基于Camshift跟踪算法与SVM的大输液杂质检测识别方法研究

针对我国医药生产检测包装线上大输液杂质智能检测技术问题,提出了一种利用实时视频图像处理技术检测识别大输液杂质的方法.该方法对连续多帧被旋转的大输液瓶图像运用差分图像运动分析方法提取目标杂质;运用图像处理技术去除气泡噪声,准确分割目标杂质,采用Camshift跟踪算法连续跟踪几帧运动杂质以确保检测准确率;根据Camshift跟踪算法提取出的杂质运动和几何特征,应用SVM(Support Vector Machine)准确识别杂质类型.实验结果表明,该方法检测识别直径大于等于4个像素的杂质的检测识别率平均可达到95.4%,检测识别速率平均可达到581 ms/瓶.     

基于背景减去法的运动奶牛目标提法方法

目标提取是使用视频分析进行奶牛行为自动感知的基础工作。牧场环境中采集的视频易受复杂背景的干扰,导致难以从视频中检测出奶牛目标,对后续图像处理操作影响较大。本研究提出一种基于背景减去法的运动目标精确检测方法。首先使用帧间差值法计算奶牛外接矩形,以提取每帧图像中的局部背景,并对其进行拼接以得到视频序列中的整体背景。然后利用奶牛外接矩形确定身体区域的位置和大小,并使用身体区域的二值图像对其进行跟踪。以每帧图像中的身体区域作为基准,对RGB通道的求和分量权重进行实时调整,以提高背景与目标之间的对比度。最终实现目标与背景的差异最大化,并进行背景减去以提取目标。对129段视频进行目标检测,结果表明本文算法的目标检测精度为88.34%,较传统背景减去法高出24.85个百分点。试验结果表明,本文算法能够精确实时地检测牧场环境中的行走奶牛,不仅提高了检测率,同时扩展了背景减去法的应用范围。     

Horn-Schunck光流算法在运动目标检测及跟踪中的运用研究

光流技术是提取图像序列全局的或特征点的运动信息并对运动信息加工处理以完成目标的跟踪和检测的方法。具体分析了Horn-Schunck光流算法（简称HS光流算法）,并将该算法应用到视频图像序列中。研究表明,利用HS光流法计算能近似得到图像中每个像素点的运动矢量,通过找到其中光流值不为零的像素点组成的最大连通区域,可以实现运动目标的检测和跟踪。     

高清视频车辆检测及跟踪系统的设计与实现

针对目前视频车辆检测与跟踪系统存在检测精度低、跟踪稳定性差等问题,设计基于数字信号处理器(DSP)和现场可编程门阵列(FPGA)结构的高清视频车辆检测和跟踪系统。该系统采用高清摄像机为图像采集单元,利用现场可编程门阵列对采集到的IP视频图像进行实时图像解码和图像预处理,高性能DSP做为系统主控单元实现前景提取、车辆检测、识别和跟踪等功能,DSP与FPGA之间的数据交换通过两路高速串行接口连接,以满足运算处理时大批量中间数据的交互;采用基于背景图像差分检测方法进行运动目标的实时检测,通过计算目标物体的紧密度对运动目标进行分类,利用区域特征跟踪法来快速跟踪图像序列中的车辆目标。试验结果表明:与普通视频相比,高清视频条件下对视频图像进行处理,在定位及寻找物体边缘方面具有优势,提高检测精度10%以上,能够实现对运动车辆的实时、准确、快速跟踪。     

基于改进Vibe算法的观赏鱼目标检测研究

借助计算机视觉技术研究鱼类行为已逐渐成为热点课题,该技术模拟生物视觉原理,通过处理采集的图片或视频获得动态目标参数信息,以达到对鱼类游泳行为监测分析的目的。利用传统的Vibe算法进行鱼类游泳行为监测会出现消除鬼影需要消耗大量视频帧,存在水面波纹的动态背景下运动目标的检测结果不准确的问题,因此提出了一种改进的Vibe算法。针对消除鬼影需要消耗大量视频帧,提出利用层次遍历搜索算法对目标图像进行标记并计数方法来自适应调整背景更新概率以实现快速消除鬼影。针对存在水面波纹的动态背景下运动目标的检测结果不够精确,提出基于LBP和HSV去除水面波纹以提高检测精度。     

视频图像中目标轮廓的提取算法研究

本文研究了视频图像中目标边缘提取算法。首先在图像中确定出目标物体,并分析目标物体灰度与背景灰度的对比,对图像灰度的分布及对目标物体在图像的位置都要有充分了解,然后对灰度图像设定合适的阈值进行二值化图像的处理,使其满足图像测量的要求,再应用图像测量算法把目标物体的轮廓边缘提取出来,同时使用一些补偿算法,使图像的边缘更加平滑和清晰,使处理后的图像具有良好视觉的效果。实验表明,算法是有效的。     

基于脆弱水印的H.264视频流完整性认证

针对H.264/AVC视频流的完整性认证问题,提出了一种基于脆弱水印的认证算法.根据公钥密钥,提取I帧的特征信息生成认证码,并以水印的形式嵌入到P,B帧的运动矢量中.在视频认证时,只需要部分解码视频流,并不需要原视频作参考.仿真实验结果表明,本算法具有较小的码率变化和视频失真,并能有效地对I,P和B帧进行完整性认证.     

序列图像运动目标的检测与提取

本文对视频图像中运动目标的检测与提取的算法进行了研究,并在计算机上做了仿真.本文采用背景差分法,针对序列图像首先建立了基于高斯统计模型的背景模型,然后用差分法提取运动目标,用形态学滤波去除噪声.仿真结果表明,算法是有效的,能够得到较好的结果.     

基于分数阶微分视频融合的森林烟火检测算法

森林火灾检测是国内外林业应用研究的重要课题之一。及时准确地检测到森林火灾，对于森林健康及环境安全意义重大。现有的利用视频技术检测森林火灾的方法大多针对单一波段，如可见光波段或红外波段的视频信息进行分析，然而在实际应用过程中，由于森林环境复杂，基于单一波段视频信息检测火灾的结果欠佳。现阶段，基于多个波段的森林火灾检测方法非常少。本文综合利用红外及可见光视频特征，提出了一种基于分数阶微分视频融合的森林烟火检测算法，将分数阶微分理论引入红外视频和可见光视频融合中，利用分数阶微分算子对两个波段视频进行融合，然后利用背景去除法检测融合视频中的异常帧，且对异常帧图像及其与背景帧的差分图像分别进行图像分割，最终得到检测出的森林烟火区域。采用空间频率、平均梯度、森林火灾检测准确率和森林火灾检测时间误差度4个测度对本文算法和基于区域能量融合算法、基于窗口方差融合算法、基于HSI变换融合算法进行定量分析和比较。结果表明，本文算法的融合视频的融合效果最佳，并且森林火灾检测准确率和森林火灾检测时间误差均明显优于其他3种算法，说明本文提出的算法具有较好的有效性和准确性，为森林火灾检测提供了有利的新途径。      

基于对称差分算法的快速人脸运动图像分割方法

随着现代社会的发展和人类生活方式的变化,为了便于公共场所的管理,大部分城市地区都设置了视频监控系统.视频监控系统所收集数据的处理,需要使用合适的算法来进行计算,其处理的难点在于从变化的背景环境和流动的人行之中快速进行人脸识别和图像分割,这是传统算法难以实现的.该研究基于传统经典差分算法,对各个算法流程进行优化改进,具体包含了空背景提取、前景检测和阴影消除等.为了验证该算法的有效性和实用性,将该算法进行相应的人脸识别检测系统设计,并进行实际的使用.通过对不同场景的监控检测处理可以看出,基于对称差分算法的视频监控系统能够实现各项功能,准确分割出人形轮廓,快速进行人脸运动图像的分割和检测.进一步利用既有的录像数据进行系统测试,通过测试可以看出在3组不同的复杂环境下,该算法都能够快速准确地进行图像识别,具有很好的鲁棒性.     

空间约束混合高斯运动目标检测

目的 针对传统混合高斯模型前景检测运算量过大问题,提出一种基于空间约束的混合高斯前景检测算法。方法 通过快速初始化缩短模型的初始建立过程;采用双重背景模型机制,以自适应背景减法的前景检测结果作为混合高斯前景检测的空间约束条件,降低模型在背景区域的冗余运算;运用多策略自适应模型更新,提高前景检测的准确性。结果 在各种测试场景下,与传统混合高斯法、CodeBook、GMG、偏差均值混合高斯模型(MODGMM)等算法相比,该算法具有更好的准确率以及4倍以上的处理速度。结论 在固定相机场景下的运动目标检测中,算法能有效提高传统混合高斯法的准确性且具有极高的实时性。     

一种基于Matlab的棉铃虫飞行视频的处理方法研究

为了给昆虫行为学的研究者提供可靠的统计资料,提出了一种从视频流中提取运动目标物的坐标值的方法,并设计实现了该算法。视频文件经过预处理后,提取静止背景,再确定每张图像中试验昆虫的区域,随后选取恰当的阈值,经过维纳滤波和中值滤波,从中提取运动目标物的特征。最后算出运动目标物在图像中的坐标值。通过对提取效果和统计结果进行分析,证明该方法有较高的提取率和可靠性,是实现视频资料数据化的有效手段。     

基于区域气球力Snake模型的运动目标快速跟踪方法

提出了一种包含区域信息的Snake模型用于运动目标检测与跟踪。在通常情况下,基于区域信息的跟踪方法对背景光线的微小变化、位置的微小移动较为敏感,而基于边缘信息的跟踪方法则难以对边缘模糊的图像取得满意的跟踪效果。在算法中同时引入这两种信息,边缘信息使得算法快速而鲁棒性好,区域信息可以对边缘模糊的图像取得正确的跟踪效果。使用双差分图像设计了自动初始化的方法来实现视频的自动跟踪。同时,对目标的下一步运动位置增加了一个预测环节来加快主动轮廓模型的收敛速度。该算法的每帧计算时间一般小于0.1S,能应用于实时系统。     

Real-time automatic lameness detection based on back posture extraction in dairy cattle: Shape analysis of cow with image processing techniques

In this paper results on utilizing image analysis techniques towards early lameness detection in dairy cattle are presented. Data from two different dairy farms in Belgium were gathered. Preprocessing on raw data is required because of non-predictable behaviours of cows such as stopping for a while in front of the camera or non-uniform walking behaviour during experiments. Prelocalization of cow in each frame has been done based on two steps separation: (1) A coarse estimation of moving objects was obtained through background subtraction, (2) second statistical analysis of intensities in gray-scale image along with binarization was utilized to detect moving object in video. A common problem in on-farm collected videos is the similarity of the background and the cow's body colour since the use of classic algorithms for segmentation purposes does not work. Here a hierarchy background/foreground exaggeration is proposed to segment the cow in each frame and track it in video. The combination of logarithm and exponential, background subtraction as well as statistical filtering are used to find the accurate shape of the cow. Furthermore, the back posture of each cow during standing and walking was extracted automatically. It was done by detecting the arc of back posture and fitting a circle through selected points on the spine line. The average inverse radius of four frames displaying the hind hoofs in contact with the ground (two frames for each hoof in a row) was assigned to the cow. Based on this curvature value, a score representing the status of lameness in the individual cow was given automatically. Experimental results from two different databases show promising results in automatic lameness detection based on back posture information.     

斜拉索PE保护层表面伤痕检测算法设计

提出了一种检测斜拉索PE保护层表面伤痕算法的设计。首先,在图像的预处理阶段,对原始图像进行灰度化和滤波处理;其次,运用边缘检测、边界跟踪及Hough变换获得了拉索轮廓的连续边界;然后,利用原始的灰度图像和基于拉索轮廓的掩模板,获得了无背景的拉索表面图像;最后,通过基于图像间空间差分的伤痕检测算法,获得斜拉桥拉索表面伤痕的图像,结果表明该算法能有效地从爬升机器人采集的图像中提取出斜拉索PE保护层表面伤痕的图像。     

基于局域网的视频解码算法的研究与实现

网络视频解码的基础是码流的管理和视频流的解析。所设计的基于局域网的视频解码算法采用了码流的三级缓冲管理机制：由接收缓冲区负责存储从服务器端接收到的码流，工作缓冲区直接向视频解码提供所需数据，中间缓冲区负责以上2个缓冲区的中转。码流的解析首先从复合流中提取视频流，然后从视频流中读取一定位数的数据进行解码。为了保证视频解码过程的随机开始，在解码开始前，要求服务器先发送有关信息以便得到解码所需的必要参数，再接收码流并从找到的第1帧Ⅰ图像开始解码。为了正确解出紧跟在第1帧Ⅰ图像后面的B图像，系统构造了前向预测图像数据。抖动处理提高了图像显示的质量和速度。     

基于图像投影变换的鸡蛋破损检测

提出了基于梯度增强和投影变换的禽蛋破损检测算法。该算法对透射鸡蛋图像的G分量进行Prewitt算子梯度锐化、最大类间法自适应阈值分割,对分割后的图像进行投影变换、信息提取,最后建立隶属函数,进行鸡蛋是否破损的判断并输出判断结果。试验表明,该方法检测效率高,平均检测准确率达到95%。     

基于马尔可夫随机场的运动物体检测方法

智能监控的实现是避免和防范变电站内各种潜在危险的一种有效途径.为了更准确判定变电站工作人员的运动状态,提出一种基于高斯混合模型结合马尔可夫随机场的运动物体检测方法.在图像的HSV颜色空间通过混合高斯背景建模实现对运动物体的初步检测,采用区域性马尔可夫随机场与运动物体模板匹配实现运动物体的精确检测,并根据模板去除存在的阴影.结果表明,该方法可在变电站不同背景条件下有效检测出运动物体,为运动物体的行为分析及运动场景拼接奠定了良好的基础.     

基于稀疏表示的森林火灾火焰识别研究

为了实现森林火灾的智能识别,提出一种基于稀疏表示的林火火焰自动识别方法.以林火火焰和5类干扰物体为研究对象,每类对象从视频图像中随机选取50帧作为训练样本,150帧作为测试样本.对每幅图像提取疑似火焰区域,求取面积变化率、颜色、纹理和形状特征参数.所有训练样本的特征向量构建训练样本特征字典,对每个测试样本利用l1最小化范数计算其在训练字典上的投影系数,根据最小重构残差进行分类识别.结果表明,稀疏表示方法的识别率可达到93.56％,为林火火焰识别提供了一个有效的解决方案.