交通监控中基于压缩感知的WMSN视频编解码

在交通监控中,利用WMSN节点获取路况视频,适用于复杂多变的地理环境,但视频图像数据量大,而WMSN节点资源受限。基于压缩感知技术和传统视频编码理论,提出了一种新的WMSN视频编解码方法。在编码端,依据视频图像的相关性对视频流进行分帧,再根据其特点分别进行压缩感知处理。在解码端,运用OMP算法重构关键帧和残差帧视频图像,进而恢复视频流。仿真实验表明,在保证视频图像重构质量的前提下,可以减少监控网中视频传输的数据量。     

交通视频检测系统中背景提取的优化算法

介绍和分析了4种常用的背景提取算法,在此基础上提出了一种新的背景提取算法:用视频序列的当前帧和背景帧相减来获得运动车辆的信息。实验测试表明:该算法取得的背景效果良好,具有较强的实用性和参考价值。     

运动车辆检测的APG-TR算法

为了提高智能交通系统中运动车辆检测的准确率,提出了一种基于张量恢复的APG-TR算法。采用张量表征交通视频图像,保持视频图像高维结构特征。通过张量恢复,重建出张量的低秩部分与稀疏部分,实现交通视频图像中交通背景与运动目标车辆的分离与交通视频内在特征的提取。利用交通监控系统采集到的交通视频106帧图像对本文算法进行了测试。测试结果表明:在晴天条件下,APG-TR算法的平均正确率为91.4%,在雨、雾天气条件下,正确率分别为86.4%、85.2%,相比帧差法更加稳定与准确。APG-TR算法具有良好的收敛速度与鲁棒性,在智能交通领域中具有广泛的应用前景。     

交通事件视频图像自动识别系统的研究

如何有效利用高速公路视频图像信息,实时全天候自动智能检测交通事件,提升交通管理部门应急处置能效,是当前公路视频监控亟需解决的问题．本文基于视频图像处理技术,开展交通事件自动识别算法和系统的研究：采用中值滤波、亮度缩放等图像预处理方法,提取交通视频图像的前景目标边界并抑制噪声;基于灰度阈值化方法,对车辆前景进行二值化分割处理;提出一种二值化场景图像连通区域标定算法,对交通事件前景目标进行特征提取与检测识别,并基于上述算法和识别流程开发了交通事件视频自动识别系统．试验表明,该系统对噪声干扰抑制能力较强,识别准确率较高．     

基于监控视频的公路能见度检测方法

雾霾、沙尘等低能见度天气状况的频繁发生,严重影响到日常交通管理及出行者的生命、财产安全。针对低能见度环境下极易发生公路交通事故的问题,提出一种利用公路沿线已经架设的监控设备对各路段的监控视频数据进行实时图像处理分析的公路能见度检测方法。该方法是在传统暗原色先验算法的基础上,将监控视频帧转换为灰度图像,并结合自适应导向滤波算法和四叉树图像分割算法,提取监控图像所包含的空气透射率及大气光值等特征参数。然后基于能见度计算模型,依据监控设备与检测目标物之间的实际距离及偏移角度,估测道路的能见距离。实验结果表明,优化后的图像处理方法可以解决图像清晰度低、色彩失真、场景适应能力差等问题,且检测的能见度值误差率满足我国公路能见度检测精度要求。最后,结合能见度检测方法,提出了相应的能见度预警策略并应用于公路能见度检测与预警系统,为驾驶员实时提供雾区路段的能见度值信息和预警建议。     

抵抗线性共谋攻击的空域自适应视频水印方案

针对视频水印中存在的线性共谋攻击问题,建立了线性共谋攻击的数学模型,并根据建立的数学模型提出了抵抗线性共谋攻击的视频水印设计规则.基于该规则,提出了一种有效抵抗线性共谋攻击的视频水印方案.该方案从视频帧中自适应地选取一些互不重叠的8×8的块(子帧)作为嵌入区域,嵌入强度自适应于相应子帧的方差.实验表明,该算法在经过线性共谋、帧去除、帧插入、帧重组以及MPEG-2压缩等各种攻击后,水印提取的正确率仍可达到100%.     

基于反馈背景模型的城市道路交叉口前景目标检测

为准确检测城市道路交叉口监控视频中缓慢行驶或短时停留的前景目标,提出了一种基于前景目标反馈的背景模型检测方法.首先基于观测样本的像素值构建背景模型,利用计数器观测像素点检测为前景或背景的次数并描述当前场景的交通状态和稳定性,其次根据场景自适应阈值判断当前像素点为前景点或背景点,最终通过交通状态和场景的稳定性更新背景模型.采用基于真实的交叉口视频场景对算法的有效性进行了定性与定量分析.实验结果表明,该算法在复杂的城市道路交叉口场景中检测出缓慢行驶或短时停留车辆的性能优于其他方法,同时能够满足城市道路交叉口智能视频监控实时性和准确性的要求,为交叉口前景目标的行为分析奠定了基础.     

基于自适应复杂场景的背景建模方法

因复杂场景下的背景动态变化大,大多数背景建模算法易引起误匹配而导致检测精度降低.为此,提出一种基于自适应复杂场景的背景建模方法,背景模型采集视频前5帧图像初始化模型,通过后续帧获取像素的分布特征并更新背景模型.算法提出自适应离散系数结合像素值检测像素动态变化幅度,获取复杂背景中的目标.实验通过对多组数据测试,验证了算法检测精度优于其他算法,有效改善复杂场景下动态背景对前景目标提取的影响,减少了由背景像素值大幅度变化产生的假前景,在复杂场景下检测目标有较强的适应性和鲁棒性.     

一种基于图像处理的超载货车智能监控系统

货车超载已经成为公认的安全问题,同时也涉及到运输成本和安全管理人力投入。当前,各国政府都投入了巨资用以治理超载问题。常规方法之一是通过安装视频监控系统来监视道路情况。然而,对于多个卸载场,同时有几十甚至上百监控画面的情况,采用人工观看这种传统的监控模式,效率相对偏低。因此,开发了一种基于图像处理算法的智能超载卡车视频监控系统。该系统采用图像处理算法来自动检测超载管理站的卡车,并定时比对同一位置货车影像以确定是否为同一车辆长时期停在卸载场,未进行卸载处理。通过处理2万多张图片,建立了正负样本数据库。利用Haar-like特征和Adaboost训练算法,从实时监控视频数据流中检测卡车。此外,利用样本图像灰度值分布计算的统计规律,对货车检测结果进行了改进。实际测试验证了系统的有效性。     

无人机广域视频的机动车交通参数计算及分析

基于视频的交通参数提取在智能交通系统中具有重要意义.针对无人机视频, 提出了一种基于大范围无人机视频的机动车交通参数提取方法.首先通过建立无人机广 域镜头图像的校正算法去除交叉口视频图像的广角畸变,然后将像素坐标转化为真实坐 标.其次,利用帧间差分法计算行驶车辆的速度、加速度、车头间距等车辆运行参数,将计 算结果与真实车辆及软件提取运行参数进行对比,结果证明该方法具有较高的准确性和 可行性.最后,实例验证该方法能较准确地获得交叉口车辆运行参数,并将其应用于车辆 通过交叉口全过程的速度变化规律分析.     

视频内容分析系统的结构设计与应用

本文提出了一种视频内容分析的系统结构,重点分析了几种视频分析方法：视频结构分析,代表帧提取和视频运动分析,并讨论了在视频内容分析基础上的应用,即基于内容的视频检索、视频     

һ�����͵��˶�Ŀ��ʶ��������㷨�о�

提出了一种应用于智能交通监控系统的运动目标识别和跟踪方法。针对帧间差分提取运动目标的缺陷与不足,提出了一种基于冗余小波变换的运动目标识别算法,即直接在冗余小波变换域提取运动区域,从而检测出运动目标。对于检测出来的运动目标,本文对mean-shift算法进行了改进,采用自适应mean-shift算法,对目标进行跟踪。实验结果表明,本文提出的算法可以有效地提取运动目标,即使目标与背景具有较高的相似度,也可以较准确的提取出前景运动信息,效果要好于传统的帧差法;跟踪目标准确度高,不受目标大小变化的影响。本算法具较高的实用价值和应用前景。     

������Ƶ���е����˶�Ŀ����ٷ����о�

本文研究了基于视频序列的行人多目标跟踪方法。首先利用视频图像处理技术实现背景提取、背景更新、移动目标检测。然后利用移动行人在相邻两帧图像上位置和面积的变化特点，建立匹配矩阵，完成移动目标的匹配，实现多目标跟踪；最后利用实测的视频数据检验算法，实验结果表明，该方法能清楚地绘出行人的移动轨迹，分析了跟踪轨迹中噪声产生的原因。     

基于三维高斯混合码本模型的运动目标检测算法

为解决智能视觉监控中码本模型参数调节困难和高斯混合模型概率分布计算的复杂性,提出了一种基于三维高斯混合码本模型的运动目标检测算法.该算法基于RGB空间建立码本模型,然后基于码字中的R、G、B分量建立三维高斯模型,从而使整个码本具有三维高斯混合模型的特征.实验结果表明:该算法具有较高的实时性(该算法的平均帧率约23.0帧/s,而iGMM(improved Gaussian mixture model)算法约9.0帧/s,BM(Bayesmodel)算法约6.2帧/s,CBM(codebook model)算法约10.7帧/s),且具有良好的检测质量.     

基于关键帧的开环-闭环混合FGS编码框架

为提高FGS的编码效率,提出了一种基于关键参考帧的开环-闭环混合FGS编码框架.对非关键帧采用单预测环路的开环结构,以提高编码效率;周期性地插入一些使用双预测环路闭环结构的关键帧,以控制开环结构导致的预测漂移.此外,为更好地利用带宽,提出了一种相应的码流截取方式,将码率优先分配给对序列整体质量贡献更大的关键帧.实验结果表明,较之JVT SVC中的AR-FGS,混合FGS编码框架在极宽的码率范围内提高了编码效率,PSNR值平均提高了1～2 dB.     

利用MAS实现车辆动态识别与智能跟踪

针对视频图像车辆智能跟踪问题,提出了利用帧间差异积累动态矩阵进行自适应背景建模算法,采用背景差提取运动目标区域,设计了一种基于知识的多Agent智能系统进行目标分割、轮廓提取和空域滤波,增强了抗背景干扰能力,使获得的目标区域具有更好的空域连通特性;通过自适应核窗宽改进了MeanShift算法的收敛速度,利用SSD算法实现了快速初始定位。实验结果表明,该方法自治能力强,跟踪目标快速准确,实时有效。     

改进的混合高斯模型视频运动目标检测算法

针对混合高斯模型背景建模在视频运动目标检测中的不足,提出了将混合高斯模型与三帧差分相结合来对视频中运动目标进行检测的算法。由混合高斯模型得到前景和背景,利用当前帧与混合高斯模型所得到的背景相减可以得到一个前景,使用三帧差分和边缘检测得到运动物体的精确轮廓,对此轮廓进行填充得到一个前景,将此三步前景进行运算得到最终的结果;通过新的更新策略来快速地对背景进行建模,以像素点的稳定性来调整像素点的更新速度,从而减少算法运算量,提高算法的运行速度。     

改进的混合高斯模型视频运动目标检测算法

针对混合高斯模型背景建模在视频运动目标检测中的不足,提出了将混合高斯模型与三帧差分相结合来对视频中运动目标进行检测的算法。由混合高斯模型得到前景和背景,利用当前帧与混合高斯模型所得到的背景相减可以得到一个前景,使用三帧差分和边缘检测得到运动物体的精确轮廓,对此轮廓进行填充得到一个前景,将此三步前景进行运算得到最终的结果;通过新的更新策略来快速地对背景进行建模,以像素点的稳定性来调整像素点的更新速度,从而减少算法运算量,提高算法的运行速度。     

���ܽ�ͨ������Υ�³������

针对智能交通的广泛应用与需求,提出了一种黄网格区域违章车辆智能监测算法。首先通过连续帧差法生成不含任何车辆信息的静态背景,然后结合差分图像分割算法和二值数学形态学算法来提取车辆目标,最后通过监测车辆并判断其在黄网格区域滞留时间来判断该车是否违章。监测系统采用多摄像头远近景协同拍摄的方法,保存车辆违章的视频片断并提取车牌信息,最终结果作为交警处罚违章车辆的依据。本文提出的黄网格区域违章监测算法具有一定的实际应用价值,在智能交通管理中得到一定的应用。     

基于视频监控系统的运动监测和报警

研究了基于视频监控系统运动监测的三个方面的内容，即运动检测、运动方向判断以及图像跟踪。运动检测主要监视是否有活动存在，详细讨论了帧差法，设计了快速实现算法，直接用于报警存盘。运动方向判断实际上就是运动估计，这里讨论了基于平移的块运动估计。图像跟踪带有智能性，可以自动跟踪指定目标。