基于背景差分法和光流法的视频动态目标检测与跟踪

视频运动目标检测和跟踪技术是智能视频监控的关键技术。基于这两方面展开研究,提出了自适应场境的运动目标跟踪方法。系统由背景差分实现目标检测,由目标区域LK光流预测实现目标跟踪,并融合了＂运动＂背景局部更新来实现跟踪系统对环境的自适应性。最后用VC＋＋和OpenCV软件平台设计了监控系统的演示环境,在简单场景中实现了运动目标的检测和跟踪,初步验证了系统算法的可行性和可实现性。     

智能视频分析技术在监狱监管工作中的应用

本文主要分析了智能视颇分析技术.研究了视频监视系统中的运动目标检测与跟踪方法,提出了基于背景统计模型估计的方法在基于运动目标检测与跟踪算法的智能视频监控系统中的实际应用方案,并设计了基于智能视频分析技术的数字化监狱网络监管系统的实现方案,包括基于DSP处理和单片机控制的运动目标检测与跟踪系统的硬件组成方案,和基于运动目标检测与跟踪算法的智能视频监控系统控制图像处理电路以及算法流程.     

实时视频中多目标遮挡跟踪方法研究

在监控背景固定的情况下,提出了基于目标模型的多目标遮挡跟踪方法。首先建立目标模型,包括颜色、形状及运动特征,然后通过帧间建立的匹配矩阵判定目标是否发生遮挡。当目标发生遮挡时,提出生成“虚目标”进行遮挡目标定位,再通过概率推理方法计算遮挡目标的可见度。实时视频上的实验结果表明,算法能在遮挡时准确跟踪及识别目标。     

基于DSP视频运动目标的实时检测与跟踪系统研究

为实现复杂背景下对任意目标的智能检测与稳定跟踪,采用TI公司TMS320DM642专用数字信号处理器,架构-视频运动目标检测与跟踪系统.实验表明,在目标变化和有物体遮挡干扰的情况下,系统能获得连续稳定的跟踪效果.     

光照背景下自相关累积泰勒展开的弱亮点检测

在光照背景下,弱亮点模型因为受到光照色差的干扰,导致对其检测较为困难。通过对光照背景下的弱亮点模型进行检测,特别是对光照背景下运动人体目标检测,是实现智能视频监控的基础工作。提出一种基于自相关累积泰勒展开的弱亮点目标图像检测算法,首先对光照背景下的弱亮点行人进行目标角点检测与预处理,对每个图层的自相关累积特征进行泰勒展开分离,形成原始的图层自相关累积泰勒展开库,求得小邻域内的亮度变化值,实现对光照背景下的弱亮点运动行人图像的角点检测,并作为前置处理算子,实现基于自相关累积泰勒展开的弱亮点行人检测算法改进。仿真实验表明,该检测算法得到的光照背景下的人体的轮廓特征得到准确凸显,检测性能较优,精度较高,鲁棒性好,在智能视频监控等领域具有重要的应用价值。     

基于区域协方差矩阵的模板更新方法分析与比较

在目标跟踪算法中,目标特征描述子和模板更新策略都是跟踪成败的关键。本文在选用区域协方差矩阵描述子的基础上,结合粒子滤波器算法,并且采用两种常用的模板更新方法,分别对商场通道监控视频序列中的行人进行了跟踪仿真实验。通过仿真分析并比较不同模板更新方法条件下的跟踪性能,从而在不同情况下选择合适的模板更新方法,以得到更精确的跟踪结果。     

基于背景模型的视频运动目标分割研究

智能视频监控已经应用于生活中的各个方面,并且伴随着新的更高的需求,还需要不断地发展。在我国,更面临着把理论应用于实践的迫切任务。其中,对视频运动目标的分割是识别,跟踪与分析的基础。最简单的分割方法是帧差法。主要对比帧差法效果更好的背景建模法进行研究探讨。     

智能视频监控中的运动目标检测研究

现有的背景差分法在背景模型的维持和更新不能用于长期和复杂的场景,针对智能视频监控中的运动目标的检测,提出了帧间差分法重建背景图像,背景差分法分离背景像素点与运动目标点,自适应背景更新方法应用背景的定时自动更新,有效的分离了运动目标和背景图像。该方法不仅能够减小运动目标的检测误差,而且提高系统运行速度,实现复杂环境下的运动目标检测。     

改进的粒子滤波的视频图像目标跟踪技术

主要研究了视频图像目标跟踪准确性问题。在基于核的颜色特征统计描述及以此建立视觉目标观测概率方法的基础上,提出了一种改进的粒子滤波视频图像目标跟踪算法。首先,本文给出了基于标准粒子滤波的单特征、单目标跟踪算法,然后针对加权样本参数的选择不同,提出改进思路,最后通过与基于均值移位视觉目标跟踪算法的实验结果对比。提出的改进的粒子滤波跟踪算法在稳健性方面有显著地提高,而且若适当选择视觉跟踪参数,在实时性方面能得到有效地保证。     

基于改进无序运动数学形态特征的弱目标跟踪

在视频无序运动目标实时跟踪中,无序性的出现会使所跟踪目标的尺寸和色彩等外观线索失去强度可靠性,跟踪目标的弱化会导致对目标地错误跟踪.为了克服这一问题,本文提出了一种基于改进无序运动数学形态特征的弱目标跟踪算法.该算法根据数学形态模型,分割出图像中的可跟踪特征,进行弱化特征增强,利用卡尔曼滤波预测各目标是否遇到是真实跟踪模型,在目标较为弱化的情况下,可以计算最佳定位信息更新目标信息.计算机仿真结果表明,所提出算法能够在保证实时性的前提下,在目标较为弱化的情况下,均能实现准确跟踪,并且跟踪结果令人满意.     

智能视频监控中运动目标跟踪技术论述

随着科学技术的迅速发展,视频监控技术也在不断的进步。在智能视频监控系统中最基本并且应用最广泛的技术就是目标的检测以及追踪技术。本文从运动目标检测的方法入手,针对智能视频监控中运动目标的检测以及跟踪技术进行详细的研究。     

基于DM642的混合高斯模型运动目标检测系统设计与实现

运动目标检测是智能视频监控技术的重要环节,精确的分割出运动目标是后续监控技术得以实现的重要基础。该文以强大运算能力的DM642为核心搭建了运动目标检测系统硬件平台,实现和优化了基于混合高斯模型的检测算法。实验表明,该系统能有效地检测出运动目标,实时性较高。     

基于TMS320DM642 DSP的实时视频监控系统实现

为了实现视频监控运动目标自动检测和跟踪的应用要求,设计了基于高性能DSP的运动目标跟踪嵌入式系统。该系统利用视频格式YUV420模型的Y分量进行运动目标检测,并以目标的形心为跟踪点,通过绝对误差和判决标准对运动目标进行跟踪;最终利用协同控制策略对摄像头进行控制,保证运动目标长时间保持在视野范围内。该系统通过基于DSP硬件结构的各软件模块优化,提高系统的处理能力,实现了系统的高效跟踪。     

大型智能楼宇中的逃生通道监控系统设计

大型智能楼宇的逃生通道是确保人员安全的生命线,需要对其有效监控。传统的逃生通道监控系统仅采用视频监控方法,预测预警和智能分析能力不好,智能不高。提出一种基于双目视觉动态跟踪和静态测量的大型智能楼宇中的逃生通道监控系统设计方案,采用物联网结构模型,实现信息交互和控制,采用双目视觉动态跟踪技术,实现对监控运动目标的自动检测,双目动态跟踪系统配有2个高品质的光学CCD和特殊光源,监控逃生通道的二维图像,采用圆周点法进行标定,得到楼宇中逃生通道人员方位置信度,静态测量热源目标名义值与真实值间的偏差,提高监控性能,并实现实时跟踪和三维测距。仿真结果表明,设计的系统具有较好的识别率,能有效识别逃生通道中的障碍物,实现对障碍物和人员的准确定位识别,对逃生通道监控角度的配准率较高,实现智能全天候实时监控,性能优越。     

高效运动目标检测算法研究

运动目标检测是计算机视觉与视频图像处理领域的重要研究课题之一,在视频监控、安防、智能交通、军事、科研等领域都有广泛的应用。提出了一种基于OpenCV的高效运动目标检测算法。     

基于智能视觉的交通多状态监控系统

现有交通监控系统中所应用的各种技术只能对交通的流量特征进行监控,无法对交通状况做出及时有效的判断,细分交通的不同状态。本文在运动目标检测和跟踪的基础上,提出一种基于智能视觉识别,全新的信息获取和处理技术与交通多状态识别系统。该交通监控系统利用监控图像帧差灰度变化区间,进一步研究目标的行为状态和方式。对更新图像背景,图像处理和计算机视觉具有较高的检测精度。     

基于对称差分和特征点SSDA算法醛运动目标跟踪

针对模板匹配跟踪算法在模板更新时一旦模板信息更新不当,易出现目标跟丢及难以重新捕获目标的问题,给出了一种对称差分和特征点SSDA相结合的运动目标跟踪方法。该方法综合了对称差分法的优点,不仅可以自动提取目标模板,而且在目标跟丢时,可以重新捕获目标。另一方面,该跟踪方法还利用了SSDA算法的优点,不仅搜索目标速度快,而且在运动目标变为静止时以及运动目标较小时,也能保持稳定跟踪。实验结果表明该跟踪方法是行之有效的。     

智能视频监控中的异常检测方法研究

对智能视频监控中人的区域入侵异常、滞留异常、奔跑异常等进行了分析研究,给出了三种异常的检测方法。多高斯模型用于运动目标检测,Mean Shift算法用于运动目标的跟踪,运动目标速度的计算能够区别目标的走与跑,并且对它使用的修正方法可以降低摄像头远近所带来的误差。     

联合背景差分与区域光流的运动目标轮廓提取

针对光流法计算量大并且无法精确提取运动目标轮廓的问题,提出一个联合背景差分与区域光流的运动目标轮廓提取算法,首先对运动目标区域进行标定,并通过求解区域光流得到光流图像,然后结合基于统计平均的背景差分法获取运动目标二值图像,从而提取出运动目标轮廓。实验结果表明,在监控场景中,本文算法能够准确地提取运动目标轮廓。     

基于Mean-shift与Kalman算法相结合的动态目标跟踪算法研究

针对动态目标的跟踪,本文给出了采用Mean-shift与Kalman算法相结合的一种方法。该方法首先用Mean-shift算法确定动态目标所在的特征区间,然后再用Kalman算法对动态目标进行跟踪预测。