综合性能量化指标上均具有较大的优势。