融合背景差分的二次重构和内外标记 分水岭的行人检测方法

应用视频处理技术对行人交通进行研究受到广泛的重视,已成为智能交通领 域的研究热点.为了精准地提取交通场景语义信息,提出融合背景差分的二次重构和内外 标记分水岭的行人检测方法.首先对图像进行灰度级形态学开闭重构和背景差分运算,凸 显出前景区域,锐化背景区域;然后根据灰度图像局部极大值和邻域综合信息提取内部 标记,进行“准欧式”距离变换提取外部标记;最后对梯度图像进行修正和分水岭变换,提 取出图像中运动的行人.结果表明,该方法能显著地去除运动噪声的影响,检测到相对完 整的目标,很好地抑制了过分割问题, 在动态场景的行人检测中取得了较好的效果.     

基于人头目标检测的商场人流量自动统计

针对商场人流量自动统计中行人遮挡情况下计数的困难,提出基于人头目标检测的商场人流量自动统计算法.首先提取Haar特征训练Adaboost人头目标分类器,再利用Camshift算法对目标进行跟踪,使用Kalman缩小跟踪目标的搜索范围,最后利用人头模板匹配方法,判断目标是否属于同一行人.实验结果表明,此方法平均正确率达到98.2%,且统计每个行人目标只需19 ms.     

一种基于激光与视频信息时空数据融合的行人检测方法

针对城市交通行人安全问题,本文提出了一种基于激光与视频数据融合的行人检测方法.通过激光与视频数据空间和时间上的融合,将激光数据映射到图像坐标;在激光聚类过程中,采用K-means 聚类算法对激光云点进行聚类分析,然后运用行人宽度模型提取候选行人区域;在基于图像的行人检测过程中,选取头肩、躯干以及腿部人体特征部位,采用Haar-like 特征集和Boosting 算法进行训练,得到部位检测器;最后,基于贝叶斯决策的组合策略对候选行人区域进行有效判定.实验结果表明,本文所述算法有较好的检测精度和实时性能.     

融合式空间塔式算子和HIK-SVM的交通标志识别研究

在交通标志识别问题上,提出了一种基于融合式的空间塔式算子和直方图交叉核支持向量机(HIK-SVM)的分类方法.在该方法中,通过提取图像的灰度塔式词袋直方图(Gray-PHOW)特征、颜色塔式词袋直方图(Color-PHOW)特征和塔式边缘方向梯度直方图(PHOG)特征来对交通标志的外观、颜色和轮廓信息进行描述.通过提取空间塔式直方图特征,能很好地对图像各种特征的空间分布状况进行描述.提取到图像的外观、颜色、轮廓和特征的空间分布信息后,对其进行融合,最后得到的融合式的空间塔式特征具有很强的鲁棒性.将该融合式特征送入HIK-SVM进行训练和分类,取得了极其高的识别效果.     

����Kalman�˲������˸��ٷ����о�

应用视频处理技术对行人交通进行研究和分析受到广泛的重视和发展,已成为智能交通领域的研究热点之一,而行人跟踪是行人交通采集系统的基础,是后续交通参数提取,行为分析的前提.本文提出一种基于Kalman滤波的行人跟踪方法.首先,利用改进的混合高斯模型提取背景,并采用HSV颜色空间模型和目标重构方法得到消除阴影后的前景图像.其次,进行行人的特征提取,得到融合行人位置特征和形状特征的运动模板.最后,采用Kalman滤波对行人的运动轨迹进行预测,将检测到的目标与预测结果匹配,得到行人的跟踪匹配矩阵,根据匹配矩阵判断合并和分离的发生.试验结果表明,该方法不仅可以准确跟踪多目标,而且可以有效解决遮挡问题,具有很好的适应性和鲁棒性.     

一种基于贝叶斯特征的视频图像人脸检测

提出了一种基于仿射运动模型和贝叶斯理论的视频图像人脸检测方法.建立仿射运动模型进行运动估计,提取运动对象区域;对训练图像提取人脸与非人脸的统计特征,利用贝叶斯准则建立概率模型;根据贝叶斯分类器和支持向量机分类器将图像特征分为人脸类与非人脸类,从而检测出视频运动图像中的人脸区域.     

公路收费站横杆状态的视频检测方法及应用

以高速公路收费站监控视频为背景,提出一种可自动分析和检测横杆运行状态的方法,从而判断车辆通过与否并统计车辆数。该方法的实现,首先对横杆的颜色特征和轮廓几何特征进行学习;然后对监控视频图像进行颜色和几何特征匹配以滤除非横杆区域;再对得到的疑似横杆区域进行修复;最后计算横杆的重心坐标及其运动状态以判断开闭状态。样本测试显示,新方法能有效克服视频场景中各种干扰因素的影响,提高车辆计数的准确性。     

基于序列图像运动分割的车辆边界轮廓提取算法

为了准确获得图像感兴趣区中运动车辆的形状特征,提出了一种新的车辆边界轮廓提取算法.利用连续3帧图像,对包含同一运动车辆的图像感兴趣区进行光流场分割,以获取目标运动区域,通过平移运动区域的左、右边界获得正确的车辆区域及其封闭边界轮廓,通过放大运动矢量计算公式的阈值来提高其运行效率.试验结果表明:该算法可从具有复杂自然场景的图像序列中检测出完整的运动车辆边界轮廓,检测正确率在95%以上.     

信号控制下人行横道宽度优化模型

为了提高行人过街安全,本文分析了信号控制下行人过街的时空分布特性,研究行人过街空间区域最大宽度与时间和人行横道纵向位置映射关系;通过对行人流量和分担率两因素的分析,对行人过街空间区域特性进行数学描述,根据实测数据并利用轨迹提取技术获取行人时空数据,建立了满足过街时间约束下的人行横道宽度优化模型;最后利用长春市4处人行横道的行人过街时空信息,以群体过街时间为验证指标对模型进行了验证,结果显示,利用本文建立的人行横道宽度优化模型所确定的行人过街时间在3处地点分别减少5.60%、3.29%和2.58%.本文建立的基于时空安全的人行横道宽度优化方法可为人行横道宽度的设计提供理论参考和技术支持.     

低照度边缘增强的语义分割模型研究

为提高对低照度图像的语义分割精度,提出了一种基于RPN的边缘增强语义分割模型(EESN)。在该模型中,首先利用深度残差网络提取图像的高阶语义特征,并通过RPN快速生成待分割目标候选区域;然后,利用设计的融合算法对候选区域进行融合,并剔除重复的候选区域;最后,对融合的目标候选区域做低照度边缘搜索,并利用失真代价较小的局部增强算法对低照度边缘进行特征增强。将EESN用于Pascal VOC12和Cityscapes两个数据集的语义分割中,分别获得了81.2%和67.6%的mIoU,该结果证明了EESN对具有低照度边缘的图像具有较好的分割性能。     

顾及小目标特征的视频人流量智能统计方法

人流量统计对智能安防等领域具有重要研究价值. 针对视频监控系统中人流量统计准确率较低的问题,提出一种顾及小目标特征的视频人流量智能统计方法,重点研究用于小目标检测的Faster R-CNN （Faster region-convolutional neural network）改进算法、运动目标关联匹配以及双向人流量智能统计等关键技术,根据人头目标的小尺度特点对Faster R-CNN网络结构进行适应性改进,利用图像浅层特征提高网络对于小目标的特征提取能力,通过基于轨迹预测的跟踪算法实现运动目标的实时追踪,同时设计双向人流量智能统计算法,以实现人流量高准确率统计;为证明方法的有效性,在密集程度不同的场景中进行了测试. 测试结果表明:改进的目标检测算法相较于原始算法,在Brainwash测试集和Pets2009基准数据集上的平均准确率分别提高了7.31%、10.71%,视频人流量智能统计方法在多种场景下的综合评价指标F值均能达到90.00%以上,相较于SSD-Sort算法和Yolov3-DeepSort算法,其F值提高了1.14% ~ 3.04%.      

基于增强现实技术的交互式船舶电子手册研究

针对当前大部分船舶所配备的纸质说明书和技术文档的携带使用不便、信息形式单一、无法与使用者交互等局限性,提出并实现了基于增强现实技术的交互式船舶电子手册方案。该方案以视频图像识别为基础,以三维模型及多媒体素材驱动为核心,以智能手机为载体,将增强现实技术应用于船舶的日常管理及技术支持活动中,根据真实船舶设备的图像识别结果,在手机摄像头采集的视频中实时叠加丰富的扩增内容,帮助使用者更直观、更深入地理解设备工作原理和操作方法,有效提升设备管理水平。     

������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。     

Real-time follow-up head tracking in dynamic complex environments

In the modes of both object motion and camera motion, an enhanced Camshift algorithm, which is based on suppressing similar color features of background and on joint color probability density distribution image, is proposed to real-time track head in dynamic complex environment. The system consists of face detection module, head tracking module and camera control module. When tracking fails, a self-recovery mechanism is introduced. At first the Adaboost face detector based on Haar-like features is implemented to find frontal faces, the false positive is filtered according to the skin color criterion, and the true face is used to initialize the tracking module. In hue saturation value (HSV) colorspace, the hue-saturation (H-S) histogram of face skin and the saturation-value (S-V) histogram of hair are built to produce the joint color probability density distribution image, and this is intended to realize the head tracking with arbitrary pose. During tracking, region of interest (ROI) is introduced, and the color probability density distribution of a specified background area outside the ROI is learned, similar color features in the head are suppressed according to the learning result. The background suppression step is intended to resolve the problem that the tracker maybe fails when the head is distracted by backgrounds having similar colors with the head. A closed loop control model based on speed regulation is applied to drive an active camera to center the head. Once tracking drift or failure is detected, the system stops tracking and returns to the face detection module. Our experimental results show that the presented system is well suitable for tracking head with arbitrary pose in dynamic complex environments, also the active camera can track moving head smoothly and stably. The system is computationally efficient and can run in real-time completely.     

���˽�ͨ����Ƶ��ⷽ������

行人交通是我国城市居民出行的主要交通方式,而行人交通的视频检测技术对于智能交通系统的发展与应用具有重要意义,通过对行人检测和分析确定行人的运动轨迹,提取行人交通参数,为交通规划、管理与控制提供科学的数据。首先回顾行人交通视频检测技术的发展历程,综述研究的方法、技术和主要成果;其次,从行人交通系统的一般处理框架—行人检测、识别、跟踪和交通参数的提取,分层次回顾低级、中级和高级各处理阶段的发展水平;重点阐述各处理阶段的现有技术和方法,并将每阶段相应地划分为不同方法子类加以讨论;最后,分析行人检测研究的技术难点及未来的发展趋势。     

融合边缘检测与区域生长的交通图像分割方法

在交通监控中,如何从复杂的背景中分割运动物体是至关重要的一步,针对车辆的运动阴影对图像分割产生的不利影响,提出了一种新的融合边缘检测与区域生长的彩色图像分割算法,算法同时考虑了图像的彩色信息和空间信息.该算法首先对彩色图像边缘检测,并根据检测结果设置种子像素;再基于颜色相似性生长准则,结合边缘检测结果,对每个种子点进行区域生长;最后,利用区域合并算法对剩余的像素进行合并.实验结果表明该算法很大程度上克服了阴影给图像分割带来的不利影响.     

面向多目标跟踪的密集行人群轨迹提取和运动语义感知

针对基于视频监控的密集行人群识别难度大，运动轨迹提取困难，运动语义信息挖掘不足 等问题，本文提出基于多目标跟踪FairMOT框架及K-means聚类的行人轨迹捕获和运动语义信 息感知方法。首先，利用多目标跟踪算法提取视频中行人群目标过街时的运动轨迹特征向量；然 后，通过分析轨迹坐标的数值分布特点，设计了一种协方差滤波算法STCCF，以检测和剔除“准静 态轨迹”，得到行人群目标运动轨迹簇；最后，针对已提取的轨迹簇，应用K-means聚类方法，选取 S系数(Silhouette Coefficient)和DB指数(Davies Bouldin Index)两个指标，感知行人聚集和消散点 等场景语义特征。实验分析表明，算法从提取到的2689条轨迹中辨识出179条“准静态轨迹”，检 出率为81.73%；视频场景中的行人目标源点和消失点的解析结果与人工辨识结果吻合，验证了密 集行人群轨迹提取和运动语义信息感知方法的有效性。本文研究可为数据驱动的行为预测和轨 迹建模提供基础。     

Study on Moving Pedestrian Tracking Based on Video Sequences

The study on tracking of moving pedestrians based on video sequence has been presented in the paper. The video sequences have been processed by the background subtraction and adaptation, detection of moving objects, shadow detection, and image eroding and dilating in order to create the moving pedestrian contour. The change of location of the moving pedestrian contour and area has been considered in the method presented here. First, the method computed the centroid coordinates and radius of moving objects through the pedestrian contours. Second, the matching matrix has been established by the change of locations and radius between different moving pedestrians at two successive frames and the moving objects that matched each other have been found. The method has been tested using the video sequences of actual measurement, and the experimental results have been analyzed. Under the experiment condition, the contrails of moving pedestrians have been clearly drawn with a little noise at different image sampling intervals. Finally, the application condition of the method has been described.