摘要：为了解决高速公路的交通流参数的检测过程中车辆跨道行驶、阴影和遮挡物影响而导致的车辆漏检或误检等问题,文中通过在交通视频图像中感兴趣的区域设置"T"形虚拟线圈,同时在分析了车辆通过虚拟线圈过程中YUV颜色空间中Y分量的变化趋势的基础上,设计了一种帧间差分与背景差分相结合的车辆检测算法,并在此基础上完成车速的测量。实验证明文中的算法能在一定程度上解决车辆跨道行驶时重复计数、由于车辆阴影或其他遮挡导致的车辆漏检或误检等问题。

摘要：通过分析视频处理流程,设计并实现了一套基于OpenCV的视频目标检索方案。首先使用经过改良的背景差分法获取视频中的运动前景,接着根据前景的轮廓得到前景的位置,然后根据前景的颜色直方图特征对前景物体进行分类跟踪,最后将分好类别的目标进行排序,以便根据要求得到最迫切需要的目标及其运动过程。实验结果表明,该方法科学合理,思路清晰,功能完备,对视频目标检索的深入研究具有很高的研究价值。

摘要：研究基于计算机视觉的实时动态手势识别技术,并利用OpenCV计算机视觉库在VS2010平台上设计一个基于该技术在多媒体教学中PPT演示控制方面的应用。首先,利用背景差分法进行手势检测,在背景更新的基础上,通过背景差分图和颜色直方图的反投影图来检测运动手势区域,可以达到较为满意的实时运动手势检测效果;其次,采用基于颜色直方图的粒子跟踪算法进行手势跟踪,基本能满足跟踪的实时性;最后,在手势识别阶段,采用基于Hu不变矩的轮廓匹配算法,得到较好的手势识别效果;使用六种手势,来实现演示文稿中的控制应用。

摘要：运动目标的检测和跟踪是计算机视觉领域的研究热点和难点。本文针对复杂的交通应用背景,提出了基于二级特征匹配的卡尔曼滤波跟踪算法。首先在背景建模中引入一个差异深度矩阵以抑制噪声影响,利用基于背景差分的目标检测确定目标区域,然后运用卡尔曼预测目标位置,并以目标区域的几何特征和核直方图特征对当前帧检测到的目标模板和预测区域内的目标进行二级特征匹配。实验表明,该算法能够在保证多运动目标跟踪的准确有效性的基础上达到实时性应用要求。

摘要：提出了一种基于电梯监控视频、用于检测轿厢中是否存在狗的算法。该算法结合栈式自编码网络(SAE),使用梯度方向直方图(HOG)来表征狗的特征。首先,采集大量电梯轿厢中狗的正负样本进行训练并提取梯度特征;然后构建栈式自编码网络并将梯度特征输入其中进行无监督学习来获取更深层特征模型;最后训练Softmax分类器得到最终的电梯中狗识别的模型。此外,该算法通过对视频的背景差分处理能够精准地定位待识别的区域,从而极大提高算法效率。最终实现了电梯轿厢中狗的实时检测,识别率达到89%左右。

摘要：为了能够在数字视频系统中实时的检测出运动目标,提出了一种基于序列图像的运动目标实时检测方法。采用了改进的基于自适应背景提取与自适应阈值分割的背景差分方法提取运动区域,同时使用高斯滤波及形态学滤波消除噪声等,改善了对运动区域的提取效果。实际工程实践证明,该方法可以准确、有效的完成运动目标分割,经统计,检测准确率在95%以上。