数字视频监控系统中运动检测算法及应用

运动检测是图像处理和分析系统的关键技术,本文详细阐述了数字视频监控系统中运动物体检测算法中的帧差法,该算法主要基于视频帧图像的变化分析;以及运动方向判断算法中基于视频块的匹配算法,并介绍了基于这两个算法的一个系统的实现.     

基于改进YOLO算法的FSAC赛车实时目标检测系统

针对中国大学生无人驾驶方程式大赛(Formula Student Autonomous China,FSAC)赛车目标检测系统检测速度较慢和鲁棒性较差的问题,文章提出了一种基于改进YOLO算法的实时目标检测方法。以YOLOv3-tiny网络为基础,根据目标物较为细长、尺寸较小的特点,使用k-means算法对数据集中的真实边界框进行聚类,选取合适的边界框数量和规格改进YOLOv3-tiny网络结构,使其目标检测时能融合更大的尺度信息,对小目标物检测更加有效和准确;将改进的算法部署在机器人操作系统(robot operating system,ROS)中,并将实时目标检测系统搭载到NVIDIA Jetson TX2嵌入式开发板中,形成适用于FSAC大赛特定场景的轻量化实时目标检测系统。实验结果表明,改进算法的召回率达到94.1%,比原始算法提高了11.8%;准确率达到93.2%,提高了3%;在NVIDIA Jetson TX2中画面每秒传输帧数FPS达到20,检测速度满足实时检测需求。     

基于DSP的运动目标实时检测自适应算法

嵌入式系统中运动目标检测存在噪声影响大、实时性差的问题。采用TI系列的TMS320DM642设计了一种运动目标自适应检测系统。首先计算相邻帧图像差值的熵值,通过三帧差法自适应地提取目标。最后,将该算法移植到了DSP平台。实验结果表明,该算法能有效解决三帧差法中噪声干扰问题,而且实时性好。     

基于改进ViBe算法的运动目标检测

ViBe算法是一种基于静态背景下的运动目标检测算法,针对其“鬼影”问题和运动目标静止时会被更新为背景的问题提出了改进ViBe算法,即对原ViBe算法的背景模型初始化、动态阈值、前景分割和背景模型更新等4个部分进行了改进。采用均值法获取的背景图像初始化背景模型,可消除“鬼影”;利用计数法控制前景分割动态阈值,使前景图像更加准确;使用帧差法思想改进前景分割,使前景图像更加完整;通过引入阈值保证背景模型更新的稳定性。根据试验结果可知,改进ViBe算法对正常移动车辆、较小运动目标和存在静止情况的运动目标都有较好的检测能力,解决了“鬼影”问题和运动目标静止时会被更新为背景的问题,同时相较于原ViBe算法和其他常用运动目标检测算法,改进ViBe算法在保证准确性的基础上提高了检测的完整性。     

基于改进的codebook算法的运动目标检测

针对传统的codebook算法在面临复杂的环境背景干扰下进行运动目标检测中存在算法冗余的问题,提出一种改进的codebook运动目标检测算法.通过改进的码本描绘背景中感兴趣的码元进行建模,同时选择YUV空间模型替换传统的RGB模型,并在目标检测阶段融入训练元素来解决背景像素变化的问题,以提高运动目标检测的计算效率和可靠性.仿真结果表明,该方法比传统的目标检测算法具有更高的实时性、鲁棒性和准确性.     

一种改进的基于角度检测的实时指尖检测算法

针对目前指尖检测算法不能同时兼顾检测率和实时性方面的不足,提出一种改进的基于角度检测的实时指尖检测算法.先用背景差和肤色相结合的方法检测出目标手区域,然后提取手区域边缘,再用改进的指尖检测算法检测出候选指尖点,并用聚类算法和凹凸性方法对筛选出的候选指尖进行进一步筛选,最后用一种新的后处理方法对获得的指尖进行排误,以提高指尖的正检率.实验结果表明,该算法在保持较高正检率的基础上,同时具有良好的实时性.     

一种基于Faster-RCNN的车辆实时检测改进算法

随着交通愈加发达,道路愈加拥堵,如何实时准确地获取车辆基本信息以便交通部门及时管理特定路段和路口的车辆显得日益重要.对交通视频中车辆的检测和识别,不仅需要实时检测,还要保证其准确性.针对实际情况中车辆之间的遮挡、光照的变化、阴影、道路旁树枝的晃动、背景中固定对象的移动等因素严重影响检测与识别的精度的问题,提出基于Faster-RCNN(Faster-Regions with CNN features)的车辆实时检测改进算法.首先采用k-means算法对KITTI数据集的目标框进行聚类,得到合适的长宽比,并增加一组尺度(64~2)以适应差异较大的车辆尺寸;然后改进区域提案网络,降低计算量,优化网络结构;最后在训练阶段采用多尺度策略,降低漏检率,提高精确率.实验结果表明:改进后的车辆检测算法的mAP(mean Average Precision)达到了82.20%,检测速率为每张照片耗时0.03875 s,基本能够满足车辆实时检测的需求.     

基于改进Boosting算法的夜间运动车辆检测

针对夜间交通场景中运动车辆目标提取及实时检测困难的问题,引入改进的Boosting模糊分类算法,提出了一种新的基于车头灯的夜间运动车辆检测方法.通过SIFT算法和融合多特征的方法精确提取夜间运动车辆车头灯特征,利用遗传算法优化Boosting模糊分类算法,并以加权投票方式对提取的车头灯特征进行分类判别,最后结合车头灯空间、运动信息及灯光颜色信息进行同车车头灯配对分组,实现夜间运动车辆的实时检测.实验表明,该方法在夜间交通环境中具有良好的实时检测效果和较高鲁棒性.     

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.     

基于YOLOv3模型的实时行人检测改进算法

针对当前行人检测方法实时性和精度不能同时兼顾的问题,提出基于YOLOv3改进的实时行人检测算法。本算法对YOLOv3模型进行改进,融入标签平滑,增加多个尺度检测,并采用k-means算法得到模型中的anchors值,实现自动学习行人特征。通过在Caltech数据集上测试结果表明,改进后的YOLOv3行人检测算法mAP（mean Average Precision）达到了91.68%。在分辨率1 920×1 080的视频下,运行速度超过每秒40帧,满足实时行人检测的需求。在Daimler、INRIA行人检测数据集测试结果表明,该改进模型同样具有良好的性能,从而验证该模型具有良好的鲁棒性和泛化能力。     

基于实时时间常数的一阶检测系统预测算法及应用

从一阶检测系统的阶跃响应出发 ,利用计算机实时采样的数据和推导的相关公式 ,可以精确的计算出检测系统的时间常数 ,同时 ,利用响应过程特性曲线 ,可以方便地“预测”出激励信号的大小 ,减小了系统的动态误差 ,缩短了检测时间 ,有较大的实用性     

DNS实时监控统计系统的设计

分析当前DNS系统安全在服务监控统计方面的进展及问题,设计一种多层次构架的实时监控统计系统DRMSS,其利用BPF机制过滤DNS服务报文数据,通过缓存机制存储和处理监控统计信息,并结合Iptables应用。该系统具有广泛的适应性,能对多种域名服务器服务实现实时监控处理及数据统计整合。实验表明,DRMSS显著提高了域名监控统计的服务性能,增强了域名服务的安全性。     

基于改进姿态估计算法的嵌入式平台实时跌倒检测

为了实现视频中特殊人群跌倒检测的实时性和降低误检率。通过采用改进的姿态估计网络提取人体关节点的方法,研究了使用前后帧关节点的变化来对人体进行追踪和跌倒行为检测。为了在嵌入式平台上使姿态估计网络达到实时效果,采用带有注意力机制的轻量化结构搭建深度卷积网络来提取人体关节点坐标,并合成完整的骨架信息。结果表明：带有注意力机制的姿态估计算法在不同数据集上的准确度均有提升;同时在嵌入式平台上保持误检率较低的情况下达到实时跌倒检测。可见基于改进姿态估计算法并通过关节点判断的方法较好地实现了人体的跌倒检测。     

基于改进Otsu的室外道路实时检测与跟踪算法

室外道路检测与跟踪是移动机器人完成室外环境探索和自主导航的基础和前提.针对室外机器人工作环境复杂、光照多变等特点,提出了一种适用于室外道路实时检测与跟踪的算法.首先将CCD摄像头获得的画面通过预处理,提取视频画面的感兴趣区域(ROI)并转化为HSV颜色空间下的图像,然后通过改进的自适应阈值分割法(Otsu)获得道路图像的边缘信息,采用抗干扰能力较强的霍夫(Hough)变换得出画面中的可通行区域,最后采用加权马氏距离判别法跟踪可通行区域.实验表明,该算法在室外环境下具有较好的道路识别跟踪能力和实时性.     

基于改进K均值的运动目标检测算法研究

背景建模是运动目标检测的关键环节,提出了基于改进K均值背景建模的方法,并进行前景提取．该算法在HSV颜色空间对视频流的前N帧中的每个像素样本进行K均值聚类学习,K均值聚类的结果用来表示该像素螅背景模型;接着输入的视频流像素与背景模型比较,进行背景、可能前景和阴影的分离,并提出了一种像素相关的选择性背景更新机制;然后利用TOM（Time Out Map）方法来消除鬼影现象．实验结果表明该算法能够很好地对背景进行建模,较精确地提取出运动目标信息,对光照变化具有较强的鲁棒性．     

运动点状目标检测的改进算法

讨论了用Ｈｏｕｇｈ变换、匹配搜索和神经网络来检测点状运动目标的方法，当目标信号微弱时，目标检测必须依靠多帧信号的积累。Ｈｏｕｇｈ变换、匹配搜索和神经网络对于可检测信杂比，计算复杂性及可实现性等各有其特点。本文通过计算机仿真和理论分析对几种算法了比较，并提出了相应改进的综合算法。     

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.     

基于短消息的水质实时监控系统

手机短消息是如今常用的通讯方式。本文在介绍了水质实时监控的概念保定基础上,利用成熟的短信通信手段,设计了水质实时监控系统。并对该系统的构成及设计思想进行了详细说明。     

一种用于视频监控的运动检测算法及实现

运动检测是视频安全监控中较为重要的组成部分。对Bayes法则的门限检测算法加以改进,提出了一种应用于视频监控的运动检测算法,并且介绍了算法的具体实现过程,给出了实现的结果。