精品国产一区二区三区久久久|无码少妇一区二区三区奂费|久久婷婷五月综合色和啪|欧美日韩国产精品

<s id="znywi"><dfn id="znywi"><noscript id="znywi"></noscript></dfn></s>
    1. <track id="znywi"><span id="znywi"><td id="znywi"></td></span></track>
      1. <track id="znywi"><span id="znywi"></span></track>
      2. <bdo id="znywi"><optgroup id="znywi"></optgroup></bdo>
        <track id="znywi"><span id="znywi"><em id="znywi"></em></span></track>
      3. <tbody id="znywi"></tbody>
      4. <track id="znywi"></track>
        <track id="znywi"></track>
        <track id="znywi"><div id="znywi"></div></track>
        <track id="znywi"><span id="znywi"></span></track>
        <bdo id="znywi"></bdo>
        <s id="znywi"><dfn id="znywi"><noscript id="znywi"></noscript></dfn></s>

          <track id="znywi"><span id="znywi"><td id="znywi"></td></span></track>
          1. <track id="znywi"><span id="znywi"></span></track>
          2. <bdo id="znywi"><optgroup id="znywi"></optgroup></bdo>
            <track id="znywi"><span id="znywi"><em id="znywi"></em></span></track>
          3. <tbody id="znywi"></tbody>
          4. <track id="znywi"></track>
            <track id="znywi"></track>
            <track id="znywi"><div id="znywi"></div></track>
            <track id="znywi"><span id="znywi"></span></track>
            <bdo id="znywi"></bdo>
          5.  

            首頁 >> 智能視頻監控技術特性 >>

            智能視頻監控技術特性

            發布時間:2020-07-27   查看次數:600

            一、移動目標提取。

            運動檢測是從圖像序列中將變化區域從背景圖像中提取出來。運動區域的有效分割將大大減少后續過程的運算量。然而,背景圖像的不穩定性,如陰影、光照、慢移動、靜移動(樹葉的擺動)等等,也使得運動檢測非常困難。目前較為實用的視頻分析方法主要有兩類:一類是背景減除方法,另一類是時間差分方法。背景減除方法是利用當前圖像和背景圖象的差分來檢測出運動區域的一種方法,可以提供比較完整的運動目標特征數據,精確度和靈敏度比較高,具有良好的性能表現。時間差分法利用視頻圖像特征,從連續得到的視頻流中提取所需要的動態目標信息。時間差分實質是利用相鄰幀圖像相減來提取前景目標移動的信息,此方法不能完全提取所有相關特征像素點,在運動實體內部可能產生空洞,能檢測出目標的邊緣深圳監控安裝。

            二、移動目標跟蹤。

            移動目標跟蹤等價于在連續的圖像幀間,創建基于位置、速度、形狀、紋理、色彩等有關特征的對應匹配問題。常用的數學工具有卡爾曼濾波、Condensation算法及動態貝葉斯網絡等。其中Kalman濾波是基于高斯分布的狀態預測方法。不能有效地處理多峰模式的分布情況;Condensation算法是以因子抽樣為基礎的條件密度傳播方法,結合可學習的動態模型,可完成魯棒的運動跟蹤。就跟蹤對象而言,跟蹤如手、臉、頭、腿等身體部分與跟蹤整個目標;就跟蹤視角而言,有對應于單攝像機的單一視角、對應于多攝像機的多視角和全方位視角;當然還可以通過跟蹤空間(二維或三維)、跟蹤環境(室內或戶外)、跟蹤人數(單人、多人、人群)、攝像機狀態(運動或固定)等方面進行分類。從跟蹤方法的不同討論跟蹤算法。

            (1)基于模型的跟蹤。

            傳統的人體表達方法有如下三種:①線圖法:人運動的實質是骨骼的運動,因此該表達方法將身體的各個部分以直線來近似。②二維輪廓(2DContour):該人體表達方法的使用直接與人體在圖像中的投影有關,如Ju等提出的紙板人模型,它將人的肢體用一組連接的平面區域塊所表達,該區域塊的參數化運動受關節運動(ArticulatedMovement)的約束,該模型被用于關節運動圖像的分析。③立體模型(VolumetricModel):它是利用廣義錐臺、橢圓柱、球等三維模型來描述人體的結構細節,因此要求更多的計算參數和匹配過程中更大的計算量。例如Rohr使用14個橢圓柱體模型來表達人體結構,坐標系統的原點被定位在軀干的中心,目的是想利用該模型來產生人的行走的三維描述;Wachter與Nagel利用橢圓錐臺建立三維人體模型,通過在連續的圖像幀問匹配三維人體模型的投影來獲得人運動的定量描述,其中,它利用了迭代的擴展卡爾曼濾波方法,結合邊緣、區域信息及身體解析約束確定的身體關節運動的自由度,實現單目圖像序列中人的跟蹤深圳監控安裝。

            (2)基于區域的跟蹤。

            基于區域的跟蹤方法目前已有較多的應用,例如Wren等利用小區域特征進行室內單人的跟蹤,文中將人體看作由頭、軀干、四肢等身體部分所對應的小區域塊所組成,利用高斯分布建立人體和場景的模型,屬于人體的像素被規劃于不同的身體部分。通過跟蹤各個小區域塊來完成整個人的跟蹤;趨^域跟蹤的難點是處理運動目標的影子和遮擋,這或許可利用彩色信息以及陰影區域缺乏紋理的性質來加以解決,如McKenna等首先利用色彩和梯度信息建立自適應的背景模型,并且利用背景減除方法提取運動區域,有效地消除了影子的影響;然后,跟蹤過程在區域、目標、目標群三個抽象級別上執行,區域可以合并和分離,而人是由許多身體部分區域在滿足幾何約束的條件下組成的,同時人群又是由單個的人組成的,因此利用區域**并結合人的表面顏色模型,在遮擋情況下也能夠較好地完成多人的跟蹤。

            (3)基于活動輪廓的跟蹤。

            基于活動輪廓的跟蹤思想是利用封閉的曲線輪廓來表達運動目標,并且該輪廓能夠自動連續地更新。例如Paragios與Deriche利用短程線的活動輪廓、結合LevelSet理論在圖像序列中檢測和跟蹤多個運動目標;采用基于卡爾曼濾波的活動輪廓來跟蹤非剛性的運動物體;利用隨機微分方程去描述復雜的運動模型,并與可變形模板相結合應用于人的跟蹤。相對于基于區域的跟蹤方法,輪廓表達有減少計算復雜度的優點。如果開始能夠合理地分開每個運動目標并實現輪廓初始化的話,即使在有部分遮擋存在的情況下也能連續地進行跟蹤,然而初始化通常是很困難的深圳監控安裝。

            (4)基于特征的跟蹤。

            基于特征的跟蹤包括特征的提取和特征的匹配兩個過程。一個很好的例子是點特征跟蹤,將每個目標用一個矩形框封閉起來,封閉框的質心被選擇作為跟蹤的特征;在跟蹤過程中若兩人出現相互遮擋時。世紀星介紹只要質心的速度能被區分開來,跟蹤仍能被成功地執行;該方法的優點是實現簡單,并能利用人體運動來解決遮擋問題,但是它僅僅考慮了平移運動。如果結合紋理、彩色及形狀等特征可能會進一步提高跟蹤的魯棒性。另外,Segen與Pingali的跟蹤系統使用了運動輪廓的角點作為對應特征,這些特征點采用基于位置和點的曲率值的距離度量在連續幀間進行匹配。

            手機:13888038015   座機/傳真:0871-63816220   聯系人:羅定凱   郵箱:471018537@qq.com   地址:云南省昆明市盤龍區東三環金色交響家園水韻5幢1單元402室

            Copyright© 2020-2028 云南倍榮科技有限公司版權所有 All right reserved    網站建設:昆明邦凱網絡