监控视频异常检测:综述

监控视频在社会安全领域具有重要应用。该文对经典和新兴的监控视频异常检测算法进行分类和总结。首先,依据算法的3个属性,算法的发展阶段、算法的模型类型、算法的异常判别标准,将算法分类并逐类概述。然后,将不同类别的算法进行关联对比,分析不同模型的优缺点以及聚类判别与重构判别在不同发展阶段的特点。最后,提炼了领域内常用的模型假设与相关知识、汇总了不同算法的异常检测效果,并对未来的研究方向进行了探讨和展望。     

智能视频监控中运动目标检测研究综述

运动目标检测是智能视频监控技术中非常重要的一个组成部分,现有的运动目标检测算法主要包括背景差分法、帧差法、光流法和背景统计模型等四种类型。本文在对现有算法进行研究的基础上,对四种算法各自的基本原理、优缺点、研究现状和发展趋势等方面进行了介绍。     

博物馆监控视频中慢速移动稀疏目标异常轨迹检测

传统异常轨迹检测方法将轨迹序列看作轨迹特征,无法有效描述轨迹,导致异常轨迹检测结果不可靠。为此,提出一种新的博物馆监控视频中慢速移动稀疏目标轨迹检测方法。采用一种快速计算方法对和目标相似度较高的粒子进行筛选,滤除和均值相差较大的粒子。对跟踪目标进行稀疏表示,为了避免目标被干扰或遮挡,进行非负性约束优化,完成稀疏求解,获取博物馆监控视频中慢速移动稀疏目标跟踪结果。依据跟踪结果将可代表整体轨迹的特征向量与部分可代表局部轨迹的特征向量合成一个整体特征向量,利用整体特征向量对慢速移动稀疏目标轨迹进行描述,通过描述结果和K聚类方法实现目标异常轨迹检测。实验结果表明,所提方法检测的异常轨迹与其他轨迹之间的差异最大,检测结果可靠,实际应用性较高。     

基于运动目标检测的智能视频监控系统

通过对视频序列的处理,使计算机在无人操作的情况下,检测出监控区域内的运动目标,并与预先设定的报警规则相比较,当发现异常行为时自动产生报警信号,提醒监管人员查看.系统中所用算法是将自适应混合高斯模型背景更新方法加以改进,结合基于帧间差分思想的双向匹配法,配合图像滤波方法,进行一系列后处理.实现室外场景运动目标检测,克服了树叶摇摆及轻微光照变化的影响,有效地滤除了各种噪声.提取出的运动目标精确完整,效果较已有算法得到了明显改善.     

博物馆监控视频中慢速移动稀疏目标异常轨迹检测研究

传统异常轨迹检测方法将轨迹序列看作轨迹特征,无法有效描述轨迹,导致异常轨迹检测结果不可靠。为此,提出一种新的博物馆监控视频中慢速移动稀疏目标轨迹检测方法。采用一种快速计算方法对和目标相似度较高的粒子进行筛选,滤除和均值相差较大的粒子。对跟踪目标进行稀疏表示,为了避免目标被干扰或遮挡,进行非负性约束优化,完成稀疏求解,获取博物馆监控视频中慢速移动稀疏目标跟踪结果。依据跟踪结果将可代表整体轨迹的特征向量与部分可代表局部轨迹的特征向量合成一个整体特征向量,利用整体特征向量对慢速移动稀疏目标轨迹进行描述,通过描述结果和K聚类方法实现目标异常轨迹检测。实验结果表明,所提方法检测的异常轨迹与其他轨迹之间的差异最大,检测结果可靠,实际应用性较高。     

基于视频监控的运动目标检测

运动目标检测是计算机视觉、视频信息处理等应用领域的重要研究内容。本文采用基于减背景技术的运动目标实时检测:首先利用统计的方法得到背景模型,并实时的对背景更新以适应光线和场景本身的变化,然后用当前帧和背景差分,得到运动目标,利用形态学方法和检测连通域面积消除噪声和背景扰动带来的影响,得到较为准确的运动目标。     

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.     

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.     

视频监控系统的应用现状与发展综述

阐述了视频监控系统的应用现状,指出了数字视频监控系统的主要优缺点,提出并介绍了智能视频监控系统及其相关技术,并指出了实现智能监控系统的主要技术难点,最后对视频监控系统的发展趋势作出了展望。     

面向智能视频监控系统运动目标检测的轮廓提取方法

针对传统的混合高斯模型方法易受干扰、运算量大的缺点,提出了一种应用于智能视频监控系统运动目标检测的轮廓提取方法.首先介绍了常用的运动目标检测方法;接着描述了传统的混合高斯模型方法,分析了该方法在目标检测方面存在的缺点,提出了一种新的轮廓提取方法.以过程为像素块混合高斯模型方法提取前景目标,采用数学形态学方法进行前景连通,Freeman链码寻找轮廓,Douglas-Peucker算法拟合轮廓,图像矩提取目标轮廓质心;最后对所提出的方法进行实验验证,并与传统混合高斯模型方法进行比较,实验结果证明,所提出的方法能更有效地滤除噪声,更准确地提取出目标轮廓.     

卫星定位移动目标监控报警系统

全球卫星定位系统(GPS)是一项高技术定位导航系统．利用它可以准确地提供固定或移动目标的准确位置，因此可以广泛地应用在军事、公安、航海及城市交通等方面。本文在讲述了GPS系统的基本组成、工作原理、主要特点的基础上，重点介绍了GPS与GSM移动电话网相结合的移动目标监控报警系统以及GPS与集群移动通信网相结合的移动目标监控报警系统，它们都在安全防范领域发挥着重大的作用。     

视频监控中多视角目标智能定位追踪方法研究

在视频监控中对目标进行定位追踪时,容易出现遮挡情况。当前定位追踪方法需预先检测出遮挡状况,再对目标位置进行校正,计算量大,且追踪结果不可靠。为此,提出一种新的视频监控中多视角目标智能定位追踪方法,针对每个摄像头采集到的图像,对其进行二值化处理,通过稀疏表示方法对目标进行定位。构建了视频监控中多视角目标跟踪的概率框架,针对每个智能摄像机,建立视频监控中多视角目标追踪模型。通过不同视角中的视频数据求出本地似然函数。为了避免维度灾难问题,对联合后验概率进行分解获取边缘概率乘积的形式,通过边缘概率求出被追踪目标在摄像机视角下的位置。依据消息传递机制实现信息融合,达到目标追踪的目的。实验结果表明,所提方法有很高的定位和追踪精度。     

视频监控中的目标检测及自动跟踪技术

目标跟踪是计算机视觉和图像处理领域的重要研究课题.本文提出了一种目标跟踪方法,包括检测和跟踪两个模块.检测模块完成识别目标,生成具有最佳学习的、可靠性的目标信息;跟踪模块使用特征点提取的目标信息跟踪感兴趣区域,该模块使用Camshift和光流估计来测算目标位置.实验结果表明,所提出的方法可以用来自动跟踪视频中移动的目标.     

视频信息监控与处理--ATM视频监控系统下

针对银行ATM管理上的缺陷，提出了ATM视频监控系统，并就系统的功能及其信息处理与安全方面的特点作了论述。     

针对视频监控的中小群体异常行为检测分析

近年来,视频监控的应用范围日渐广泛,应用过程中,常有中小群体异常行为出现,需及时进行检测,在此过程中,传统的检测方法场景适应与实时性的平衡难以实现。因此,该文基于机器学习角度,将一种通过群体密度、运动特征来对异常行为进行检测的方法提出,应用对群体密度进行快速估计的方法来对群体的密度特征进行提取,群体运动特征则应用局部稠密光流法来进行提取,与密度特征相结合,对群体异常行为的识别以随机森林计算法来实现。     

公安专用视频监控系统前端布点研究综述

现实中由于公安专用视频监控系统本身的一些特性,如覆盖规模大、联网层次复杂、公安业务应用要求高、财政成本和法律法规限制严格等因素,势必造成系统前端点位建设需要运用科学合理的前端布点方法来指导工作,以实现在各方面因素限制下部署有限的点位达到系统最佳的效能的目的。对国内外与系统前端布点相关的研究文献进行了广泛深入的调研。通过全面性分析影响前端布点的几个因素;得知除了公安业务需求之外,单摄像机物理特性与多摄像机相互关系是影响系统前端布点最重要的影响因素。其中在业界研究中,单摄像机物理特性通常由传感覆盖问题所体现,多摄像机相互关系则主要涉及区域点位密度问题与点位部署/规划问题两个方面。经过调研发现,当前业界对于公安专用视频监控系统前端布点工作的专门性研究较少,集中在具体单个问题的研究。因此该项工作的开展,需要将上述三个问题相关的研究综合起来,并结合公安业务需求来进行综合考虑。     

视频防伪监控系统检测监控机制和算法的设计与实现

为防止视频信号传输线路被随意改动而导致伪图像的引入,采用了对视频信号进行实时同步检测的机制,一旦发现视频信号异常,及时报警.该同步检测机制的基本原理为:首先产生一套伪随机符号序列,按照伪随机符号序列,在视频采集端叠加符号,然后在主监控端对该符号进行同步检测确认,从而防止伪视频信号的引入.     

智能视频监控中高效运动目标检测方法研究

针对智能视频监控中的运动目标检测技术,提出了通过帧间差分法重建背景图像,辅以背景差分法分离当前帧图像中的背景点和运动目标点,然后通过滤除非连续运动目标点来减少误识率的方法.采用自适应背景更新方法,使背景每隔一定的时间间隔更新一次,以达到理想的分割效果.     

一种新的矿井监控视频增强目标检测算法

由于矿井下光线不足,照度低且粉尘大,造成监控视频图像存在昏暗和模糊问题,利用小波变换获取视频画面中的不同频率分量信息,首先对低频分量采用暗原色先验进行去雾处理,然后用阈值滤波对高频分量进行消噪,将处理以后的低频分量和高频分量进行融合,重构小波函数,实现图像的增强。仿真实验结果表明所提算法能提高图像对比度,增强图像细节信息,淡化浓雾、抑制噪声等方面有较好的效果。在矿井运动目标检测中,为了改善传统混合高斯模型像素点不能精确匹配及参数迭代速度慢的问题,采用三帧差分法融合混合高斯背景模型,融合后的算法有效消除了背景更新不及时而导致的画面鬼影现象,而且运算速度得到明显提升,实现了运动目标实时追踪的需求。仿真实验结果表明所提算法相对传统混合高斯模型算法不仅能够快速的检测出运动目标,而且检测图像边缘细节信息更加清晰,并且能够解决物体遮挡等问题,为矿井视频信息处理和人员安全监测奠定了良好的基础。     

基于压缩感知的交通监控视频目标检测算法

针对公路交通监控的需求增大与网络带宽资源有限的矛盾,本文提出一种贝叶斯压缩感知的目标检测算法.该算法采用小波基对信号进行稀疏,用部分哈达玛测量矩阵进行观测,实现视频的压缩,为了得到更为准确的前景,提出在部分时间均衡自适应背景模型下,将背景分割思想和小波树结构的贝叶斯压缩感知结合的重构算法完成目标检测.通过对多个场景监控视频的试验,验证了该方法的准确性和有效性,并对光线变化具有一定的鲁棒性和减少视频传输的成本.