智能视频监控系统动态目标检测与识别算法综述

Abstract
Figure/Table
References
Related Citation (0)

Download: PDF (4929 KB) HTML (1 KB)
Export: BibTeX | EndNote (RIS)

Abstract With the continuous improvement of power system automation, the application of intelligent video monitoring in power systems has been more used. This article summarizes the dynamic target detection and recognition algorithms used in the intelligent video surveillance systems. The video moving object detection algorithm is introduced, including inter-frame difference method, background difference method, optical flow method. In addition, the traditional template-based recognition method and statistical learning method are also introduced. The above algorithms are compared and the applicable environment, advantages and disadvantages of each algorithm are expounded.

Key words： intelligent video monitoring optical flow method background subtraction method frame differential method moving target recognition

Received: 23 January 2018 Published: 23 October 2018

	Service

	E-mail this article
	Add to my bookshelf
	Add to citation manager
	E-mail Alert
	RSS
	Articles by authors
	Wang Cong
	Liu Mingguang
	Qi Fei

Cite this article:

Wang Cong,Liu Mingguang,Qi Fei. Summary of dynamic target detection and recognition algorithm in intelligent video surveillance system[J]. Electrical Engineering, 2018, 19(9): 6-11.

URL:

http://dqjs.cesmedia.cn/EN/Y2018/V19/I9/6

[1] 夏水英, 王一宁, 赵亮, 等. 视频联动技术在变电站智能巡检系统中的应用实践[J]. 电气技术, 2016, 17(8): 82-85.
[2] 曾东, 杜俊杰, 许金明, 等. 风光互补供电系统在输电线路视频监控中的应用[J]. 电气技术, 2012, 13(6): 56-59.
[3] 刘艳丽, 陈昊, 余炎峰. 基于帧间差分法和不变矩特征的运动目标检测与识别[J]. 工业控制计算机, 2008(7): 34-36.
[4] 林雯. 新型基于帧间差分法的运动人脸检测算法研究[J]. 计算机仿真, 2010, 27(10): 238-241.
[5] 李亮, 罗毅. 帧间差分法在视频监控中的应用研究[J]. 四川理工学院学报(自然科学版), 2015, 28(6): 58-62.
[6] 薛丽霞, 罗艳丽, 王佐成. 基于帧间差分的自适应运动目标检测方法[J]. 计算机应用研究, 2011, 28(4): 1551-1552, 1559.
[7] 刘鑫, 刘辉, 强振平, 等. 混合高斯模型和帧间差分相融合的自适应背景模型[J]. 中国图象图形学报, 2008, 13(4): 729-734.
[8] 樊晓亮, 杨晋吉. 基于帧间差分的背景提取与更新算法[J]. 计算机工程, 2011, 37(22): 159-161.
[9] 赵婷, 郑紫微. 基于改进的帧间差分运动目标提取算法[J]. 无线通信技术, 2016, 25(2): 46-49, 53.
[10] 苟娟迎. 基于背景差分法的运动目标分割[J]. 工业控制计算机, 2013, 26(8): 36-37.
[11] 李芳, 张影. 基于改进背景差分法的运动目标检测方法研究[J]. 科技经济导刊, 2017(24): 43.
[12] 沈剑雷, 夏定纯. 基于改进背景差分法的运动物体检测的研究[J]. 通信电源技术, 2016, 33(2): 012.
[13] 胡永, 师京晶, 郭小丹. 基于图像差分的背景差分算法改进及实验数据分析[J]. 实验室研究与探索, 2014, 33(8): 45-48.
[14] 汪国强, 盖琪琳, 于怀勇, 等. 基于背景差分法的视频目标检测算法研究[J]. 黑龙江大学工程学报, 2014, 5(4): 64-68.
[15] 黄鑫娟, 周洁敏, 刘伯扬. 自适应混合高斯背景模型的运动目标检测方法[J]. 计算机应用, 2010, 30(1): 71-74.
[16] 刘翔, 杨鑫, 王蕾. 改进的基于码本模型目标检测算法[J]. 液晶与显示, 2014, 29(6): 997-1002.
[17] 贾斌. 复杂背景下抗遮挡的车辆检测技术[D]. 北京: 北京邮电大学, 2012.
[18] 杨贇. 基于核密度估计的运动目标检测算法研究[D]. 南宁: 广西大学, 2012.
[19] 裴巧娜. 基于光流法的运动目标检测与跟踪技术[D]. 北京: 北方工业大学, 2009.
[20] 黄杭. 基于光流法的运动目标检测与跟踪[D]. 沈阳: 东北大学, 2014.
[21] 储珺, 施芒, 符祥. 基于光流的动态背景运动目标检测算法[J]. 南昌航空大学学报(自然科学版), 2011, 25(3): 1-6.
[22] 张金林, 万蔚, 芮挺, 等. 基于改进的Lucas-Kanade光流估算模型的运动目标检测[J]. 微计算机信息, 2010, 26(23): 194-196.
[23] 云红全, 徐力, 孙骁, 等. 基于超像素时空显著性的运动目标检测算法[J/OL]. 红外技术, 2015, 37(5): 404-410.
[24] 贾峻苏. 面向视频监控的运动目标检测和识别技术[D]. 杭州: 浙江大学, 2015.
[25] 魏延文. 基于视频的运动目标实时跟踪和识别[D]. 济南: 济南大学, 2013.
[26] 郝绪彤. 基于特征速度的运动物体识别研究[D]. 大连: 大连理工大学, 2016.
[27] 赵红雨, 吴乐华, 史燕军, 等. 基于HSV颜色空间的运动目标检测方法[J]. 现代电子技术, 2013, 36(12): 45-48.
[28] 徐兰. 基于active basis的行人检测与行为分析[D]. 青岛: 中国海洋大学, 2013.
[29] 管皓, 薛向阳, 安志勇. 深度学习在视频目标跟踪中的应用进展与展望[J]. 自动化学报, 2016, 42(6): 834-847.
[30] 陈林凯. 基于卷积神经网络的运动车辆视频检测方法[C]//2016年全国通信软件学术会议程序册与交流文集, 中国通信学会, 2016.