基于运动目标识别的摩托车视频监控驾考识别技术研究

针对人工监考摩托车驾考往往存在徇私舞弊、判断不准确等缺点,提出一种基于运动目标识别的摩托车视频监控驾考识别技术.基于改进ORB图像特征匹配算法、消除误匹配点等策略对摩托车驾考监控视频进行稳像处理;使用边缘轮廓检测的运动目标识别算法,完成运动中摩托车目标图像边缘轮廓特征检测,利用双目视觉极线约束模型对摩托车目标特征点进行立体匹配与三维重构,提高轮廓检测精度.测试结果显示,该方法检测摩托车驾考目标的最优准确率可达96％,检测算法运行的响应时间较少、实时性优,具有良好的视频监控驾考适应性.     

嵌入式智能网络视频监控系统设计与实现

网络视频监控是进行远程分布式视频监控的重要途径。设计实现了一个基于DSP的嵌入式智能网络视频监控系统。整个系统包括视频服务器端、视频客户端和视频控制端三大部分。其中服务器端采用自行研制的嵌入式DSP开发平台实现，具有体积小、智能判断运动目标等特点。测试结果表明，该系统运行稳定，对于D1格式的视频图像，能达到实时网络视频监控的目的。     

局部视角无畸变的运动目标检测加速算法

针对大视场视频监控系统球形视场畸变严重以及要求实时处理等问题,提出了一种球形视场内局部视角无畸变快速展映方法,实现了大视场条件下运动目标检测的加速。打破现有算法先完成图像畸变校正,后进行目标检测的惯例;仅对球形视场内运动目标所在的局部视角图像进行畸变校正和识别等操作,大大减少了计算数据量,降低图像处理的时间开销,在保证识别准确的前提下,满足了监控系统实时在线处理的要求。最后,对不同分辨率、不同视场角的摄像机进行了多组畸变校正及运动目标检测实验,并将实验结果与现有算法进行了比较。实验结果验证了所提算法对大视场图像采集设备进行无畸变运动目标检测的可行性和高效性(加速5倍以上),为低成本大视场视频监控系统的实时、准确的目标检测、识别奠定了基础。     

遗传算法优化LVQ网络的监控视频关键帧内容识别

为解决监控视频检索中公安视频侦查关注目标的识别问题,提出一种基于遗传算法优化LVQ神经网络的关键帧内容识别方法。首先通过运动目标检测及二值图像的聚散熵,对监控视频进行子镜头划分,从而提取视频关键帧。其次归一化关键帧中的待识别目标,提取待识别目标的形状统计特征。再次构造LVQ网络并利用遗传算法对网络的初始权值进行优化,训练网络实现关键帧内容识别。最后列举出该方法的实验结果及性能分析。该方法在关键帧内容识别的准确性和鲁棒性上都有良好表现。     

运动目标检测的三帧差分和背景消减研究

本文介绍了一种基于视频监控系统的运动目标检测方法。这种方法综合利用三帧差分和背景消减来进行运动检测的方法。这种算法在帧差法的基础上,得到完整可靠的运动目标图像。在铁路视频监控系统中主要使用固定摄像机对一固定场景进行监控,因此,图像序列三帧差分方法在智能化铁路视频监控系统中是一种重要的运动目标检测方法。     

舞台视频监控系统云台控制方法的研究

为方便舞台监督对舞台运行进行有效监管,在基于onvif协议的舞台视频监控系统中,本文重点研究摄像机云台的控制及功能优化方法.通过使用多媒体技术、网络通信技术及计算机控制技术,该系统能够实现点击屏幕识别摄像头、云台方位调节和焦距变动等功能,改善了整个视频监控系统的性能.本文的研究为网络化舞台视频监控系统中的云台便捷控制实现提供了技术基础,具有很大的实用价值和应用前景.     

基于粒子滤波的变电站内动态目标跟踪技术

为实时智能监控变电站安全生产区域内的移动目标,克服现有视频系统人工切换图像和肉眼判断所造成的漏检和滞后问题,对变电站内运动目标的自动检测与识别跟踪技术进行了研究;基于背景差分法实现了人物动态目标检测,提出了基于颜色直方图的粒子滤波人物动态目标跟踪方法;通过提取目标颜色特征,建立目标状态模型和系统模型,进而准确定位目标;研发了变电站安全事件视频自动识别跟踪系统.系统应用结果表明:算法检测与跟踪的时间性能良好,能够快速识别目标,并准确跟踪目标运动轨迹,有效提升了全天候智能监控站内的安全生产能力.     

基于kinect摄像机的多运动目标实时跟踪

多运动目标跟踪是视频监控中的关键问题,在目标相互运动发生遮挡时,采用二维摄像头监控容易丢失信息而造成跟踪失败.本文采用kinect摄像机获取目标的RGB图像及深度图像,并分别获取基于RGB图像信息的目标颜色模型和基于深度信息的目标三维空间模型,在视频帧间将颜色、空间模型分别匹配得到目标帧间匹配度,通过Mahalanobis距离算法实现多目标匹配,从而得到多目标识别跟踪结果.实验表明,在RGB-D数据集及拍摄的视频序列上均取得了较好的跟踪结果,实现了kinect三维视觉下的实时多目标的跟踪.     

运动目标识别与跟踪系统实现方案探讨

本论文主要研究视频序列图像中运动目标识别与跟踪的基本原理及实现方案。运动目标识别与跟踪系统是主要是通过对成像设备所获取的图像序列进行处理,力图从复杂的背景中识别出目标,并对目标的运动规律加以预测,实现对目标的连续、准确的跟踪。系统的算法涉及目标图像的预处理、目标识别与目标跟踪等。     

基于AM5708的智能多目标跟踪监控系统设计

监控系统的视频序列往往受到环境噪声、运动目标繁多和目标遮挡的影响,针对传统视频监控无法对人员实施有效检测、跟踪和计数的问题,设计一种基于ARM的智能多目标跟踪监控系统.从整体性角度阐述系统硬件设计方案和软件环境搭建.在算法实现方面,基于改进的自适应高斯混合模型和卡尔曼滤波实现了目标检测和跟踪,引入匈牙利算法进行数据关联来解决多目标跟踪的任务指派问题,同时利用检测目标和预测目标之间的欧式距离以及卡尔曼滤波解决了遮挡问题.实验结果表明,系统在场地和摄像头视角有限的情况下可以有效跟踪到6个运动目标,其平均处理能力保持在18帧/s.     

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。     

嵌入式Linux系统下的网络视频监控系统

介绍了一个基于嵌入式L inux的网络视频监控系统的设计与实现问题,重点阐述其嵌入式服务器软硬件部分的设计思想和体系架构,对其中涉及的若干关键技术进行了较为详细的介绍,最后完成应用程序向目标平台的移植,并最终实现视频监控调试和运行。     

基于校园的智能视频监控系统关键技术研究

本文首先阐述了智能视频监控系统在校园安全管理方面的重要作用,指出实现系统所需要的关键技术.对DirectShow技术进行了论述.通过目标运动检测与识别算法的对比,给出了一种结合算法.通过实验证明,该系统是有效的.     

基于人脸识别技术的智能监控系统设计方案

视频监控在安全领域扮演着重要的角色,但视频监控通常只是录制现场视频图像,用于事后做证,缺乏主动性和智能性．在分析了视频监控系统的结构,介绍了可用于视频监控的人脸识别技术,最后提出了一种基于人脸识别技术的视频监控系统设计方案,以对视频画面中的人物进行识别,在特定目标出现后能做出相应的反应．     

视觉显著性驱动的运动鱼体视频分割算法

针对养殖监控视频中运动鱼体目标检测问题,提出一种基于视觉显著性计算的运动鱼体视频分割算法.首先,将运动特征通道引入基于图论的显著性计算模型中,对多通道特征进行自动加权,生成全局视觉显著图.其次,利用基于方向梯度直方图的支持向量机分类器对显著区域进行目标确认,得到包含前景目标的感兴趣区域.最后,分割出运动鱼体目标,并将其标注在视频序列中.实验结果表明,所提方法在室内养殖监控数据集上能够很好地剔除水面杂波、反光等复杂背景干扰,实现运动鱼体的视频分割.     

基于OpenCV的双目立体视觉监控跟踪系统

现阶段的监控设备无法自主获取目标区域的距离信息,而且在一定范围之外,由于图像模糊程度加深而无法对特定个体进行识别确认。针对以上存在的问题,设计并开发了基于计算机视觉库OpenCV(IntelOpen Source Computer Vision Library)的双目立体视觉监控跟踪系统。利用OpenCV强大的计算机视觉和图像处理能力,结合自行研究的双目立体视觉测距改进法和轮廓搜索法,能实现对监控区域内的物体进行距离测量和轮廓识别。通过实验结果表明,基于OpenCV的双目立体视觉监控跟踪系统运行可靠稳定,在一定范围内达到了实验要求。     

基于运动目标检测的视频存储策略

运动目标检测和视频存储是嵌入式视频监控系统中的两个重要功能。对于背景不变区域监控的存储,本文提出了一种基于背景减除算法(运动目标检测)的视频存储策略。该策略大大提高了磁盘空间的利用率。     

基于嵌入式平台的运动人脸捕捉系统设计及实现

针对现有智能监控系统难以同时满足清晰、准确、实时、可靠等要求的缺点,提出了一种基于嵌入式视频监控的实时人脸捕捉系统。在ARM Linux操作平台上建立流媒体服务器,实现CCD摄像头的视频采集和传输,采用背景差分法与相邻帧差相结合的方法来实现运动目标的分割与精确定位,提出了一种基于肤色模型的人脸区域分割算法,缩小了运动区域的人脸检测范围,在此区域内,通过Adaboost算法实现了运动目标的实时人脸捕捉。采用ARM1176JZF-S内核的Samsung S3C6410处理器,以Linux2.6.28作为系统的软件开发平台,在基于开源计算机视觉库OpenCV软件工具基础上进行系统开发与测试。结果表明,该系统实现了运动目标的检测以及人脸捕捉,并具有很好的清晰度,从其统计的检测率和运行时间看,有很好的鲁棒性和实时性。     

动态场景中运动目标检测与跟踪

为了在静态和动态场景中均能实现对运动目标的检测与跟踪,提出了基于运动检测和视频跟踪相结合的视频监控方法. 建立四参数运动仿射模型来描述全局运动,采用块匹配法对其进行参数估计;采用基于全局运动补偿的Horn-Schunck算法检测出运动目标;使用卡尔曼滤波对运动目标的质心位置、宽度和高度进行跟踪. 实验结果表明,该方法能够有效地对静态和动态场景中运动目标进行检测与跟踪.     

基于ADS-B数据的机场场面多目标行为识别

针对机场场面监控视频中存在多个飞机目标,且各种行为轨迹相似,难以通过轨迹进行行为判断的问题,提出了一种基于广播式自动相关监视(automatic dependent surveillance-broadcast, ADS-B)数据的机场场面多目标行为识别。首先,利用ADS-B信息通过透视变换的方法对视频中的所有飞机进行定位;其次,利用历史轨迹预测飞机一定距离之后未来时刻的位置,通过历史以及预测的目标位置划定每一架飞机的运动区域;最后,将多目标行为识别转换为多个单目标行为识别任务。在每一架飞机的运动区域中,通过多时间尺度的融合卷积完成对所有飞机的行为识别。针对性地制作了一个包含飞机各种行为的小型数据集为基于融合卷积的行为识别算法提供训练和测试,同时在多个具有ADS-B数据以及相应标定数据的场面监控视频中进行了验证,实验结果表明本文方法可以满足包含多个目标的机场场面飞机行为识别任务。