基于支持向量机的监控视频遮挡树叶检测

doi:10.11772/j.issn.1001-9081.2014.07.2023

计算机应用 ›› 2014, Vol. 34 ›› Issue (7): 2023-2027.DOI: 10.11772/j.issn.1001-9081.2014.07.2023

基于支持向量机的监控视频遮挡树叶检测

袁渊¹,²,丁胜¹,²,徐新¹,²,陈黎¹,²

1. 武汉科技大学计算机科学与技术学院，武汉 430065
2. 智能信息处理与实时工业系统湖北省重点实验室(武汉科技大学)，武汉 430065

收稿日期:2013-12-30 修回日期:2014-02-11 发布日期:2014-08-01 出版日期:2014-07-01
通讯作者: 袁渊
作者简介:袁渊(1990-)，男，湖北黄冈人，硕士研究生，主要研究方向：图像处理；丁胜(1975-)，男，湖北武汉人，副教授，博士，主要研究方向：图像处理；徐新(1982-)，男，湖北武汉人，讲师，博士，主要研究方向：图像处理；陈黎(1977-)，男，湖北武汉人，副教授，博士，主要研究方向：图像处理、计算机视觉、统计信号处理。
基金资助:
国家自然科学基金资助项目;湖北省高等学校优秀中青年科技创新团队计划项目;湖北省教育厅科学技术研究计划项目

Support vector machine based approach for leaf occlusion detection in security surveillance video

YUAN Yuan¹,², DINGSheng¹,²,XU Xin¹,²,CHEN li¹,²

1. Hubei Province Key Laboratory of Intelligent Information Processing and Real-time Industrial System(Wuhan University of Science and Technology), Wuhan Hubei 430065, China
2. School of Computer Science and Technology, Wuhan University of Science and Technology, Wuhan Hubei 430065, China;

Received:2013-12-30 Revised:2014-02-11 Online:2014-08-01 Published:2014-07-01
Contact: YUAN Yuan

摘要/Abstract

摘要：

针对安防监控摄像头被树叶遮挡的问题，提出一种基于支持向量机(SVM)的视频树叶遮挡检测算法。该算法利用视频的时域特性，采用累积帧差法实现对视频中疑似树叶区域的分割，提取视频中某一帧图像的整个区域和疑似树叶区域的颜色信息与面积信息作为视频的特征，最后采用支持向量机进行建模并用于视频树叶遮挡的检测。在有限样本前提下，算法准确率能够达到84%。实验结果表明，所提算法对于有树叶遮挡的监控视频能够进行有效识别。

Abstract:

Aiming at the problem that the security surveillance cameras have been hidden by leaves, a leaf occlusion detection algorithm based on Support Vector Machine (SVM) was proposed. The algorithm contains three steps. First, the regions of the leaf existing in the video were segmented. The accumulated frame subtraction method was applied to achieve this purpose. Second, the color and area information of the whole video image and the segmented regions were extracted as the key features. Third, these features were used for modeling and detecting obstacle occlusion by SVM. For all the collected samples, the detection accuracy of this method can reach up to 84%. The experimental results show that the proposed algorithm can detect the leaf occlusion in security surveillance video effectively.

中图分类号:

TP391.41

袁渊丁胜徐新陈黎. 基于支持向量机的监控视频遮挡树叶检测[J]. 计算机应用, 2014, 34(7): 2023-2027.

YUAN Yuan DINGSheng XU Xin CHEN li. Support vector machine based approach for leaf occlusion detection in security surveillance video[J]. Journal of Computer Applications, 2014, 34(7): 2023-2027.

参考文献

［1］ZHOU X. Research and implementation of surveillance video synopsis generation technologies［D］. Chongqing: Chongqing University, 2010.(周小龙.监控视频摘要生成技术的研究与实现［D］. 重庆:重庆大学,2010.)
［2］RIBNICK E, ATEV S, MASOUD O, et al. Real-time detection of camera tampering［C］// Proceedings of the IEEE International Conference on Advanced Video and Signal Based Surveillance. Piscataway: IEEE, 2006: 10-16.
［3］WANG B, HU F. Tampering detection for surveillance camera based on corner［J］. Computer Application and Software, 2010, 27(5):243-245.(王宝君,胡福乔.基于角点的监控摄像头干扰检测［J］.计算机应用与软件,2010,27(5): 243-245.)
［4］LIN D T, WU C H. Real-time active tampering detection of surveillance camera and implementation on digital signal processor［C］// Proceedings of the 8th International Conference on Intelligent Information Hiding and Multimedia Signal Processing. Piscataway: IEEE, 2012: 383-386.
［5］JI G, ZHOU L. Tampering detection and classification of intelligent video surveillance system［J］. Journal of Data Acquisition and Processing, 2013, 28(2): 231-238. (姬贯新,周利莉.智能视频监控系统中的干扰检测及分类［J］.数据采集与处理,2013,28(2):231-238.)
［6］YIN H P, JIAO X G, LUO X K, et al. Sift-based camera tamper detection for video surveillance［C］// Proceedings of the 25th Chinese Control and Decision Conference. Piscataway: IEEE, 2013: 665-668.
［7］SAGLAM A, TEMIZEL A. Real-time adaptive camera tamper detection for video surveillance［C］// Proceedings of the 2009 IEEE International Conference on Advanced Video and Signal Based Surveillance. Piscataway: IEEE, 2009: 430-435.
［8］YANG N, WANG H, MA Z, et al. Image fire detection algorithm based on support vector machine［J］. Journal of Computer Applications, 2010, 30(4): 1129-1131.(杨娜娟,王慧琴,马宗方,等.基于支持向量机的图像型火灾探测算法［J］.计算机应用,2010,30(4):1129-1131.)
［9］DING S, QI B, TAN H. An overview on theory and algorithm of support vector machine［J］. Journal of University of Electronic Science and Technology of China, 2011, 40(1): 2-10.(丁世飞,齐丙娟,谭红艳.支持向量机理论与算法研究综述［J］.电子科技大学学报,2011,40(1):2-10.)
［10］HUAN H, GONG N, HU B. Applying video-based new algorithm of road recognition in traffic surveillance system［J］. Computer Application and Software, 2010, 27(6): 216-218. (郇洪江,宫宁生,胡斌.基于视频的道路识别新算法在交通监测系统中的应用［J］.计算机应用与软件,2010,27(6):216-218.)
［11］HAN Y, ZHANG Y, LI Q, et al. Moving object segmentation method using accumulated frame difference and background subtraction［J］. Computer Engineering and Applications, 2011, 47(14): 164-165.(韩亚伟,张有志,李庆涛,等.帧差累积和减背景相结合的运动对象分割方法［J］.计算机工程与应用,2011,47(14):164-165.)
［12］WANG B, ZHAO J, SU J, et al. Research on local color-space characteristics image retrieval method［J］. Computer Applications and Software, 2012, 29(5): 28-31.(王保平,赵静,苏建康,等.基于局部颜色-空间特征的图像检索方法研究［J］.计算机应用与软件,2012,29(5):28-31.)

[1]	张佳慧李晓明张嘉祥. 强化形态感知的路面缺陷检测算法[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[2]	况世雄姚俊波陆佳炜王琪冰肖刚. 基于动态图卷积网络的电梯乘客异常行为数据增强方法[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[3]	康斌陈斌王俊杰李昱林赵军智咸伟志. 基于多粒度共享语义中心关联的文本到人物检索方法[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[4]	王子怡李卫军刘雪洋丁建平刘世侠苏易礌. 基于Swin Transformer与多尺度特征融合的图像描述方法#br# [J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[5]	付可意, 王高才, 邬满. 基于改进区域提议网络和特征聚合小样本目标检测方法[J]. 《计算机应用》唯一官方网站, 2024, 44(12): 3790-3797.
[6]	庞玉东, 李志星, 刘伟杰, 李天昊, 王宁宁. 基于改进实时检测Transformer的塔机上俯视场景小目标检测模型[J]. 《计算机应用》唯一官方网站, 2024, 44(12): 3922-3929.
[7]	赵欣, 李鑫杰, 徐健, 刘步云, 毕祥. 基于卷积神经网络与Transformer并行的医学图像配准模型[J]. 《计算机应用》唯一官方网站, 2024, 44(12): 3915-3921.
[8]	颜承志陈颖钟凯高寒. 基于多尺度网络与轴向注意力的3D目标检测算法[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[9]	王静刘嘉星宋婉莹薛嘉兴丁温欣. 基于空间变换和特征分布校准的小样本皮肤图像分类模型[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[10]	廖炎华鄢元霞潘文林. 基于YOLOv9的交通路口图像的多目标检测算法[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[11]	谢斌红剌颖坤张英俊张睿. 自步学习指导下的半监督目标检测框架[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[12]	邹耀斌, 张彬. 四向加权香农熵最大化导向的自动阈值分割方法[J]. 《计算机应用》唯一官方网站, 2024, 44(11): 3565-3573.
[13]	刘涛, 鞠事宏, 高一萌. 基于改进YOLOv8n的无人机视角下小目标检测算法[J]. 《计算机应用》唯一官方网站, 2024, 44(11): 3603-3609.
[14]	刘雨生, 肖学中. 基于扩散模型微调的高保真图像编辑[J]. 《计算机应用》唯一官方网站, 2024, 44(11): 3574-3580.
[15]	胡立华, 李小平, 胡建华, 张素兰. 基于四叉树先验辅助的多视图立体方法[J]. 《计算机应用》唯一官方网站, 2024, 44(11): 3556-3564.

基于支持向量机的监控视频遮挡树叶检测

Support vector machine based approach for leaf occlusion detection in security surveillance video

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics