基于视频图像分析的旅客群体性事件预警方法

针对民用机场航站楼群体性事件预警问题,提出了基于视频监控图像分析的非正常人群外部聚集特征识别和预警方法。该方法通过提取图像中的人员位置信息,采用核密度空间聚类算法,人群聚集的空间和运动特征,建立航站楼旅客群体性事件案例库,基于模糊-粗糙集方法分析群体性事件中非正常聚集人群特征,结合相应的机场运行信息,建立相应的预警规则。理论分析和历史数据案例测试结果表明,该方法针对航站楼群体性事件的预警准确率明显高于单一的人群密度分级预警方法。     

基于贝叶斯网络的视频监控盲区人群状态推演

公共场所人群具有密度高、流动性大等特点，易发生拥挤踩踏等突发公共事件.由于目前对监控摄像机的布设大都离散无重叠，造成现有基于视频分析的人群监控主要面向独立的监控摄像机，难以监测整个区域的人群状态.将视频监控与GIS技术有机结合，设计了监控盲区人群状态的贝叶斯网络推演模型，并对未布设监控摄像机路段人群状态进行了推演.结果表明：利用本文提出的监控盲区人群状态推演方法，可推测人群运动速率、人群流量及人群密度等人群状态的空间分布，基于此可实现对区域人群状态的实时态感知，可为安防部门的密集人群智能管理提供技术支撑.     

基于人群聚集特征分析的航站楼群体性事件预警研究

基于航站楼内的视频监控系统的视频数据,对视频进行预处理。从处理之后的图像中提取人群总数及人群密度。对目标监控区域历史视频和突发事件数据的统计分析,研究正常和非正常两种情况下的人群分布密度与人群外部分布特征,并建立相应的预警规则库。根据预警规则,在人群密度与人群外部聚集特征识别的基础上,对非正常目标密集人群进行识别。根据群集性事件的时空特性,针对不同事件、不同时间、不同地点采用不同的规则进行预警。根据预警信息和机场群体性事件应急预案,给出相关的辅助决策支持建议。     

基于B样条小波的工业视频图像自适应压缩法

给出了一种基于B样条小波的工业视频图像自适应压缩方法,重点阐述了小波图像的目标区动态检测方案和自适应量化方案.同时给出了自适应码率控制模型,并提供了硬件实现平台.此方法能根据可用传输带宽自适应改变传输码率,达到充分利用带宽实时传输工业视频图像的目的.实践证明该方法简单、实时性好,码率可最低降为25 kb/s,能较好地满足极低码速率下工业视频监控图像的传输.     

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.     

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.     

移动视频监控的预警区域划分方法

随着移动设备的普及,视频监控已拓展到智能移动设备领域,使得传统的视频监控系统脱离了时间和空间的限制。通过对现有的视频监控系统中预警区域划分方法的分析,结合移动视频监控系统的特点,提出2种适用于移动视频监控的预警区域划分方法。九宫格预警区域划分方法,利用布局文件实现,用M行N列的单元格填充整个监控画面,选择合适的单元格,即可确定预警区域。曲线拟合式预警区域划分方法,选取N个离散点,通过贝塞尔曲线分段拟合或者最小二乘法整体拟合形成封闭区域,监控画面内,封闭区域内部或者外部即为预警区域。这2种方法操作简便,易于实现,有效地提高了图像传输速率。     

超像素梯度流与元胞机融合的视频显著图检测

使用静态空间特征通常无法得到准确的视频显著性目标对象,提出了超像素梯度流场与元胞自动机融合的视频图像显著性检测方法。首先,使用SLIC方法将视频帧分割成超像素,在超像素级上运用光流梯度和颜色梯度生成一个时空梯度函数,由时空梯度得到新的梯度流场值,将视频中运动信息充分利用起来;其次,在视频帧超像素图像上使用卷积神经网络得到其深度特征,通过元胞自动机使这些深度特征依自定义规则更新出粗略显著图,然后将梯度流场显著图与元胞自动机粗略显著图融合得到最终的显著图;最后,在ViSal数据集上、采用5种评估指标、与现有的4种方法进行对比实验,结果表明本文方法在动态视频图像显著性检测中有好的表现。     

视频图像中监控目标的空间定位方法

为解决视频监控系统中目标空间定位存在困难大、耗时等问题,根据OpenGL透视成像与摄影测量一致性原理,提出基于三维场景仿真成像,并依靠视频图像与仿真图像间的对应关系进行地理场景中目标的空间定位方法.在视频成像时摄像机内外方位元素已知的情况下,在三维虚拟场景中形成虚拟相机来模拟实际摄像机成像过程,并将监控目标所在视频图像中的像素坐标等比代入仿真图像,通过虚拟成像的逆过程反推出目标的空间坐标.为有效分析系统的定位精度,采用地面激光扫描仪+同步拍照相机组成的三维场景采集系统来模拟实际的高精度摄像机+数字云台组成的视频监控系统.实验结果表明,目标点与相机的水平距离介于10~90 m内,各目标点的空间定位在X、Y、Z三个方向的误差大多在±0.3 m之间,说明本方法是可行的.这对于通过视频监控图像实现户外目标的定位,具有重要的参考价值.     

基于监控视频的校园车辆管理

监控视频智能分析是智慧校园的关键内容之一,可自动提取并识别监控视频中的有效事件信息。本文基于深度学习实现校园监控车辆管理,基于深度图像特征提取识别车辆,基于车辆检测实现跟踪、速度检测和超速以及违停等事件检测,实现了应用系统,检测效果优于传统方法。     

基于卷积神经网络的监控视频人数统计算法

监控视频中人数统计是现代安防的重要任务之一,具有较高的研究意义和应用价值.虽然近年来取得较大的进展,但仍无法很好地解决监控场景人数统计精度、高清图像耗时问题.为此,作者提出一种基于卷积神经网络与岭回归联合的人数统计方法.通过卷积神经网络回归图像中人头中心点获得人群密度分布特征图,然后使用岭回归模型分析人群密度分布特征图得到该帧图像对应的人数.作者提出的算法通过在多组视频图像上进行了测试,并与经典算法做了比较.实验结果验证了作者方法的有效性.     

基于轻量化网络和密集光流法的精子活力检测

基于便携式家用精子检测仪的研发需求,研究了轻量化卷积神经网络在精子活力检测方面的应用.利用Farneback光流算法提取出不同帧间距的精子视频的密集光流帧图像,并通过多通道图像叠加的方式将其与原始视频帧图像进行叠加.把叠加后的图像作为轻量化卷积神经网络ShuffleNet的输入图像,用于检测视频中精子的活力水平.实验结果表明：使用ShuffleNet能在基本不降低检测精度的前提下显著降低网络整体的计算量和模型所占用的内存,更适用于嵌入式和移动设备.此外,采用多通道叠加密集光流帧和原始帧图像作为输入图像,相较于单一的原始帧图像,有效提升了网络模型的性能.     

Motion analysis for human interaction detection using optical flow on lattice superpixels

We develop a new video-based motion analysis algorithm to determine whether two persons have any interaction in their meeting. The interaction between two persons can be very general, such as shaking hands, exchanging objects, and so on. To make the motion analysis robust to image noise, we segment each video frame into a set of superpixels and then derive a motion feature and a motion pattern for each superpixel by averaging the optical flow within the superpixel. Specifically, we use the lattice cut to construct the superpixels, which are spatially and temporally consistent across frames. Based on the motion feature and the motion pattern of the superpixels, we develop an algorithm to divide an input video sequence into three consecutive periods: 1) two persons walking toward each other, 2) two persons meeting each other, and 3) two persons walking away from each other. The experiment show that the proposed algorithm can accurately distinguish the videos with and without human interactions.     

基于个体特征和纹理特征的视频人数统计算法

视频人数统计利用视频图像特征,通过监测公共场所中的人群密度,可防止公共场所人群拥堵,确保行人安全.提出一种改进的视频人数统计算法,对于中低密度人群,利用个体特征法实现人数统计,对于高密度人群,利用纹理特征法实现人数统计.使用提出的算法,设计了视频人数统计系统,分别对多组视频进行了测试,测试结果表明该算法误差较低.     

Grassmann流形上半监督特征映射算法及其视频目标识别

将视频集看成Grassmann流形上的子空间集合,结合半监督的拉普拉斯特征映射算法,即基于子空间相似性度量和具有标记子空间的类别信息,将视频集非线性地映射到低维欧氏空间,提出Grassmann流形上半监督特征映射算法对视频目标进行识别,该算法分别在步态视频数据库、人手姿势视频数据库和物体姿势视频数据库上进行了目标识别实验,并和典型的基于子空间相似性的分类算法的识别结果进行对比,证明该算法具有较好的性能。     

基于光流法的运动目标检测与跟踪算法

选用Harris角点作为跟踪对象,将尺度空间引入角点检测,提取特征尺度上的Harris角点,并进行曲率非极大值抑制,滤除"伪角点",提高角点检测对尺度变化的抗扰能力.跟踪算法选用结合图像金字塔的光流法,迭代计算光流,并提出基于光流误差的跟踪算法,即用不同时间流的运动轨迹在同一帧图像的误差来衡量运动跟踪情况,避免跟踪点因被遮挡、消失或者纹理特征发生变化而导致跟踪失败.通过对不同视频图像进行检测的结果证明基于改进的角点提取和图像金字塔的光流法具有良好的跟踪效果,引入光流误差可以有效地滤除跟踪失败的特征点,准确估计运动目标的位置.     

基于显著性区域的红外行为识别

视频特征的提取是行为识别方法中一个关键步骤,当视频场景中存在无关行人或者背景干扰时,提取的特征往往会包含较多的干扰信息,这将严重影响分类器的分类效果,进而影响行为识别准确率。针对这类问题,提出了一种基于显著性区域的红外行为识别方法。该方法对视频序列提取光流运动历史图(optical flow motion history image, OF-MHI)特征,获取视频序列的运动信息,此步骤旨在消除图像背景及静止目标干扰。利用类别激活映射(class activation map, CAM)方法进一步消除运动目标干扰,获得兴趣目标显著性区域,进而获得显著性区域特征图。输入卷积神经网络(convolutional neural network, CNN)提取最终特征,并采用支持向量机(support vector machine, SVM)获得识别结果。与传统方法相比,实验结果表明,该方法有效地提升了识别准确率。     

基于颜色增强变换和MSER检测的烟雾检测算法

在远距离烟雾视频监控中,当烟雾区域小或运动缓慢时,烟雾检测变得非常困难,为了解决这一问题,提出了一种基于烟雾增强颜色变换和MSER（maximally stable extremal regions）检测的烟雾检测算法.首先提出了一种新型烟雾增强颜色变换,可使变换后图像中烟雾区域更加突出,便于后续的分割;其次在变换图像上检测MSER区域,分割出烟雾区域,避免了基于颜色信息或运动信息等传统方法难以准确分割烟雾的缺点;最后针对烟雾的特点,提出了烟雾的静态和动态判据,并以通过静态和动态判据的次数判定是否为烟雾,并进行报警.实验结果表明,该算法可在远距离烟雾视频监控中准确地检测出烟雾区域,具有较高的可靠性.      

海上监控视频实时去雾算法研究

为提高船舶在雾天航行的安全性,对船舶监控视频流进行实时去雾.建立雾天退化物理模型,采用数学中不等式缩放理论估计出每帧有雾图像的透射率和全局大气光,然后根据雾天成像的物理模型恢复出每帧去雾图像.根据海上监控视频图像具有大面积天空和海水,对该算法中的参数依据航海目标细节恢复程度和图像对比度等因素进行估计.实验结果表明,该算法能够有效恢复海上目标的细节清晰度和提高图像的对比度,又能满足视频流实时去雾的要求,说明算法能够较好地解决海上监控视频实时去雾问题.      

基于深度学习的监控视频树叶遮挡检测

结合稀疏自编码器的自动提取数据特征能力和深度置信网络较好的分类性能,提出一种基于深度学习的监控视频树叶遮挡检测方法。首先从视频中随机选取一帧图像,通过栈式稀疏自编码器主动学习视频图像的特征信息,然后采用深度置信网络建立分类检测模型,最后引入学习速率自适应调整策略对整个神经网络进行微调。该方法不需要对视频连续取帧,具有较好的图像特征主动学习能力,克服了人工提取特征能力有限的缺陷。实验结果表明,在样本量充足的条件下,使用本文方法进行监控视频树叶遮挡检测可以达到88.97%的准确率。