共查询到20条相似文献,搜索用时 31 毫秒
1.
《赤峰学院学报(自然科学版)》2017,(2)
运动目标检测和跟踪技术是视频监控系统中的两大关键技术,本文以智能视频监控系统研究为基点,介绍了智能视频监控系统的兴起及组成部分、运动目标检测与跟踪算法的基本作用原理,阐述了基于智能视频监控系统的运动目标检测方法和运动目标检测方法的实现,分析了包括基于均值偏移的跟踪算法、基于粒子滤波的跟踪算法、融合Mean-Shift的粒子滤波跟踪算法在内的运动跟踪方法,对于后期智能视频监控系统的运动目标检测和跟踪研究具有一定的指导意义. 相似文献
2.
3.
利用卡尔曼算法对运动目标跟踪展开研究,提出了一种基于卡尔曼预测的轨迹片段关联目标跟踪算法。首先利用卡尔曼预测缩小搜索区域,对检测结果进行匹配关联,生成可信的短轨迹片段;然后对每个轨迹片段通过卡尔曼预测迭代关联,形成单个目标的跟踪轨迹集合。实验证明该方法可有效提高轨迹片段关联跟踪算法效率,解决目标相互遮挡问题,实现对目标的稳定跟踪。 相似文献
4.
《赤峰学院学报(自然科学版)》2017,(4)
随着计算机技术的飞速发展,视频图像处理技术得到了显著的提高.本文提出了一种基于计算机视觉的运动目标跟踪方法.在Marr的计算理论框架下,我们引入通过自下而上的视觉跟踪处理方法来进行运动目标跟踪,本文以车辆视频为例,选用Robert算子对车辆进行边缘检测,针对车辆在运动过程中大小和姿态变化的情况,提出了基于多关联模板匹配方法进行跟踪.实验表明本文的算法分离的精度增强,跟踪效果好,并且能很好地满足实时性. 相似文献
5.
6.
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
7.
介绍了一种简单、快速的实时交通图像序列中多目标的跟踪算法,在使用自适应背景差分法分割出运动目标候选区域的基础上,通过形态学操作和降低分辨率的方法,得到连通的目标区域,再使用轨迹关联法实现对多目标的跟踪.实验结果表明该算法较好地解决了跟踪的连续性、实时性、精确度的矛盾,同时满足智能交通监控系统的要求. 相似文献
8.
传统视频监控系统要求监控人员时刻紧盯画面,很容易造成监控人员视觉疲劳与疏忽,为克服该弊端,设计一种远程智能监控系统。通过客户端与服务器端的实现过程,重点阐述了智能监控系统的设计,通过对出现在监控场景中的运动物体进行检测,实现了对运动目标跟踪,使用感知哈希算法可以保证在光照变化时不丢失追踪目标,并开发了Android移动设备应用程序。用户在有网络的情况下可以查看监控场景,在应用程序退出后能够接受服务器传输过来的报警提醒。 相似文献
9.
10.
鉴于传统的跟踪算法鲁棒性和实时性不足,构建了一种基于Kalman滤波的运动目标跟踪系统。对于运动目标的跟踪,此系统先采用背景差分法检测目标位置,再使用Kalman滤波算法估计目标位置。通过建模仿真,结果表明,该算法能较好预测运动目标的位置,实现了对运动目标的实时跟踪。 相似文献
11.
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
12.
13.
14.
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
15.
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
16.
教室环境中人群密度高、重叠部分较大的特点会给人数统计工作带来困难。基于深度学习 YOLOv3 目标检测算法对学生目标进行检测,并加入 Deep-Sort 算法为核心实时追踪方法,对 YOLOv3 算法检测到的学生目标进行一段时间的跟踪,从而克服传统视频人数统计方法中忽略视频上下帧关联信息的缺点,并且能更好地解决视频遮挡问题。目标检测方法中的损失函数用 tan 方损失函数代替原有交叉熵损失函数,跟踪算法中的卡尔曼滤波算法采用 Levenberg-Marquardt 对修正后的轨迹预测予以优化。最后,对该方法进行性能评价与对比实验,包括是否加入上下文信息对比以及与 SVM 目标检测算法作对比。实验结果表明,此方法在测试集中,加入上下文信息后准确率达 93.4%,召回率达 81.4%。对比 SVM,该方法在教室视频人数统计中准确率提升2.1%,召回率提升 8.9%。 相似文献
17.
传统的Camshift运动目标跟踪算法在目标遮挡或背景颜色干扰下,容易陷入局部最大值,造成目标跟踪丢失。针对这一问题,提出了一种结合Kalman滤波及Surf特征提取的改进算法。该算法需在视频序列中手动框选跟踪目标作为目标模板。将传统Camshift算法得到的目标候选区域与目标模板进行直方图对比,得到的巴氏系数若大于设定的阈值则说明目标跟踪丢失。采用Surf算法,在该帧图像中匹配出新的目标候选区域,最终得到候选区域的位置信息更新Kalman滤波。仿真实验表明,改进后的算法在复杂背景下仍然具有良好的跟踪效果。 相似文献
18.
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
19.
以排球运动轨迹为研究对象,将计算机视觉、视频分析处理技术相结合,研究了基于视频的排球轨迹获取关键技术,通过视频帧处理、运动目标检测、识别跟踪、轨迹提取等一系列步骤从视频中精准提取排球运动轨迹信息,采用Intel Open CV及Matlab设计并实现一套排球智能分析系统,为排球比赛分析及球队战术训练等提供决策支持. 相似文献
20.
针对视频中的运动目标离摄像头较近时由于形状的变化而导致目标边界测定不准确的问题,在帧间差分法的基础上,提出了一个求精运动目标边界的算法。先用得到边界值计算目标中心点,再对视频中的运动目标进行运动距离和速度的检测,并在Matlab中进行仿真。实验结果表明,该算法对帧差法的结果进行求精后,得到的运动目标的状态值更接近于实际情况,改进的算法更适合于视频中运动目标形状变化较大的情况下进行运动目标状态的检测。 相似文献