基于混合高斯模型的运动目标检测

针对运动目标检测中的背景复杂度高、视频数据计算量大等问题, 且为避免计算不同复杂程度的视频背景, 并能够准确地获取所需要的运动目标, 提出了一种基于混合高斯模型的运动目标检测方法. 首先采用混合高斯模型获取运动目标特征; 然后利用中值滤波方法去除视频目标运动特征中的背景噪声; 最后依据形态学运算方法对通过统计直方图得到的运动显著图进行处理, 从而获取最终的运动目标. 对标准视频序列集的检测表明, 利用该算法获取的运动目标不仅能抑制背景噪声, 而且精准度和误差都优于普通的视频运动目标检测算法.     

基于感知分析的立体视频帧重要性模型

由于丢失不同帧对立体视频质量的终端感知影响不同, 因此提出一个面向内容感知的帧重要性区分模型. 根据立体视频序列的时空相关性及视频帧之间错误扩散的特性, 新模型从帧丢失引起的当前帧的错误隐藏失真和帧丢失引起后续帧的错误扩散失真两方面来计算帧重要性. 实验结果表明: 新模型能够在编码端准确地估算各帧对终端感知的重要性, 对不同运动剧烈程度和视差大小的立体视频序列都具有适用性.     

联合帧间差分和边缘检测的运动目标检测算法

面对运动目标检测,采用传统的帧间差分法往往造成目标空洞与轮廓丢失的问题,提出一种联合帧间差分和边缘检测的运动目标检测算法。首先计算相邻三帧的两两差分图像,再采用自适应阈值生成二值化图像,经二值化图像与运算提取运动目标区域图像;其次采用改进型Canny算子依次对相邻三帧图像进行边缘检测,依据运动关联法则,获取运动目标边缘图像;最后联合运动目标区域图像和边缘图像,提取运动目标轮廓,再采用形态学方法提取运动目标。实验表明,本算法提高了运动目标的检测性能和保持了运动目标轮廓。     

基于改进的Heaviside核函数新的目标模型追踪算法

为更好地解决前景和背景相似程度较大或目标运动较为复杂的问题,提出了基于改进的Heaviside核函数新的目标模型追踪算法.在初始帧中,使用改进的Heaviside核函数来表示目标区域,然后分别计算目标区域前景和背景元素的颜色纹理直方图特征分布,并通过前景和背景特征分布差异建立新的目标模型,它可更好地代表目标.对于候选模型,结合传统Epanechnikov核对目标模型建模,通过Bhattacharyya系数进行迭代搜索,最终收敛的位置即为下一帧的目标中心.实验结果表明:提出的算法和传统的Mean-shift算法和基于颜色纹理直方图的Mean-shift算法相比较精确度高、速度快、鲁棒性强.     

基于深度学习的校园欺凌行为检测研究

为通过校园监控网络实时发现校园欺凌事件, 提出采用人体姿态检测模型与递归神经网络相结合的方法来分析视频中的每一对个体行为, 并通过一个完全连接的网络来识别一系列视频帧的行为, 进而判断是否存在校园暴力行为. 此外, 还建立一个包含了来自校园不同地方的3000多个视频片段数据库, 并对视频中的运动行为进行标注, 以用于训练及测试. 通过对照实验发现 与传统方法相比, 本文设计算法的实时分析准确率更高.     

基于时空结合的运动物体分割

提出了一种当视频中的运动物体有较大范围的运动时,对其进行分割的方法．首先利用帧差法来快速定位运动物体的位置,并以此作为初始分割结果．然后利用均值偏移法准确估计运动物体的边缘并利用图切割方法建立两者之间联系．考虑到视频的运动连续性,同时引入前一帧分割结果来约束当前帧的分割．该算法同时利用了帧差法和均值偏移法的优点,能够快速准确地分割在视频场景中出现的运动物体．     

一种融合纹理和颜色信息的背景建模方法

鉴于目前视频序列的运动目标检测常使用背景差分法,但其受光照变化以及阴影影响,不能准确区分出运动物体的特点,因此提出一种新的背景建模算法.该算法融合纹理信息和颜色信息建立背景模型,其中的纹理信息采用LBP算子进行描述.为更好地描述纹理信息,进一步改进了基本的LBP算子,并同时引入抗噪因子增强抗噪声影响.实验证明,提出的算法在大多数情况下都取得良好的效果.     

一种基于速度强度熵与纹理特征的人群异常检测算法

人群异常事件检测是智能视频监控领域的重要研究内容,文章提出了一种融合速度强度熵VMME与纹理特征的人群异常行为检测算法.该算法采用LBPCM算法提取图像纹理特征,在视频帧计算光流基础上,获得特征点速度强度图,并以其熵VMME作为场景运动特征,将场景纹理特征和运动特征送入支持向量机训练分类.实验表明,新算法可实现对人群异常行为的检测,且有较高准确率.     

一种基于速度强度熵VMME与纹理特征的人群异常检测算法

人群异常事件检测是智能视频监控领域的重要研究内容, 文章提出了一种融合速度强度熵VMME与纹理特征的人群异常行为检测算法. 该算法采用LBPCM算法提取图像纹理特征, 在视频帧计算光流基础上, 获得特征点速度强度图, 并以其熵VMME作为场景运动特征, 将场景纹理特征和运动特征送入支持向量机训练分类. 实验表明, 新算法可实现对人群异常行为的检测, 且有较高准确率.     

基于区域加权的视频质量评价方法

对于视频编码等视频应用来说,准确客观地评价其视频质量至关重要.在客观结构相似度模型的基础上,结合人眼视觉特性提出了一种新的视频质量评价方法—–基于区域加权的结构相似度视频质量评价方法.该方法基于三维Sobel矩阵提取的视频时空特性,将视频帧定义为强边缘、弱边缘和平滑三大区域进行加权求得质量分,并结合了人眼对失真的边缘块和失真帧较为敏感等视觉特性.在LIVE测试数据库中的实验结果表明,该方法与人类视觉的主观评价结果具有较好的一致性.     

宏块级立体视频传输失真快速估算方法研究

鉴于传输丢包会严重影响视频重建质量,甚至大范围传播错误,因此通过研究视频通信质量与传输丢包之间的关系,提出了一种适合网络丢包特性的立体视频传输失真模型.该失真模型结合了快速宏块级失真估计方法及帧间宏块拷贝和视点间宏块拷贝的错误隐藏方法,可在丢包信道下快速估计宏块级的立体视频传输失真.实验对比分析表明:所提出的宏块级立体视频传输失真模型准确度较好,可为立体视频传输失真估计提供一定的理论依据与借鉴,对立体视频通信质量的保障具有一定的实用价值.     

基于立体视频传输失真模型预测参数研究

针对现有的基于递归计算的像素级立体视频传输失真模型没有完善的预测参数求取算法,提出了一种基于立体视频传输失真模型的自适应立体视频预测参数的求取算法.该算法根据立体视频时空域特性,确定未丢失的帧间编码宏块采取的运动估计方法,并采用时域或者视间视差补偿的方式确定端到端预测失真及隐藏失真,进而确定时域和视间预测参数.结果表明:该算法与传统的预测参数固定取值算法相比,各视点的失真误差都有所减小,且对各种特性的序列有较好的适应性.     

面向内容的立体视频帧重要性区分模型研究

异构网络引起的视频传输失真是影响视频终端感知质量的重要因素,通常只能在解码端进行评估和补偿。因此在编码端建立一个面向内容的立体视频传输失真模型,考虑错误隐藏和错误扩散两种失真,通过近似估计视频中各帧对终端质量的贡献度,从而实现每帧重要性的区分。新模型综合考虑了视频帧编码位置以及表征内容的编码模式、运动矢量、视差矢量等关键信息,可以作为视频在异构网络中传输策略的重要依据。     

基于运动一致性的3D-HEVC深度视频帧间编码快速算法

针对深度视频在3D-HEVC编码框架中编码复杂度较高, 提出了一种基于运动一致性的深度视频快速帧间编码算法. 首先把深度视频划分为4个区域: 彩色和深度视频均运动区域、彩色视频运动但深度视频静止区域、彩色视频静止但深度视频运动区域以及彩色和深度视频均静止区域. 然后, 根据不同分区对最大编码单元设计不同的编码策略. 结果表明, 本算法与原始测试平台HTM-10.0相比, 在绘制的虚拟视点质量几乎一致的情况下, 各序列深度视频编码时间平均节省了63.58%, 总体编码时间节省了40.13%.     

运动目标检测中的误检测点抑制算法

减背景法是一种有效的运动目标检测方法,但在光照强度发生突然变化时,由于背景模型不能及时反映环境光线的变化,将产生大量的误检测点.因此采用改进的自适应混合高斯模型进行背景建模,并检测提取运动目标;当存在光线突变时,结合基于归一化互相关系数分析去除光线变化导致的误检测点.实验结果表明：新方法能有效地抑制光线变化,得到清晰的运动目标检测结果.     

基于自主扰动变异差分视频的关键帧提取算法

针对传统的支持向量机学习算法(SVM)在对视频关键帧提取过程中普遍存在学习参数不易确定,准确度偏低的问题,提出一种自主扰动变异差分SVM算法用来对视频进行关键帧提取.首先,对差分进化算法的生物学机理进行研究,提出一种改进的自主扰动变异方式.其次,结合改进形式的自主扰动差分进化算法对SVM参数进行选取优化,设计了基于该改进差分SVM算法的视频关键帧提取算法.通过在标准测试函数及视频测试数据库中的实验表明,改进的自主扰动变异差分视频关键帧提取算法能够更加有效地优化支持向量机参数,从而有助于改善视频检索的查全(准)率两个算法性能评价标准.     

基于熵的视频运动矢量隐写分析算法

利用运动矢量隐写对相邻运动矢量相似性的扰乱作用,提出一种基于信息熵的视频运动矢量隐分析算法.在视频帧的滑动窗口中选取运动矢量,并分别对水平分量H、垂直分量V、方向D以及长度L等4个系数进行熵值计算以描述相似度.通过移动帧内滑动窗口位置,计算各窗口内运动矢量的熵均值矩阵,构造了16维的运动矢量HVDL特征.为了评估本文HVDL特征的表现,将HVDL与AoSO对比,对不同时期4种嵌入算法的样本进行了隐写分析实验,实验结果表明HVDL对当前安全性更高的隐写算法的检测准确率比AoSO高,且特征运行速度更快.     

AVS视频标准的帧内预测算法改进

为优化AVS视频编码算法提高其算法的运算效率,对AVS视频编解码标准中的帧内编码算法结构进行了合理调整,并对AVS帧内预测的C代码进行优化处理,减少了AVS帧内预测算法的冗余计算和判断,实现了一种改进的帧内预测程序.实验结果表明：优化后的AVS视频编码算法的运算速度提高10%以上,编解码的帧率平均每秒提高7帧左右.     

一种改进的H.264视频防失真漂移隐写算法

数字视频中量化后的残差DCT(离散余弦变换)系数常用来作为隐写嵌入的位置,而直接在DCT域上隐写会导致视频帧出现失真漂移现象,使视频质量受到严重破坏.本文在已有文献的基础上,针对H.264/AVC视频,研究了基于纹理特征的帧内8×8亮度块上的隐写模型,将8×8块和4×4块上的隐写模型相结合,提出了一种改进的H.264视频防失真漂移隐写算法.与已有文献中的隐写算法相比,本文提出的隐写算法在PSNR平均仅降低1.94dB的情况下,隐藏容量平均提升30%.     

基于灰色关联分析的H.264/AVC视频隐写算法

针对当前视频隐写算法对视频质量和码率影响较大等问题,结合H.264编码标准的宏块分割特性,提出一种基于灰色关联分析的视频隐写算法.该算法对原始载体进行灰色关联度计算,判断其是否为非平滑块,再对帧做离散余弦变换(DCT)变换,根据H.264/AVC编码的宏块分割特性得出的分块大小选择合适的嵌入量,在DCT块的低频区域进行嵌入.实验结果表明,进行秘密信息嵌入后,对视频序列的影响较小,亮度分量的峰值信噪比(PSNR)值平均下降约1.323dB,隐写分析平均检测率为35.73%,算法的平均嵌入容量为417b/帧,对码率影响仅在3%以下,攻击后提取秘密消息的相似度(SIM)值在0.79以上.因此,该算法对视频质量和码率影响较小,并具有抗噪声、滤波攻击,隐写容量大等优点.