共查询到20条相似文献，搜索用时 265 毫秒
1.
本文提出了一种针对监控视频序列的分段算法．即通过计算输入视频帧与可更新背景帧的差异计算帧运动量,来实时更新背景,按当前帧与实时背景帧的差异进行聚类,然后按照每帧图像的类别对该视频序列进行分段,并提供了计算每帧图像时间的算法,从而可以确定各段视频的起止时间,该算法可以为后续的各种视频挖掘算法提供前期的视频数据处理,方便后续的视频数据分析． 相似文献
2.
针对用于实验室的网络摄像头存储大量无意义视频内容、占用存储空间大、查阅耗时耗力的问题,研究了一种基于ARM Cortex-A9的可运动目标检测的网络摄像头监控系统。该系统硬件由供电模块、ARM主控模块、外部存储电路、DUSB串口电路、USB电路、USB摄像头、网卡电路、路由器、服务器和客户端构成;软件基于Open CV函数库,通过获取初始背景帧及实时获取当前视频对应的图像序列,根据混合高斯模型背景减除算法对图像序列中每一帧图像进行前景提取和背景更新,并进行二值化处理,由白像素点个数来确定是否有运动目标。若有运动目标出现,通过网卡电路将监控视频数据经由路由器发送至服务器并保存。该系统在实验室现场进行测试达到了预期效果。 相似文献
3.
张淑军 《湖南科技学院学报》2015,(5)
针对视频监控系统,论文提出了一种基于自适应阈值的运动目标检测方法。通过帧间差分与背景差分相结合来检测运动目标。差分图像二值化时,利用自适应阈值算法来得到最佳阈值。实验结果表明该方法具有很好的实时性、有效性和鲁棒性。 相似文献
4.
讨论在复杂动态环境中基于象素级别和帧级别的背景更新算法及其实现验证.该算法可以对多种复杂的背景进行累积更新,通过实验验证表明该算法具有计算量小、运行速度快等优点;同时可以克服许多恶劣条件,包括虚影、摄像机的晃动和急剧的光线变化等.而且该算法可以用于实时监控跟踪领域,有效提高实时监控跟踪效率,也可以用于其他计算机视觉和视频分析应用领域. 相似文献
5.
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
6.
背景减法是视频监控中最常用的运动目标检测方法.背景减法的关键是背景适时准确地更新.现有的背景更新方法能够实现背景的更新,但是,由于受到光照、环境干扰等影响,这些方法或者不能满足背景更新的准确性,或者由于计算复杂不能够对背景进行实时更新.针对视频监控环境的特点,本文提出了运动区域和非运动区域的背景更新方法,对上述问题进行一一解决.实验表明,该方法对光照变化、环境干扰具有稳定性,同时具有处理速度快的优点,具有实际应用价值. 相似文献
7.
针对工业生产中难以监控传感器状态的问题,设计一个物联网系统,实现远程传感器数据监控与固件更新。该系统由远程实时监控系统与远程固件更新系统组成,传感器采用嵌入式实时操作系统。在远程实时监控系统中,传感器可调节频率测量数据,基于消息排队遥测传输协议,通过无线网络将数据传输到服务器。为使远程固件更新系统运行符合限制应用协议,传感器连接至轻量级物联网协议服务器,再通过网关连接到hawkBit服务器中,基于超文本传输协议与轮询方式,由hawkBit提供远程更新服务。实践操作表明,该系统操作简单,具有可视化、直观的优点,可满足大型工厂远程实时监控与固件更新需求。 相似文献
8.
刘学超 《通化师范学院学报》2014,(2):7-8
随着android系统、无线网络等新技术的发展,智能家居已悄然走入大众视野,智能监控作为配套的解决方案也被广泛推广．该文所设计的系统使用背景建模、更新等技术对目标进行检测与跟踪,排查分析可疑目标对象,通过服务器Socket通迅将信息实时的传递给客户端,提高系统的安全性． 相似文献
9.
高智中 《荆门职业技术学院学报》2011,(7):48-51
针对视频监控领域面对的运算量大,实时性要求高的情况,依靠达芬奇双核（ARM＋DSP）处理芯片的高性能,设计了1个多目标的运动检测与跟踪系统。硬件系统围绕TMS320DM6446进行设计与实现,软件部分在Linux系统下实现了视频的采集,播放,运动目标的检测与跟踪。ARM端采用多线程处理方式,DSP端运行核心算法。算法采用了灰度空间与彩色空间、三帧差分与背景减法相结合的方式进行运动目标检测;跟踪部分采用动态权重系数的多特征融合匹配,最小二乘法预测形心的跟踪算法。经过实验表明系统检测与跟踪效果良好,实时性强,能够满足实时的对视频图像进行采集与处理的要求。 相似文献
10.
为保证煤矿井下的安全,需要提高矿井排水系统自动化监控的稳定性.本文以煤矿井下排水监控系统为背景,采用实时性、可靠性很高的嵌入式ARM9硬件平台,结合嵌入式Linux系统,以太网技术,设计开发了网络通信功能的嵌入式系统. 相似文献
11.
车辆检测是智能交通系统（ITS）的核心。探讨采用自适应算法对背景进行实时更新的方法,能有效削弱恶劣天气和环境变化在画面上产生的各种噪声。实验表明此方法具有很好的实时性,能满足视频车辆检测的要求。还探讨了一种在堵车的复杂环境下背景的实时更新算法,用前景静止物体表面灰度值的变化量,来估算背景的改变量,从理论上解决停车及车辆缓行条件下的背景更新问题,达到扩展背景差法通用性的问题。 相似文献
12.
基于背景减的Mean shift目标跟踪算法 总被引：1，自引：0，他引：1
江绍明 《内江师范学院学报》2010,25(12):45-48
为了解决初始窗口离跟踪目标较远或受干扰时,容易跟踪失败的问题,提出一种基于背景差的Mean shift跟踪模型的算法.采用背景差提取当前帧运动目标,并在当前帧运动目标位置附近进行Mean shift迭代,以巴氏系数判断当前目标和历史目标的匹配程度,根据匹配结果决定当前帧目标为跟踪目标或新增目标.实验分析,该算法可实现快速、有效目标跟踪. 相似文献
13.
1IntroductionBackground subtraction methods are extensively ex-ploited for moving object detection in videos in manyapplications ,such as traffic monitoring[1],human mo-tion capture[2]and video surveillance[3]. The centralidea behind such methods is to segment foreground ini mage sequences taken from a fixed camera by com-paring each newframe to a model of the scene back-ground . Therefore , correctly and efficiently modelingand updating the background model is one of the mostchallenging aspec… 相似文献
14.
15.
孙涛 《南昌教育学院学报》2010,25(5):183-183
计算机声卡是多媒体技术中最基本的组成部分,是实现声波/数字信号相互转换的一种硬件。对基于计算机声卡的谱相减语音增强系统进行分析。首先分析了基于计算机声卡的语音增强系统,其次,介绍了谱相减算法,具有一定的参考价值。 相似文献
16.
提出一种结合几何谱减法的基于人耳听觉掩蔽效应的算法．通过仿真证明,该算法与一般的基于人耳听觉掩蔽效应的算法相比,能更好地减少音乐噪声,提高信噪比．在去噪的同时,减小了纯净语音的畸变,达到良好的效果． 相似文献
17.
For the realtime classification of moving vehicles in the multi-lane traffic video sequences, a length-based method is proposed. To extract the moving regions of interest, the difference image between the updated background and current frame is obtained by using background subtraction, and then an edge-based shadow removal algorithm is implemented. Moreover, a thresholding segmentation method for the region detection of moving vehicle based on location search is developed. At the estimation stage, a registration line is set up in the detection area, then the vehicle length is estimated with the horizontal projection technique as soon as the vehicle leaves the registration line. Lastly, the vehicle is classified according to its length and the classification threshold. The proposed method is different from traditional methods that require complex camera calibrations. It calculates the pixel-based vehicle length by using uncalibrated traffic video sequences at lower computational cost. Furthermore, only one registration line is set up, which has high flexibility. Experimental results of three traffic video sequences show that the classification accuracies for the large and small vehicles are 97.1% and 96.7% respectively, which demonstrates the effectiveness of the proposed method. 相似文献
18.
Traffic monitoring is of major importance for enforcing traffic management policies. To accomplish this task, the detection of vehicle can be achieved by exploiting image analysis techniques. In this paper, a solution is presented to obtain various traffic parameters through vehicular video detection system( VVDS). VVDS exploits the algorithm based on virtual loops to detect moving vehicle in real time. This algorithm uses the background differencing method, and vehicles can be detected through luminance difference of pixels between background image and current image. Furthermore a novel technology named as spatio-temporal image sequences analysis is applied to background differencing to improve detection accuracy. Then a hardware implementation of a digital signal processing (DSP) based board is described in detail and the board can simultaneously process fourchannel video from different cameras. The benefit of usage of DSP is that images of a roadway can be processed at frame rate due to DSP‘s high performance. In the end, VVDS is tested on realworld scenes and experiment results show that the system is both fast and robust to the surveillance of transportation. 相似文献
19.
本文采用了一种运动目标存在情况下的背景重建算法,能较好地抑制外界环境变化带来的影响。该运动目标检测算法通过一定数量帧的学习、统计,找到各坐标点像素灰度等级的分割阈值。在对当前帧图像进行背景差分后,分割出运动目标区域。若存在运动目标,则根据串行边界跟踪算法获得运动目标轮廓。获得边界后,模型将绘制方框显示运动物体,并发出警报。该运动目标检测模型用VisualC＋＋给予实现。 相似文献
20.
Detecting objects of interest from a video sequence is a fundamental and critical task in automated visual surveillance. Most current approaches only focus on discriminating moving objects by background subtraction whether or not the objects of interest can be moving or stationary. In this paper, we propose layers segmentation to detect both moving and stationary target objects from surveillance video. We extend the Maximum Entropy (ME) statistical model to segment layers with features, which are collected by constructing a codebook with a set of codewords for each pixel. We also indicate how the training models are used for the discrimination of target objects in surveillance video. Our experimental results are presented in terms of the success rate and the segmenting precision. 相似文献