智能视觉技术应用概括与展望

　　智能视觉技术在视频监控应用分析

　　安防行业中的智能视觉分析主要完成的功能包括：视觉信号前背景分离、对象跟踪、对象特征提取、对象分类器设计。

　　前背景分离

　　前背景分离是计算机视觉领域的一个经典课题，到目前来看，研究学者从不同角度提出了几十种背景建模算法，部分算法如下：

　　视频时间轴上的均值和方差法

　　·帧差(Frame Difference)法

　　·加权运动均值(Weighted Moving Mean)法

　　·加权运动方差(Weighted Moving Variance)法

　　·自适应背景学习(Adaptive Background Learning)法

　　·自适应选择背景学习(Adaptive-Selective Background Learning)法

　　模糊法(Fuzzy-based methods)

　　·Fuzzy Sugeno Integral (with Adaptive-Selective Update)

　　·Fuzzy Choquet Integral (with Adaptive-Selective Update)

　　·Fuzzy Gaussian of Laurence Bender

　　单高斯模型统计法(Statistical methods using one gaussian)

　　多高斯模型统计法(Statistical methods using multiple gaussians)

　　类型2模糊(Type-2 Fuzzy based)法

　　使用颜色和纹理特征的统计法(Statistical methods using color and texture features)

　　非参数法(Non-parametric methods)

　　特征空间法(Eigen space-based methods)

　　神经和神经模糊法(Neural and neuro-fuzzy methods)

　　这些算法有的基于空间特征，有的在时间轴上建立高斯模型，有的采用特征空间模型，有的基于像素颜色和纹理。但这些算法没有一个适用于所有的视频场景，或者说某一类算法只适用于某一类场景。但真实情况是视频场景千差万别。比如对一十字路口：白天、傍晚、夜间补光灯、夜间没有补光灯、红外、白天雨天、夜间雨天、大风天气、雾霾天气、雪天，这些因素导致场景随机变化，无法找到合适算法进行自动识别。

　　无法找到一个通用于所有场景的智能视觉算法，这就是智能视觉分析的难点所在。

声明:

凡文章来源标注为"CPS中安网"的文章版权均为本站所有，如需转载请务必注明出处为"CPS中安网"，违反者本网将追究相关法律责任。非本网作品均来自互联网，转载目的在于传递更多信息，并不代表本网赞同其观点和对其真实性负责。