视频序列中运动人脸的检测与特征定位

针对视频序列中运动人脸的检测与特征定位问题,给出了一种算法,即通过计算并比较人脸区域而不是整幅视频帧的峰值信噪比（PSNR）,先从视频序列中找到人脸区域清晰度高且尽可能大的视频帧,然后再进行人脸的准确检测与特征定位。首先利用Adaboost方法检测出人脸的大致范围,再根据肤色模型确定人脸的具体位置并从图像中提取出人脸部分,然后利用基于帧间差的人脸区域的PSNR判断图像清晰度,从而定位出人脸区域清晰度高且尽可能大的视频帧,最后进行人脸检测和特征定位。对实际视频序列的计算表明,给出的算法在时间效率上较高,人脸的检测与特征定位效果较好。     

一种基于HGPC的交通监控视频抖动异常检测方法

在交通监控视频中,不可避免的会出现导致监控系统性能下降的视频图像抖动的异常现象。为检测此类异常现象,提出了一种基于分级的灰度投影相关系数法(Hierarchical Gray Project Correlation,HGPC)。首先,使用全局的灰度投影相关系数法对视频进行粗检测;然后,为提高检测精度,采用局部灰度投影相关系数法进行细检测。该算法在海信网络科技有限公司交通监控贵阳视频库上进行检测,精度达到91.4%,高于传统的测试方法,且检测时间仅为47ms,满足实时性要求,证明此算法有效。     

一种有效的车辆跟踪算法与异常车辆检测

交通监控视频中车辆检测、跟踪与车型判别是智能交通监控系统的重要组成部分。本文运用W4背景减除法和光流法相结合的技术进行车辆检测。利用区域滤波和空洞填充方法提高目标检测精度。采用质心距离约束和目标大小约束条件实现目标区域之间的匹配和车辆跟踪。最后,根据车辆的几何形状特征对助动车等异常车辆进行检测和标记。通过对高速公路实际视频的测试表明,本算法对机动车进行了有效的跟踪与标记,并对道路上助动车等异常车辆进行了有效的检测。     

基于DSP的交通视频检测研究与设计

在智能交通系统中,交通信息采集是交通系统管理的基础环节。视频检测由于其能够直观、有效的获取交通中运动目标的运动状态,因此得到了广泛的应用。随着微电子技术的广泛应用,低成本、低功耗的嵌入式系统越来越多的出现在智能交通领域。本文以嵌入式系统中的DSP（数字信号处理）为基础,开发交通信息采集装置,对交通流视频检测过程中的检测算法进行设计,对关键问题进行了研究。     

智能交通管理系统中的视频采集技术

智能交通管理系统(ITMS)是智能交通系统(ITS)的重要组成部分,而各种交通信息采集是实现系统智能化的前提,交通信息采集的方法和技术很多,其中,视频检测技术具有大区域、大信息量、多功能的特点,正成为交通动态信息采集技术主流。本文分析了视频交通动态信息采集技术的特点,对智能交通管理系统中综合应用视频交通信息采集技术进行了技术探讨。     

基于视频图像处理的行人和非机动车数据采集技术

在交通数据实时采集的诸多技术中,基于视频图像处理的方法不但能够克服人工采集方法精度低、可靠性差等缺陷,还能够解决传统的感应线圈检测、雷达检测和微波检测等方法无法检测非机动车和行人的问题.本文针对该问题设计和提出在混合交通情况下的视频交通数据采集系统,通过将视频图像处理技术和神经网络相结合,采集交通数据并识别和区分不同种类的交通对象.经过测试实验,效果比较理想.     

形态滤波器在交通视频检测中的应用

介绍交通视频检测的基本过程,分析了交通视频图像的特征,研究了三种形态滤波器——中值滤波器、普通形态滤波器、顺序滤波器对交通视频图像的处理能力．顺序滤波器的使用依赖于二值图像中噪声与目标的分布参数P．提出了选择交通视频图像分布参数P和滤波窗大小的基本方法．实验证明,选用合适参数P的顺序滤波器能够大大减少计算量,快速地处理交通视频的二值图像,基本满足在各种气象条件下的实时采集交通数据的要求。     

视频车辆检测技术及发展趋势

视频车辆检测技术正朝着智能化、网络化、集成化、实时性、视觉检测立体化等方向发展。视频车辆检测技术分为非模型交通信息检测技术和基于模型跟踪的交通信息检测技术两大类。对视频车辆检测技术在实际使用中存在的问题进行分析研究,提出相应的解决方法和改进措施。需进一步加强对视频检测算法的优化和改进研究,以提高检测算法的速度、准确度、自适应性,保证图像处理的实时性和有效性。     

针对运动物体的视频检测方法

视频检测技术是交通检测领域的一种新技术，是一种结合视频图像和电脑化模式识别的技术，在路上安装摄像机，通过软件在显示器视频图像的车道上设置虚拟车道检测器，每个虚拟车辆检测器代表一个区域，当车辆通过任何一个虚拟检测器时，就会产生一个检测信号，再经过软件数字化处理得到车型、车流量、车速、车头距离、占有率、车辆排队长度等交通数据。这里从另外一个角度介绍一种针对运动物体的图像处理方法，即通过图像灰度的一种代码变换，比较连续的两副图像，进而检测物体的轮廓及运动方向。     

基于数字技术的智能监控系统

本文提出并实现了一种基于全数字技术的智能监控系统，其主要技术优势是选择性区域视频检测报警、高清晰网络视频传输、远程控制主机和高压缩硬盘录像。这一系统在安全防范、警戒监控、刑侦监控及交通监控中具有广泛的应用前景。     

一种应用于视频检测中的背景更新方法

在应用背景差法对交通视频图像进行车辆检测的处理过程中,背景的更新是极其重要一个环节。在研究了多种现有方法的基础上,提出一种背景更新的方法,实验证明这种方法有效、运算速度快,从而提高了系统的实时性。     

SIFT与多区域决策融合的车辆行为分析方法

在大交通流与多运动轨迹相互交错、遮挡的复杂路况中,为了对车辆行为进行有效分析,提出了一种基于SIFT特征点和多区域决策模型的车辆违章行为分析方法.该方法首先利用2帧视频图像之间SIFT特征点的匹配结果获取视频图像中各车辆的运动矢量,进而提取其中有效的行为特征;然后根据不同车道区域的客观行车规章要求,建立车辆正常行车/违章行车的多区域决策模型;最后根据决策模型完成车辆违章行为的定性分析,给出行为结果.结果表明:提出的车辆违章行为分析方法检测准确率高、误检率低且实现简单,能够满足复杂交通路口的交通监控等实际应用环境的需求.     

改进的HIS阴影去除算法研究及实现

在智能交通视频监控系统中,户外环境下目标物体阴影的存在会导致许多问题。为此,本文提出了一种基于颜色特征的车影去除改进方法,通过比较阴影存在前后的场景点在HSI空间中亮度畸变和色度、饱和度畸变的夹角的分布规律,达到检测和去除车辆阴影的目的并通过DSP系统实现。仿真结果表明本算法速度快,可信度高,明显降低了阴影对交通监控中目标检测的影响,并提高了算法的通用性。     

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。     

基于视频的改进帧差法在车流量检测中的应用

如何有效去除背景、消除按车道开固定窗检测车辆的方法中,由于车辆换道或相邻车道的车辆部分覆盖了被检测车道检测窗而引起的误检,是车辆检测系统需要解决的一大难题.针对上述问题提出了一种基于视频的改进的帧差法,在检测带内由车辆信息生成数据流,根据数据流的变化进行车辆检测、计数并估计平均车速.从而实现对过往车辆的准确计数,更可靠地收集各车道的车流信息,为智能交通提供实时交通参数.     

视频检测技术：在象素中的图象处理——对视频检测技术演变的看法

仅仅在七十五年内,交通检测已经由警察直接观察交通现象、手动控制交通信号转化为以“视频”检测为主的交通检测,从而能够完全实现利用视频自动追踪车辆的手段自动检测以交通流量为主的变通参数,自动地控制交通信号并对危险事件进行报警。     

一种基于主成分分析算法的车辆阴影消除算法

针对车辆检测中的阴影问题,提出了一种基于主成分分析算法(principal component analysis,PCA)的交通视频车辆阴影消除算法。该算法通过引入PCA算法确定阴影区域的方位,将算法的计算复杂度降低了3/4,提高了检测效率。基于亮度与纹理的分布特征,提出了一种IT(inverse transformation)模型将阴影区域转化为与其相应背景相似的分布以弱化阴影,从而使阴影像素在背景差法中被检测为背景像素与运动车辆分离。实验表明,本文算法阴影检测与分辨率高,阴影消除效果好,显著提高了检测的准确性。     

智能视频分析的车辆异常行为检测方法

针对目前车辆异常行为检测中的检测实时性问题,提出了一种基于智能视频分析技术的车辆异常行为检测方法。车辆出现异常行为时车辆位置变化、速度变化及运动方向变化较大。通过背景差分法检测运动车辆,并采用均值漂移算法跟踪运动车辆,获取车辆位置、速度、运动方向等车辆异常行为判别参数,对3种判别参数的状态函数加权融合检测车辆行为。为验证该算法的有效性,将对真实交通场景中采集的交通视频进行车辆运行状态检测实验。实验结果证明该算法能及时有效地检测出交通场景中的车辆异常行为。     

基于视频图像检测的高速公路车型分道行驶监测系统

为解决交通监管部门对于高速公路客货混流问题监管效率低效果差的问题,通过视频图像检测法对高速公路进行研究和应用,构建了基于机器学习和计算机视觉的视频图像检测模式,以提高视频检测的稳定性和准确率,提出了基于尺度不变特征变换(scale invariant feature transformation,SIFT)池化的车辆特征提取模型,摒除传统视频背景建模稳定性和准确率不高的缺陷,获取车辆车型特征数据和分道行驶参数,经过试点样本训练后,实验结果表明:车型识别的准确率高达95％以上,车辆分道检测的准确率达到90％左右.