基于可变矩形框的人群密度数值估计算法研究

公共场景监控下的人群密度估计已经是公共安全管理中的一个重要环节。为了提高对视频监控中人群密度估计的实时性和准确率,提出一种改进的混合高斯背景建模进行前景提取,并用大小随目标边缘可变的矩形框对人群目标进行圈定以代替传统的边缘像素数和前景像素数;通过最小二乘法拟合估计人数和实际人数的线性关系,使用平均相对误差和平均绝对误差进行定量对比分析。实验结果表明:与基于边缘像素统计和阈值分割像素统计的算法相比,该算法能够直接统计出有效人数,较为准确的估计出视频图像中的人群数目,且误差最低。     

融合像素与纹理特征的人群人数统计方法研究

公共场景监控下的人群人数统计是公共安全管理中的一个重要内容。针对复杂场景监控的情况,本文提出一种融合像素与纹理特征的人群人数统计方法。首先,通过改进的视觉背景提取方法得到高精度的前景目标;然后,提取ROI区域前景像素统计特征与纹理特征并引入阈值判别机制;最后,对阈值上下的图像分别采用基于纹理特征的回归算法和基于像素统计特征的线性拟合算法来得到人群人数。实验结果表明,本文方法相较于传统算法,可以适应于不同密度场景下的人群人数统计,且计算简单,统计精度高。     

结合局部和全局特征的人群密度估计算法

传统的人群密度估计算法由于受到背景噪声及遮挡等因素的影响,不能同时对不同密度等级的人群做出准确估计。该文提出一种结合局部和全局特征的混合型人群密度估计算法。首先,对输入图像进行预处理以减少背景噪声干扰;其次,计算前景团块像素数占全幅图像的比例,并引入阈值分割机制;最后,对阈值上下的图像分别采用基于全局特征的分类算法和基于局部特征的回归算法来获取人群密度。此外,对基于全局特征的分类算法,提出结合小波变换和灰度共生矩阵的纹理特征描述子来提高分类准确率。实验结果表明该文算法对不同密度等级的人群均能做出准确估计且鲁棒性强。     

基于团块分析的人数统计

为了提高视频监控领域人数统计的准确性,提出一种基于团块分析的人数统计方法。首先通过光流算法获取前景团块的方向及能量强度信息,并结合团块大小等相关信息形成团块特征;然后针对人数统计提出一种新的目标跟踪算法;最后基于SVM对该团块特征进行训练分析,得到人数估计模型。实验结果表明,该方法正确率达到95％以上,能准确实现人数统计。     

基于团块分析的人数统计（英文）

为了提高视频监控领域人数统计的准确性,提出一种基于团块分析的人数统计方法.首先通过光流算法获取前景团块的方向及能量强度信息,并结合团块大小等相关信息形成团块特征;然后针对人数统计提出一种新的目标跟踪算法;最后基于SVM对该团块特征进行训练分析,得到人数估计模型.实验结果表明,该方法正确率达到95%以上,能准确实现人数统计.     

基于LRP的自适应运动目标检测算法

传统的运动目标检测算法主要基于像素值的统计模型,对于光照突变和噪声极为敏感.为此,提出了一种基于局部比率模式(LRP)的自适应运动目标检测算法.使用LRP描述视频图像序列中像素特征,通过自适应核密度估计对像素特征进行建模,提取出运动目标.实验结果表明,该算法适应光照变化,有良好的检测性能.     

基于超像素分割的视频目标检索

针对视频监控中的颜色特征检索,提出一种基于超像素分割的视频目标检索算法:该算法首先对视频帧序列按颜色及空间位置进行超像素分割,分割成若干个超像素区域;然后对每个超像素区域颜色值进行均值化处理;最后基于超像素区域进行颜色目标检索.为了验证算法的有效性,以监控拍摄的户外视频数据进行仿真实验,实验结果表明该算法能准确检索出所...     

预决策金字塔层数的欧拉视频微弱运动放大算法

欧拉视频放大算法(EVM)将受人眼局限而观察不到的微弱运动放大;但放大视频质量随使用的金字塔层数及微弱运动幅值的不同而有明显差异。为提高视频放大效果,放大之前对输入视频提取运动前景,找到黑色像素数最大图像帧,求出该帧非0像素数占图像帧总像素数的比例;根据阈值判断金字塔层数,再进行EVM处理。研究表明,根据视频运动前景中非零像素与总像素比例,预判断欧拉视频放大金字塔层数,有效改善了单一金字塔层数EVM算法的放大效果。     

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.     

应用视觉显著性的快速有偏聚类超像素算法

针对正则化超像素方法的超像素数随边缘拟合要求迅速增长的问题,提出了一种有偏聚类超像素算法。结合人类视觉对目标专注程度不一的特点,在SLIC算法框架下,提出了基于视觉显著性的非均匀初始化方法和有偏聚类距离函数。算法在图像的显著性区域进行密集的过分割,保持目标边缘的细节信息,而在非显著区域仅生成稀疏的超像素,以降低分割块数,再通过一步全局聚类和边缘逐步细化过程,有效地保证了图像的边缘拟合,同时提高了算法的速度。实验表明,在相同超像素数下,所提算法在边缘查全率、欠分割错误率以及运行速度方面均优于传统算法。     

视频序列传输中的模糊差错掩盖算法

提出了一种基于模糊边缘检测的差错掩盖算法,将其作为解码端的工具去恢复视频序列在传输过程中丢失的图像信息.对于一个丢失块,利用模糊边缘检测器得到它与4个领域块交接的边界上的边缘信息,构造一个关于边界匹配差值的能量函数,将最优值对应的运动矢量作为丢失块的运动矢量的估计.仿真结果表明,文中提出的算法无论在主观的视觉还是客观的数值比较上,都能得到质量比现有差错掩盖算法更优良的恢复图像.     

局部二值平均熵模式与深度残差网络的人群密度估计

针对人群密度估计算法中场景的人群遮挡、尺度光照变化、噪声和低分辨率等问题,提出了一种结合局部二值熵值纹理特征(ELBP)与深度残差网络的人群密度估计算法。该算法首先在原始RGB人群图像上提取LBP特征;然后通过计算邻域像素点的平均信息熵模式构建ELBP纹理特征;随后基于ELBP纹理特征构建了一个深度为18层的深度残差网络;最后形成了对人群密度估计的end-to-end模式。为验证算法的可行性和有效性,在开源的人群密度估计数据集上进行实验。首先邀请10位专家对开源的数据集进行有效的人群聚集标注作为真实输出标签;随后采用研究提出的算法对人群密度完成估计,并与真实结果进行比较。另外,在三种不同的特征和三种不同的机器学习模型上进行了横向比较。实验结果表明,提出的ELBP纹理特征能够很好地应对噪声和低分辨率问题;深度残差网络则能够解决人群遮挡、尺度光照变化的问题。与传统算法相比,提出的算法能够提升人群密度估计的性能。     

用于运动位移估值的新匹配准则

在视频编码中,位移估值是编码速度的瓶颈。除了研究快速搜索算法外,匹配准则也是研究的热点。为了提高运动位移矢量的精度,减少估值用的运算量,利用人眼对物体边缘运动较敏感的特性,提出了一种新匹配准则——边缘像素点分类准则。在Ｓｏｂｅｌ边缘检测的基础上,对处于物体边缘位置的像素点根据其亮度值进行分类,一类为匹配点,另一类为不匹配点。将搜索区域内含边缘匹配点最多的子块判为匹配块。计算机模拟表明,利用边缘像素点分类准则进行位移估值得到的重建图像,质量比目前常用的平均绝对误差准则有显著改善,同时大大地减少了运算量。     

基于H.264/AVC的一种改进的空域错误隐藏算法

针对视频码流在信道传输中容易出错而导致视频质量降低的问题,提出一种改进的空域错误隐藏算法。首先采用Sobel算子对丢失宏块周围四个相邻块的像素点进行边缘检测,将检测到的梯度方向量化为8个方向,然后通过边缘的方向熵自适应判断采用双线性插值法或基于边缘检测的方向加权插值错误隐藏算法。实验结果表明,该算法与参考算法相比,在不同丢包率情况下图像质量均有较明显的改善。     

一种GrabCut分割边缘的优化方法

针对GrabCut分割精度不够以及边缘不平滑的问题,提出一种目标边缘优化方法.首先使用GrabCut算法获取目标的α掩像,然后对α掩像进行形态学处理而获取目标边缘区域,再将目标边缘区域内的像素与已知的绝对背景和绝对前景的部分像素进行颜色信息比较,根据比较结果重新分割边缘区域像素,最后对重新分割的目标边缘进行平滑处理.实验结果表明,本文的方法对边缘分割的精准性和平滑度都优于GrabCut算法.     

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.     

针对空中监控平台的异常行为检测方法

空中监控平台拍摄的视频具有背景移动、视距较远等特点,结合其特点提出适用于空中监控平台的人群异常行为检测方法。首先通过估计图像的深度信息,适当修正特征点的光流矢量,以减小透视现象导致的对特征点运动速度的估算误差;然后对特征点的光流矢量聚类,并结合背景运动一致性规律检测出前景特征点。通过双高斯混合模型检测异常特征点,用最大期望(EM)算法求取模型参数。最后采用一种时间队列机制检验误判;并通过简化的凝聚层次聚类算法对异常特征点的空间坐标进行聚类,去除孤立的异常特征点并标记出异常群体。多个场景下的实验结果验证了方法的有效性。     

基于图像分割的视频差错复原算法

人们可能更多的注意感兴趣的区域和倾向于对背景的改变不太敏感。根据人眼的这一视觉特性；论文提出了基于图像分割的视频差错复原算法，并实现了支持该算法的H．264编解码器。该算法利用；灵活宏块排序技术对图像帧进行分割，将图像帧分割为前景子图像和背景子图像。与背景子图像相比，对前景子图像按更高图像质量的要求进行编码，并且对对前景子图像的传输进行更有效的保护。实验结果表明，论文提出的基于图像分割的差错复原算法具有良好的容错性能，重建图像的主客观质量良好。     

一种半自动分割视频对象的方法

提出一种半自动视频对象分割方法，通过对跟踪分割视频序列的后继帧，这种方法首先采用基于块匹配和最大边缘强度的运动估值和补偿方法进行对象轮廓定位，接着采用模板匹配以特定对象知识检测对象像素，为使轮廓定位更可靠，在块匹配的运动估值中使用了彩色信息，而模板匹配则使分割结果精确化，避免误差传递，并且在出现遮挡时只要对象颜色在整个序列中一直保持相似性，就能够正确测出对象，实验结果证明这种方法能够分割复杂场景中的任意对象。