共查询到20条相似文献，搜索用时 15 毫秒
1.
如何进行适应不同场景的人群异常检测是视频监控领域的研究难点。目前主流的人群行为特征表达式是基于HOF的,其中基于多尺度MHOF是主流方法,但由于多尺度MHOF特征是基于等距划分场景区域的局部特征,因而不是人类观察外界场景的方式。团块特征是基本符合人类观察事物的方式,因此提出基于Blob团块的MHOF特征提取算法,并联合Hog特征,应用多层递归神经网络提出了异常行为检测的算法框架。在3个数据集上进行实验,结果表明,该算法优于基于多尺度MHOF特征的异常行为检测方法。 相似文献
2.
在计算机视觉应用中,复杂场景运动目标检测是视频监控、目标追踪的基础,也是智能视频监控领域的研究热点之一。针对现有运动目标检测算法中阴影干扰和参数初始化粗糙的问题,在混合高斯背景建模的基础上采用HSV颜色空间替换原有的RGB颜色模式,并提出一种结合K均值算法与EM算法的参数初始化方法。实验表明,该算法可以有效抑制场景中运动物体的阴影干扰,检测结果更加精确,对复杂场景下的运动目标有较好的检测效果。 相似文献
3.
航拍视频具有监控场景范围大、采集设备移动迅捷等优点。与普通监控视频相比,航拍具有目标分辨率低、场景干扰因素多、采集设备不固定等问题,运动目标检测是个难题。针对这些问题,提出一种融合时空特性的两级运动目标检测算法。首先利用SURF算子完成图像匹配,解决摄像机移动问题,并结合目标的运动特性及自适应道路检测算法完成时域上的目标区域检测|采用HSV空间中的S分量图颜色特征,利用道路区域与目标区域的差异性完成空域目标区域检测。实验采用著名的VIVID Egtest01数据库以及Munich Crossroad01数据库中的数据,并与传统方法进行对比。结果显示该算法平均准确率达到93%,相比于传统方法有效性和鲁棒性更好。 相似文献
4.
5.
针对场景照明变化、模型初始化以及阴影等问题, 提出了一种用于视频监视系统运动物体检测的统计多模态背景模型. 通过相隔固定的帧差值阈值化得到背景样本值, 并采用高斯核密度估计方法计算背景灰度的概率密度函数. 利用像素的邻域信息来去除由于摄像机抖动和场景小运动产生的噪声. HMMD色彩信息用来检测和抑制运动投射阴影. 实验结果验证了算法在交通监控前景物体分割中的有效性. 相似文献
6.
熊思 《湖北第二师范学院学报》2013,(8):42-46
电子监考系统在我国已经得到广泛应用,本文针对考场视频分析的应用需求,以智能视频监控理论为依据,研究基于视频分析的考场异常行为有效识别方法。本文基于目标对象的皮肤特征模型,设计和生成行为模型,结合SVM支持向量机,实现在视频帧序列中检测考场异常行为。该模型可以应用于考场视频监控系统中,有助于提高系统的智能化,增强考场监控能力。 相似文献
7.
利用对称差分、肤色模型和几何特征相结合可以快速实现视频图像中的人脸检测,具体做法是:先利用图像对称差分方法得到运动区域,再用肤色检测方法在运动区域中得到人脸候选区域,最后通过检测眼睛位置,利用人脸几何特征精确定位人脸.此方法提高了检测速度,降低了误检率,可以应用在视频监控等实时系统中. 相似文献
8.
本文系统地研究了视频监控系统中多目标多特征实时检测及其实现技术.提出了视频监控目标检测系统的理论模型,建立了视频中特定事件的检测的理论基础和数学描述.通过在视频带中完整记录可疑目标的行为,为此类事件定义一套标准.本系统能够自动的从视频序列中提取可疑人物或事件的若干初级特征,而这些特征的有机融合包含足够的信息,可以决定是否发生了非常事件. 相似文献
9.
随着视频监控技术与互联网应用的普及,视频数据挖掘已成为当前大数据领域的重要研究内容之一。在视频数据挖掘中,对视频内容的理解需要从局部动作语义理解上升到更高层的复杂场景或事件语义理解。在对视频基本动作语义概念理解的基础上,提出一种基于基本动作语义概念关联的视频复杂动作场景检测方法。该方法首先记录视频动作语义概念的出现情形,对相应视频场景中的所有动作语义概念采用Aproiri算法进行关联规则挖掘,然后利用挖掘得到的动作语义概念关联规则,定义视频复杂动作场景检测分类准则,最后对测试视频采用该分类准则进行视频复杂动作场景概念检测。通过在典型数据集上的实验结果表明,该方法可以有效挖掘出视频中动作之间的关联关系,并实现对视频复杂动作场景概念的检测分类。 相似文献
10.
11.
《赤峰学院学报(自然科学版)》2016,(7)
基于视频图像处理的交通事件检测系统是针对目前公路事件发生后不能及时有效检测与报警、事故处理延迟等不足而研究开发的,其利用计算机视觉与数字图像处理技术,结合我国公路上已有的交通监控设施,来采集视频图像,通过车辆跟踪和分析车辆的运动特征来判断所发生的交通事件,并对其进行事件检测算法的智能处理,最终实现对超速、慢行、变道和逆行的交通事件异常检测.与传统的方法相比,该方法反应迅速、检测率高,可以快速、准确地对异常交通事件进行检测,并且给交通事故后的分析处理带来了很大的便利. 相似文献
12.
13.
14.
在群体异常检测中,人群特征感知主要提取个体的群体特性。提出了基于群特征的稀疏线性模型和无限隐马尔可夫（SLM iHMM）方法检测人群异常事件。该方法通过统计模型整合空间和时间因素,基于SLM提取空间线索,从而在空间域中建立用于群特征提取的统计模型。时间线索在iHMM中被明确地编码,用于分析来自空间域的时间多尺度特征。关于UMN数据集的实验验证了该方法的可行性和有效性。 相似文献
15.
针对异常事件监控的需求,提出一种运动目标跟踪算法.该算法首先运用背景减法检测出运动目标,然后运用SURF(speeded-up robnst features)对运动目标进行特征提取和特征匹配,结合扩展卡尔曼滤波器(EKF)实现目标跟踪.实验结果表明,该算法能够有效地解决静态场景下异常事件监控等问题,具有较好的实时性和鲁棒性. 相似文献
16.
人群密度计数是智能化视频监控分析领域的关键要素和研究热点。围绕基于目标检测和边缘计算的人群密度检测系统进行研究与设计，主要分为硬件端、通信层和Web端3个部分。硬件端利用摄像头实时监测，树莓派作为边缘设备运行YOLOv4-tiny的目标检测算法，将结果送入通信层-数据库，Web端利用AJAX等异步技术获取数据，引入PyMySQL库完成Web后端与数据库的连接，利用Apache Echarts框架进行JavaScript的交互功能设计，将系统在实际场景测试。结果表明，系统识别效果较好，可视化界面实时更新系统参数，实现了在嵌入式平台上的稳定运行。 相似文献
17.
针对道路交通车辆检测问题,提出了一种利用边缘特征与垂直投影结合的运动车辆阴影消除方法。先用混合高斯背景模型提取出背景,利用背景差检测出运动车辆区域,再用区域填充去掉目标区域的噪声,最后利用边缘特征与垂直投影结合,消除阴影。 相似文献
18.
提出了一种基于盒子维的图像复制-粘贴检测算法。对图像分块后,提取各分块的盒子维与几何矩相结合做为各块的特征量,而后通过对图像块特征向量进行相似性检测来定位篡改区域。实验表明:该算法有较强检测能力,能抵抗高斯白噪声等后处理操作。 相似文献
19.
公共场所视频监控网络部署日益完善,智能视频监控技术在安防、交通等领域作用越来越大。针对视频监控数据中的人类目标,提出一种基于计算机视觉的姿态识别方法。通过YOLO算法和AlphaPose模型完成对视频中人类目标检测识别以及姿态估计,在此基础上分析人体关节之间的角度对姿态分类的影响,从中提取有效的分类特征,构造并训练5层神经网络模型,完成对站、坐、躺最常见3种姿态分类。实验结果表明,训练得到的神经网络模型准确率达到85%以上,识别速率大约为每秒30帧,在安防监控、检测人员摔倒、疾病报警等方面具有一定应用价值。 相似文献