一种改进的融合前景点重采样的ViBe算法

针对视频第一帧中存在待检测的运动物体,利用视觉背景提取算法(ViBe)对该物体后续帧检测,会在第一帧的位置上持续出现鬼影现象,提出了一种改进的ViBe算法.该算法在视频中融合连续N帧图像作为前景点的基础上,采用重采样的方法来初始化背景模型以实现动态背景有效提取.实验结果表明,提出的改进算法能有效地检测出动态背景下移动物体,并能有效地解决图像获取的鬼影现象,从而提高了算法的误检率及鲁棒性,通过改进后的ViBe算法比原算法能够更有效地检测动态背景下的运动目标.     

用智能手机慢动作测重力加速度

“慢动作”视频录制功能已经出现在大部分智能手机上，文章介绍了用手机慢动作录制物体自由下落的视频，使用Python程序的opencv模块对视频进行帧提取，将视频转换为图像，挑选物体下落的图像并记录下落高度等数据，选取有用数据采用逐差法求解加速度的过程.该方法具有使用器材简单、视频素材可视化、实验误差小等优点.     

基于帧间一致光源颜色估计的视频白平衡方法

针对视频白平衡中产生的画面颜色不稳定问题,提出了基于帧间一致光源颜色估计的视频白平衡方法。首先利用同一消色差物体表面颜色不变的性质,检测视频帧图像中反映光源颜色的灰点,获得单帧图像光源颜色估计。然后对相邻帧光源颜色估计结果进行自适应融合,得到帧间一致的光源颜色估计结果,并进行白平衡处理。通过帧间光源颜色的一致性,达到了画面颜色稳定的视频白平衡效果。实验结果表明,所提方法在保持了视频白平衡结果基本正确的同时,有效提高了视频白平衡结果的颜色稳定性。     

基于改进帧差法的视觉监控实验系统

为了解决监控系统中对移动目标的漏检、误检,以及快速移动目标检测的问题,提出一种改进的帧差法对视频序列识别检测。该帧差法是对连续的3帧图像进行两两差分二值化,然后相邻二值化图像与运算,再把与运算的结果相或。把当前帧的前后两帧的差分二值化图像进行生态学膨胀、腐蚀等一系列处理,处理后的图像与前面或运算的结果作相或运算,这样基本解决误检的问题,再结合边缘提取的Robert算法就可以完整地检测出移动目标。经测试结果表明:在像素值相近时,该检测算法能够较好地解决检测时出现的误检和漏检,并且移动目标速度较快也能够检测出来,检出率高达90%以上,误检率降低到2%左右。     

面向强光源视频的帧插值方法

视频帧插值是在原始帧之间合成不存在的帧,以提高视频帧率。常见的帧插值方法基于深度感知进行帧插值,但在含有强光源的情况下插值效果不理想,因此提出了针对强光源视频的帧插值方法。提取图像的光强特征,将平衡过光强的图像用于帧插值,将帧插值的结果恢复到初始光强。结果表明：在不含有高光强区域的视频中,插值速度及精度与目前最优方法相似;在含有高光强区域的视频中,帧插值精度高于其他方法,验证了该方法的有效性。     

基于视频七阶距特征的内容检索方法

为了能准确地在视频媒体中寻找到所需要的信息片段,提出了一种基于视频图像七阶矩特征的内容检索方法.通过计算图像的七阶矩特征,并以此替代视频每帧图像的信息,对视频中每帧图像及其前一帧的七阶矩特征向量进行比对,计算两者距离,当两者欧氏距离超过某一给定阈值时记录下该帧在视频中的位置,且定义该帧为视频的一个关键帧,并以此为据建立视频文件的带时间标记的关键帧七阶矩向量序列.继而通过对视频流和目标视频的七阶矩序列位置的比对和对应七阶矩距离的计算,确定在视频流中是否包含目标视频,以此实现在视频流中对于目标视频的检索.使用实际视频为例对方法进行验证,效果良好,结果准确,方法还具有较快处理速度和较少的内存消耗,可用于实时处理领域.     

基于深度学习的视频目标检测算法的实现

由于光照变化、物体遮挡和复杂背景条件等众多因素的影响,目标检测一直是机器视觉领域最具有挑战性的问题。首先对视频目标检测算法中的孪生网络系列算法进行分析比较;然后将孪生网络与深度学习相结合,提出并构建全新的孪生网络跟踪器;最后将视频输入到设计好的孪生网络跟踪器中,通过网络对每一帧图像中物体的类别与位置进行准确地实时框选标注。分别将该算法和当前广泛应用的YOLOv3算法在OTB数据集上进行验证测试。测试数据表明:该算法的视频目标检测成功率和准确率均优于YOLOv3算法。     

融合小波变换及SIFT算法的去抖动运动目标检测

采集视频信息时因摄像机抖动造成图像不稳定,将给后期运动目标检测带来严重的误检测问题。针对此问题提出一种融合小波变换及自适应SIFT算法的运动补偿方案。首先引入基于阈值的小波变换对图像进行去噪,然后设计变步长迭代准则自适应地搜索匹配的SIFT特征点,保证了高配准精度的特征点对的获取,通过对比当前帧与参考帧匹配特征点的偏移量估计抖动参数,再利用改进的高斯混合模型对运动补偿后的视频帧进行运动目标检测。实验结果表明,与同类方法相比,能够获取具有更高配准度和稳定性的匹配特征点对以有效地估计抖动参数,具有良好的去抖动效果和较高的运动目标检测精度。     

数字图像技术在三等跨连续梁振动分析中的运用

为了论证视频图像法实测三等跨连续梁固有频率和振型的可靠性及精确性,使用视频录制设备录制三等跨连续梁的振动视频,通过Matlab将其分解成一系列图像,并运用多项式拟合程序将边缘精确到其亚像素级别,得到梁上各点的时间历程,最后进行模态分析。将得到的梁的前3阶频率和振型和通过传统检测方法测得的结果,分别与有限元软件建立模型进行模态分析所得到的结果进行误差对比。结果显示视频图像法对测量三等跨连续梁的固有频率及振型是有效可靠的,而且比传统桥梁检测方法更接近理论计算结果。     

基于自动背景提取及Lab色彩空间的运动目标检测

常用的几种背景提取算法在车流量较大的情况下提取的背景效果较差。在某些目标检测区域较少的场景中,若将所有像素进行检测,会浪费许多时间。针对这些问题,提出一种新的背景提取算法。先将视频帧进行分割,再对分割出的检测带依次进行车辆存在检测,最终自动选取视频中没有车辆的车道块并将其拼接成完整背景帧,最后利用Lab空间色度与亮度相互独立的特性提取目标。该算法能够充分提取前景图像,不会丢失车辆目标。相比传统算法,该算法准确性较高。     

一种改进的视频运动目标检测算法

为了克服帧间差分法和HS光流法在运动目标检测中的缺点,提高视频运动目标检测准确性,提出了一种将改进的三帧差分法和基于灰度梯度优化计算的光流法相结合的运动目标检测算法。首先利用改进的三帧差分算法对图像进行预处理,使用最大类间方差法对图像进行二值化,获得全局二值化阈值,得到准确度较高的运动目标区域;然后利用优化灰度计算的光流法处理,排除光线等因素的干扰,从而更加准确地提取运动目标区域。实验结果表明,该方法能够有效提高运动目标检测的准确性。     

基于视频压缩编码的动态图像水印方案

提出了一种新的基于视频压缩编码的动态图像水印方案。在嵌入水印时,充分考虑动态图像压缩编码的特性,对帧内编码帧(I帧),将水印信息嵌入到DCT低频系数中;而对帧间编码帧(P,B帧),结合动态补偿/离散余弦变换(MC/DCT)混介编码,把水印信息嵌入到运动补偿后的残差图像的自流成分中。同时,在水印嵌入时,采用扩频技术与多维水印相结合的方法,并通过相关检测的方法判断水印的存在。由于水印的检测是对视频码流直接实施的,不需要对压缩数据进行完全解码,从而大大降低了计算量,提高了视频数据水印的适用性。     

复杂背景下运动目标检测与实时跟踪

为准确追踪复杂背景下视频序列待处理目标的位置,提出一种基于互相关信息和Mean Shift相结合的目标追踪算法。将待处理帧和背景帧图像从RGB空间转化为GRAY空间,利用背景剪除法获取待匹配帧的基准图像,对基准图像用快速傅里叶变换得到基准图象和模版图像的相关性,结合Mean Shift最终确定目标图像的位置。实验结果表明,该方法在遮挡、环境干扰等复杂情况下均能稳定有效地追踪目标。     

一种基于直方图的实时自适应阈值分割方法

在视频序列图像中,视频图像分割的主要目的是要在视频序列中分割出运动实体,背景差法能够在实时性要求很高的情况下从一段视频中将当前帧图像跟背景图像作差,然后提取出运动目标,而对差图像进行二值化是关键,自适应阈值方法通过对差图像的直方图进行分析寻找直方图上的一个点,该点到直方图最高点与最低点之间的线段的距离最大,为求该点,本文提出了一种快速算法,以该点对应的灰度值作为阈值,这样运动目标就能够被精确地提取出来.     

基于帧间差分与背景消减的视频摘要算法研究

为克服帧间差分法只适合于帧像素变化较大的视频检测及背景消减法只适合于固定背景模型的视频检测的缺点,提出一种新的基于帧间差分与背景消减的视频摘要算法,这种算法首先对前后两帧的帧图像像素进行检测,若无显著运动对象,则继续进行背景模型对比检测.实验结果表明,该算法能够快速、精准地对运动显著及不显著的视频进行摘要提取,浓缩事件精华,较高地还原视频关键信息内容.     

用于视频拷贝检测的时空视频哈希算法

本文提出了一种基于时域信息代表图像和希尔伯特曲线顺序特征的哈希算法。先从视频段中获取时域信息的代表图像,再对代表图像进行分块,将各块按照希尔伯特曲线的顺序排列,计算出时域信息代表图像上相邻块的灰度关系排序特征,进而生成视频哈希。本文中对多种视频攻击(比如剪切,丢帧,模糊,滤波,添加logo等)下的多类视频(包括纪录片、新闻、体育、人文、动画等)进行了鲁棒性与区分性的试验。实验结果表明本文所提算法较现有哈希算法有更好的检测性能。     

基于五帧帧差和混合高斯模型的运动目标检测

鉴于传统的帧差法检测准确率不高,而且在光照变化、噪声干扰时鲁棒性不高,容易造成检测错误等问题,提出了一种改进的视频序列运动目标检测算法.该算法是将混合高斯模型与改进的五帧差分算法相结合:首先改进五帧差分是将当前帧与前2帧、后2帧进行差分二值运算,然后将4个差分的结果轮廓填充,最后进行先"与"再"或"运算;通过将混合高斯建模后得到的运动目标与改进的五帧差分算法得到的运动目标,进行逻辑"与"操作,最后再通过形态学处理检测出运动目标.从实验结果证明,改进的算法既能适应光照的变化,又能有效克服空洞的现象,与同类的算法相比具有更高的鲁棒性和准确率.     

面向仓库监控的改进式动态物体检测系统的设计

采用混合高斯模型算法,以实现背景前景的分离,并利用前景目标的二值化图像计算其轮廓特性,对超过阈值的目标物体进行预警,同时系统为实现良好的可移植性及较快的硬件处理速率,采用软件分层的体系来实现动态物体检测,底层通过V4L2接口实现硬件视频帧的采集,顶层调用opencv视觉库实现混合高斯模型下的前景提取。最后系统实现良好的人机交互界面的设计。     

一种监控视频分段的方法

本文提出了一种针对监控视频序列的分段算法．即通过计算输入视频帧与可更新背景帧的差异计算帧运动量,来实时更新背景,按当前帧与实时背景帧的差异进行聚类,然后按照每帧图像的类别对该视频序列进行分段,并提供了计算每帧图像时间的算法,从而可以确定各段视频的起止时间,该算法可以为后续的各种视频挖掘算法提供前期的视频数据处理,方便后续的视频数据分析．     

一种基于自适应阈值的运动目标检测方法

针对视频监控系统,论文提出了一种基于自适应阈值的运动目标检测方法。通过帧间差分与背景差分相结合来检测运动目标。差分图像二值化时,利用自适应阈值算法来得到最佳阈值。实验结果表明该方法具有很好的实时性、有效性和鲁棒性。