关键词： 交通监控   视频分析技术   车牌识别技术   智能视频分析   理性看待  

摘要： 中国智能交通行业里一直都不缺乏创新血液,相比智慧交通、智慧汽车这些"高、精、尖"的领域,交通监控还是一个技术门槛相对较低的分支。但是,从系统建设规模与投资来看,这个看似技术门槛较低的分支,却始终处于高速增长的通道中,这就说明了中国智能交通行业的用户一直保持着高度理智,不盲目。发展概况现在,交通监控领域里最热的是智能视频分析技术,经过多年的探索与尝试,全国各地交通管理部门没有狂热,始终清醒、科学地看待这项新技术的发展和使用。

关键词： 互联网+   大数据   云计算   4G传输   智能视频分析  

摘要： 当前,创新2.0下的互联网与传统行业融合发展形成新形态。新兴信息技术与"互联网+"的碰撞带来执法记录仪行业的颠覆性创新,执法记录仪技术快速发展,应用领域大范围扩大。本文分析大数据、云计算、4G传输,智能视频分析的技术特点,研究其在执法记录仪平台软件和终端上的应用,给出执法记录仪从单一终端产品向综合应用平台发展并提供"互联网+"应用模式的参考设计,展望执法记录仪行业与"互联网+"信息技术深度融合,进而实现移动警务系统在数据共享、互动协作的新形态。

关键词： 视频图像   基于视觉   视频数据   视频结构化   采集设备   人脸特征   智能视频分析  

摘要： 随着"平安城市"的初步建成,视频数据量呈现指数级增长态势,视频的基本"看","控","录"等功能已经无法满足公安的现实需求,如何更加高效地使用这些视频数据,如何对视频数据进行深度挖掘,如何提供更加有价值的可供结构化描述的视频.成为当前需要解决的重要难题.作为未来智慧公安的视频实战应用,局域视频内容的智能挖掘成为当前视频数据最为迫切的需求。为了满足上述对视频的新需求,中盛益华科技有限公司(CSVision)为此设计出一整套的视频

关键词： 视频内容分析   MPEG-2   时空特征   近拷贝检测   视频广告插入  

摘要： 视频内容分析(Video Content Analysis,VCA)一直是多媒体领域最受关注的研究课题之一,经过多年的研究,取得了一定的研究进展,目前已广泛应用于视频近拷贝检测、广告投放以及视频检索等多个领域。视频内容分析的关键部分在于如何提取视频特征,从而对视频内容进行有效、全面的描述。近年来,图像内容分析技术、图像局部特征、稀疏理论等不断取得新的进展。为此,本文将这些新的理论和方法应用到视频内容分析中,深入研究了视频内容的特征提取与表征,然后将其应用到视频近拷贝检测以及视频广告内容的插入中。本文的研究内容主要包括以下几个部分:1.提出了一种面向MPEG-2视频的时空特征提取与表达方法针对现有视频内容分析中提取的特征描述力不足的问题,结合视频编码格式的特点,提取MPEG-2视频的时间和空间特征充分表征视频内容。首先,利用视觉显著性模型提取视频关键帧,然后对关键帧提取HSV颜色直方图、ORB特征(Oriented FAST and Rotated BRIEF)等空间特征,并对ORB特征进行稀疏表示,同时自MPEG-2码流中直接提取运动矢量,对其绘制角度直方图为视频的时间特征。空间特征和时间特征相结合,得到多维度的视频时空特征,来表征视频内容。2.设计并实现了一种基于时空特征的MPEG-2视频近拷贝检测方法本文将提取的视频时空特征表达应用于视频近拷贝检测技术中。通过分别比较各个特征的相似度,利用基于投票机制的决策融合方法,综合得出查询视频与参考视频内容相似度,从而给出近拷贝检测结果。在标准数据集上的实验结果显示,本文提取的时空特征可以有效抵抗多种近拷贝变化,同时,提出的近拷贝检测算法具有更优的准确率和检测速度。3.设计了一种基于内容的视频广告插入方法当前的视频广告插入方法是在固定的时间点上将广告插入目标投放视频,对视频的播放过程造成严重干扰,极易引起浏览者对广告商品的抵触情绪。因此本文在现有的基于内容的广告插入方法基础上,对其进行了改进。本文算法根据视频的时空特征与结构化特点,计算广告与投放视频之间的内容相似度,筛选出恰当的广告插入位置,实现了基于内容的广告插入。本文进行了主观评价实验,实验结果表明,本文算法相较于定点插入方法,对浏览者的干扰较小。

关键词： 高速铁路   自然灾害监测系统   智能视频分析   雪深测量  

摘要： 近年来,我国进入高速铁路快速建设和开通阶段,一大批跨越南北、横亘东西的高速铁路线路相继开通运营。同时,我国幅员辽阔,气象、地形、地貌和地质差异很大,高速铁路从寒冷干燥的东北地区到炎热潮湿的海南岛,面临各种自然灾害的影响,强风、暴雨、大雪、地震、泥石流和滚石等严重威胁高速铁路运行安全。因此,建立完善的自然灾害监测系统,实时、准确地监测铁路沿线的各项气象和灾害数据,及时发布预警和调整列车运行是保障高速铁路安全畅通的重要一环。我国东北地区新建高速铁路已经部署了雪深监测系统,通过在铁路沿线安装激光测雪深装置,测量轨枕面的积雪厚度。然而,该系统基于激光测距原理测量积雪厚度,采用固定式安装,测量结果受雪面不平整、倾角误差、遮盖物阻断测量线等影响测量精度和可靠性不高。此外,仅获取单一雪深数据,数据维度低,难以充分反映冬季降雪对铁路运行的影响。因此,本文主要围绕雪深监测系统展开研究,在原有系统的基础上提出了基于云台和倾角传感器的多点雪深测量优化方法,增加了高清网络摄像机用于图像采集和智能视频分析,基于组态王开发了集数据收集和展示、报警联动、设备管理于一体的监控软件平台。雪深测量装置一次性安装后,倾斜角度随之确定,受长时间振动影响,倾角可能发生变化,然而微小的变化即可带来较大的雪深测量误差。通过云台和倾角传感器实现监测范围内的多点测量,在每次测量时,同时测量距离和倾角,能够大大减小倾角误差的影响。同时,多点测量结果取平均值,相比单点测量结果,能够减少雪面不平整导致的误差。计算机视觉技术迅速发展和铁路综合视频监控的大面积部署,为智能视频分析提供了条件。在降雪天气,雪粒子密度能够反映实时的降雪强度,通过实时视频分析,提取前景中雪粒子的分布密度,进而估计出当前时刻的降雪情况,增加了动态的雪情信息,可用于进行中短时间、小范围气象预测和雪灾危害趋势分析。另外,基于模板图像和抓拍图像对比,能够检测雪深测量点处是否存在遮盖物,以及初步计算遮盖物的尺寸,能够有效排除遮盖物对雪深测量的干扰,同时也可辅助进行异物侵限检测,具有一定的实用价值。基于组态王的监控软件平台,将监测点的雪深变化曲线和实时视频监控集成在同一个界面,能够帮助调度和工务人员更加方便、直观的了解铁路沿线的雪情信息。同时,实现雪深和图像抓拍录像报警联动,当雪深达到报警阈值时,自动采集图像信息,并回传至指挥中心,提醒调度和工务人员采取适当的措施,保障列车安全运行。

关键词： 智能视频分析技术   校园安防   IMOS  

摘要： 校园安防建设一直是高校校园建设的一个重要环节,目前校园安防仍处于以人防物防为主的阶段,技术及资金投入不足,整体状况不容乐观,而智能视频分析技术能够减少人力成本投入,加快视频监控信息的处理流程,可以有效解决上述问题。本课题跟据智能视频分析技术的特点和实际的使用场景提出了设计要求,结合高校的校园环境特点和用户需求报告,提出高校校园安防系统的功能和架构设计,设计并实现了过车管理、人脸识别、禁区绊线等智能视频分析功能模块,主要工作可归纳为以下几个方面:针对高校对进出车辆的管理以及监控需求,我们设计并实现了过车管理模块,其功能主要是记录过往车辆的牌照号码、出入时间、车辆类型等过车信息,并且监控校园内是否有违章停车的现象。为了对校园内各个出入口的过往人员进行辨识和记录,设计并实现了人脸识别模块,对于访客及其他外来人员进行实时的人像监控、识别,为安保人员提供所需信息以便其采取相关措施。针对校园内围墙、主干路、禁区等特殊区域的防护需求,设计并实现了禁区绊线功能模块,监测是否有人、物或者车辆闯入敏感区域。本系统将最新的智能视频分析技术与传统校园安防系统结合起来,用智能视频分析设备代替人的双眼及大脑,对校园园区进行监控和分析,已在多所高校投入使用,有效提高了监管效率。

关键词： 视频摘要   痛点   用户   智能视频分析   人脸检索   图像增强   识别率   安防产业  

摘要： 【编者按】任IP六时代的背景下,科学技术发展日新月异,安防产业也朝着高清化、数字化、智能化方向不断迈进。以人脸检索、三维立体识别、视频摘要、浓缩播放等为代表的智能分析技术成为了安防产业的又一个风口。整个安防市场已经进入到了泛智能化时代,交通、能源、园区、学校、楼宇、银行包括中小企业、民用等都有智能化的应用需求。应用价值就是能解决行业化用户的痛点,譬如公安刑侦用户,其痛点就是海量视频的检索和图像增强;智能交通用户,其痛点是车牌的捕获率和识别率,尤其是在异常天气情况下;森林防火用户,其痛点是在实况视频中能快速发现烟火,早预防和报警。所以说,安防智

关键词： 煤矿带式输送机   纵撕检测   保护系统  

摘要： 本文对煤矿运输皮带调速节能,纵撕检测,综合保护等方面进行了阐述,并分析了煤矿胶带运输系统节能和保护现状,以及该技术在宁煤集团煤矿的应用和前景。

关键词： 智能视频分析   GPU并行计算   行人重识别   运动目标检测与跟踪  

摘要： 智能视频分析技术作为计算机视觉中的新生代技术近年来发展迅速。然而,智能视频分析算法本身的计算复杂度和视频数据的数据密集性使得实时地智能视频分析处理面临较大困难。GPU通用计算具有广泛的实际应用价值,在很多计算领域都取得了明显的并行加速效果。因此,基于GPU并行计算的智能视频分析处理具有重要的研究意义。本文以智能视频分析技术和GPU并行计算技术为研究对象,开展了基于GPU并行计算的高性能智能视频分析技术研究。具体工作包括：第一,通过对智能视频分析技术处理流程的详细分析,首先将智能视频分析功能划分为高、低两个层次。针对低层次智能视频分析技术,重点研究了运动目标检测和跟踪的GPU并行化技术,设计并实现了基于背景减除法的运动目标检测的GPU并行化方案和基于MeanShift的GPU并行运动目标跟踪方案,加速了智能视频分析流程中最初的关键步骤的处理速度,实现了运动目标检测和跟踪的实时处理,在多种数据集上进行实验验证了方案能够的实时处理能力,为后续更高层次功能的实时应用奠定基础。第二,针对高层次智能视频分析技术,研究了行人重识别问题。通过将行人重识别问题解构为行人检测、特征提取和特征匹配等三个子问题,设计了行人重识别的GPU并行化框架。提出了HOG+SVM行人检测技术的GPU并行化方案,对其中关键处理过程利用GPU的计算、存储特性进行了优化设计和实现。针对特征提取,通过引入颜色自相似特征CSS,并结合HOG特征和LBP特征,提出了一种面向行人重识别的组合行人特征,详细研究了组合特征的GPU并行提取技术。针对特征匹配,制定了组合特征的相似度匹配原则,设计了基于GPU的相似度计算和行人重识别特征匹配算法,实验验证了特征和算法是有效的,利用GPU取得了9.41至9.77的加速比。

关键词： 智能视频分析   背景建模   深度学习   目标跟踪   车流统计  

摘要： 随着经济水平的提升和人们公共安全意识的不断增强,视频监控遍布社会的各个角落,发挥着越来越重要的作用。当前人工值守的方式由于人类自身生理功能的缺陷,漏报率高、只能事后处理以及日益增长的人力成本,越来越不能满足飞速增长的监控需求。因此,如何利用计算机来自动的分析处理监控视频,提取所需的关键信息,成为当前计算机视觉和模式识别领域的研究热点,具有不可估量的研究价值和市场前景。本文关注于智能视频分析中最为关键的技术:目标检测、分类和跟踪,完成的主要工作如下:1.对视频监控的发展历程和存在的问题进行了简要介绍,指出了当前视频监控“看得清”但“看不懂”的现状,由此引出了智能视频分析的必要性,并给出了它的研究现状、处理流程和需要解决的关键问题。2.在基于运动的目标检测方面,详细的分析了帧差法、光流法、混合高斯模型以及近年来新出现的视觉背景提取、基于像素的分割等方法,针对基于像素的分割方法采用固定距离阈值更新导致的吸收前景的问题,提出了背景动态性相关的阈值更新方法,在国际通用的运动检测数据集上的测试表明其能有效抑制这种现象的发生。3.在目标分类方面,对基于哈尔特征的人脸检测算法、基于灰度直方图和支持向量机的行人检测算法、可变形组件模型和深度学习的目标检测算法进行了简要的阐述,鉴于深度学习近年来在图片分类中的卓越表现,我们使用卷积神经网络对背景建模检测到的前景进行分类,并构造了自己的数据集进行测试,结果表明深度学习在监控目标分类上能够获得非常不错的效果。4.为了建立前后帧的目标对应关系,还需要对提取到的目标进行跟踪。在简要介绍了短时单目标跟踪的研究现状和MOSSE、KCF、DSST等基于相关滤波跟踪方法的基础上,针对当前方法没有考虑摄像机运动而使用固定搜索窗口导致跟丢的问题,提出了一种自适应搜索窗口的多尺度相关滤波跟踪算法,在基准库上的测试表明本文提出的算法能够应对摄像机存在运动的场景。5.最后,以前述技术为基础,设计和实现了基于视频的车流统计系统。我们在多种场景下的进行了大量的测试,结果表明它能够应适应复杂的环境,达到很高的准确率,基本具备了商业化的前提。