基于图像边缘特征的目标检测算法

本文提出了一种基于图像边缘信息的显著性目标检测算法。首先,应用Roberts算子和Prewitt算子分别检测图像中0°,45°,90°,135°,接着清除图像边缘噪声,然后结合人类视觉注意机制提出了显著性目标检测算法,最后在公开的数据库上进行测试。实验结果表明,在无任何先验信息的情况下,本文算法能够较好地检测出图像中的目标。     

基于视频图像的人脸检测

视频图像的人脸识别技术发展,促进了数字视频监控等系统的广泛应用。本文对基于特征、模板、统计理论等视频图像的人脸检测基本方法进行了介绍,对人脸检测系统的图像采集、图像处理、特征定位、人脸识别处理等设计进行了阐述,对人脸检测方法的改进进行了尝试。     

基于视频监控的运动车辆检测

基于视频监控的运动车辆检测在当代交通监控领域具有重要意义,在智能交通、数字化城市等方面均有广阔的应用前景,同时运动车辆的跟踪检测也是实现准确采集和检测的难题和关键。本文针对视频图像存在噪声的问题,采用中值滤波的去噪方法,取得了明显的效果。针对运动车辆检测问题,采用改进的背景差分法检测运动区域。实验结果表明,在背景不是特别复杂的情况下,本文的方法可以用更少帧获取更好的效果,提高了系统的实时性。     

基于视频图像的车流量检测系统

为了实现道路上车流量的统计,本文主要介绍相关视频处理技术在车辆检测中的应用,并研究基于视频的车流量检测方法。设计中采用混合高斯背景模型算法对背景建模,设置指定检测区域并使用检测线法实现了基于视频图像的车流量检测系统,并通过MATLAB仿真实现。     

基于SSD的道路车辆目标检测

针对道路交通场景下的3类目标(小车,公交车,卡车),本文先创建特定场景下的目标数据集,并对其中的数据标注规则,标注方法以及标注手段进行实验。采用SSD目标检测算法,训练得到特定场景下的目标检测模型,并融合数据增广等方式对数据集优化。通过实验分析,本文的训练模型检测准确度高,并且模型的鲁棒性好。     

基于OpenCV技术的视频车辆运动目标提取

本文使用Visual Studio 2008作为开发环境,并结合OpenCV提供的图像处理函数库,从开发者角度阐述了视频车辆运动目标提取的基本流程和实现方案。实验结果能够准确提取清晰的车辆轮廓图像,不仅为交通量统计提供可靠依据,也能提供公路的科学管理水平。     

基于卫星图像技术的车辆速度检测

文章针对高分辨率卫星图像,设计一种基于卫星图像的车辆速度检测方法。对于采集的高分辨率卫星图像,先通过图像平滑及图像增强对图像进行预处理。然后采用面向对象的多尺度分割技术,通过计算同质性和合并同质性大的区域对图像进行分割,分别采用大小两层尺度分割出道路和车辆,利用模糊分类方法进行车辆探测识别。最后利用成像时间差,通过图像融合,提取不同时相下的车辆坐标,计算车辆速度。     

基于动态背景的视频图像运动检测

在动态变化背景下,实际视频图像运动检测受到光线很大的影响。本文把帧差绝对值法改进成三帧差法,并提出基于三帧差法和背景减除法相结合的运动目标检测和自适应背景更新方法——动态三帧差法。它采用了动态更新策略,能够在正确获得运动目标区域的同时有效地抑制背景渐变的干扰。通过动态背景下检测运动飞机的实验结果,证明该系统性能稳定,检测效果较好,满足实时系统的要求。     

基于视频图像的交通事件处理检测研究

随着经济的快速发展,公路车流量的不断加大,这给交通事件处理和检测带来了更大的难度。为了使交通事故发生后,事故能够及时有效的处理。基于视屏图像的交通事件处理技术应运而生。通过视频检测技术和相应算法完成交通事件的处理体现了智能交通技术的发展要求。视频检测技术是通过摄像头采集到的视频图像,利用数字图像处理技术并加入相应的图像算法加以处理,从而得到处理结果。本文首先介绍了基于视频图像的交通事件处理流程和系统结构。之后对视频图像检测算法进行深入讨论和研究,本文的研究为交通事件处理中视频图像处理技术的应用打下了理论基础。     

基于MATLAB的视频马赛克检测算法

马赛克是多年来困扰广电工作者的问题,目前我国大多数无线覆盖台站仍沿用人工监看的方法来监测电视视频的马赛克现象,这一做法显然已不能满足愈来愈高的安全播出要求。文章提出一种基于MATLAB的视频马赛克检测算法,在对视频图像进行canny边缘检测的基础上,通过模板匹配来实现马赛克检测,仿真实验的结果验证了本算法的有效性和实时性。     

嵌入式视频车辆检测系统

设计并实现了一种基于DM642视频车辆检测系统。提出了一种基于虚拟线圈匹配的算法,算法原理是估计车辆的速度和结合背景差统计量来检测通过监测区域的车辆,把算法移植到DM642平台中进行处理运行,处理结果可以满足视频处理的实时性要求,并且算法对外界环境变化的干扰有一定的鲁棒性,准确的车流量检测精度,并且运行稳定。     

基于目标显著区域的图像检索算法

针对基于区域的图像检索技术中在构造显著区域时忽略人眼视觉的影响而造成的检索率偏低问题,提出了一种新的图像检索算法.首先,引入人眼的视觉特性,提取图像的一些有意义的点特征,构造显著区域,在此基础上,定义图像的特征描述符,以描述符为线索,将图像的形状特征和空间颜色分布特征有机进行结合,不仅克服了基于目标区域检索时的缺点,而且降低了传统目标区域提取算法的复杂度.实验结果表明,该算法具有较高的检索效率.     

基于边缘检测的图像缩放算法

论文提出了一种保持边缘特征的图像缩放算法,算法首先检测图像中物体的边沿,并在传统边沿检测方法的基础上增加“不确定度”这个参数来提高边沿检测的鲁棒性;对边缘区域像素的插值沿边缘方向进行,对非边缘区域的像素的插值用三次卷积的方法生成。该算法能有效消除传统插值算法在物体边缘部分出现的锯齿,提高了缩放后图像的视觉质量。仿真结果表明,对人造图像和自然图像,本算法均能保持良好的边缘特征,取得较理想的图像缩放效果。     

排球视频中的运动目标跟踪及检测算法研究

为了提升排球视频中的对于目标的追踪能力的准确性,本文利用Mean shift算法,提出了一种高效率并且又稳定的运动目标跟踪检测算法。算法根据排球在x、y轴上的坐标位置和排球在在x、y上的速度,进行观测向量的设置,并求解观测值。实验过程中采用五台摄像机对排球运动场进行全方位的目标跟踪,最终求解得到排球在三维空间的运动轨迹。实践证明,本文算法图像处理信噪比高,时间复杂度低。     

针对基于FPGA的视频图像预处理的算法研究

针对基于FPGA器件实现实时视频图像处理中原始视频数据与视频编码算法不兼容的问题,本文提出了一种离散缩放算法,通过它对原始图像进行预处理,能使图像缩放后仍具有自然分明的边界,达到较为理想的视觉效果,可以更好地通过FPGA器件进行后来的视频图像压缩。     

体育运动视频图像基于聚类提取算法的研究

针对在同一场景下获取的体育运动视频序列,提出了一种基于累积帧差交集聚类提取运动员对象的算法。首先进行预处理,然后通过采取将两类帧差结果交集聚类的方法,并用中值滤波和形态学方法提取处理差值图像,得到运动前景对象。实验结果表明,该算法计算量较小、复杂度较低、实时性较高,能够获得较好的分割效果。     

基于视频的停车位内车辆的压线检测方法研究

本文利用概率Hough变换识别出车位线区域,再经过一系列形态学处理获取车辆实时运动状态,实现车辆跟踪。根据建立的压线分析模型,提出一种数学分析方法判定出车辆停车后是否发生了违章压线情况,并根据车辆的压线情况给出相应提示或警告。实验结果表明,本方法能识别出车辆的压线情况,算法对压线检测的准确性高,鲁棒性好。     

基于 SUSAN 算法的图像边缘检测实现

介绍了基于SUSAN特征检测算子的图像边缘检测算法,分析了该算法原理及实现过程,并用Matlab实现该算法,给出了实验结果,分析了SUSAN算法的优势。     

基于视频的运动目标跟踪算法研究及改进

基于视频的交通事件管理过程中需要知道运动目标的个数、运动快慢等参数,这些数据的得到需要进一步对相关检测目标进行跟踪。运动目标跟踪的主要工作是提取、识别以及跟踪,既而得到跟踪目标的位置、速度、加速度和运动轨迹等相关运动参数。运动目标跟踪算法一般情况下包括基于区域、基于特征、基于模型、基于轮廓的跟踪方法等,各种算法有自己的适用环境及优缺点。     

基于流形学习的视频中文文本检测算法

提出了一种基于流形学习的视频中文文本检测算法.算法重点针对文本图像和非文本图像的特征提取、流形降维、分类器训练等关键部分进行了改进,对人为收集的文本图像样本与非文本图像样本进行特征提取,并使用等距离映射的流形学习算法来完成特征降维,最后使用支持向量机来完成分类器训练,获取文本与非文本检测分类器,完成视频中文文本检测.实验结果表明,算法具有明显优越性,在检测可靠性和准确度上有较大提高,具有一定的实用意义.