随着视频技术的飞速发展,越来越多的视频应用逐步进入人们的生活中,因此对视频质量的研究很有意义。基于卷积神经网络和循环神经网络强大的特征提取能力并结合注意力机制,提出一种无参考视频质量评价算法。该算法首先利用VGG(Visual Geometry Group)网络提取失真视频的空域特征,然后利用循环神经网络提取失真视频的时域特征,引入注意力机制对视频的空时特征进行重要度计算,根据重要度得到视频的整体特征,最后通过全连接层回归得到视频质量的评价分数。在3个公开视频数据库上的实验结果表明,预测结果与人类主观质量评分具有较好的一致性,与最新的视频质量评价算法相比具有更好的性能。

为了准确检测视频中的遮挡区域，提出一种融合多特征基于图割的视频遮挡区域检测方法。基于光流和亮度信息提出三种新的遮挡相关特征—亮度块匹配特征、最大光流差特征和光流残差特征，并定义了所提特征的计算方法。以像素点为单位将所提特征组成特征向量输入随机森林分类器，获取像素点及邻接像素点对的遮挡相关信息。综合利用所获取的遮挡相关信息，通过构造遮挡检测能量函数将遮挡检测问题转化为优化问题。根据该能量函数构造无向图，并基于图割理论对能量函数进行求解，从而得到最终的遮挡区域检测结果。实验结果表明，同现有表现较好的遮挡检测方法相比，所提方法具有较高的准确性和较好的实时性。

为满足复杂场景下视频烟雾检测的实时性、准确率等需求,提出了一种将高斯混合模型与卷积神经网络相结合的视频烟雾检测方法。基于高斯混合模型的背景减除法和形态学方法实现对视频图像的运动目标提取;针对烟雾检测效率和网络过拟合等问题,设计用于视频烟雾检测的卷积神经网络模型;通过烟雾正负样本图像对卷积神经网络进行训练和测试。在此基础上,合理地设定运动目标网络模型的输出概率的阈值,有效去除训练样本中没有涵盖的非烟雾干扰项,降低误报率。实验结果表明,该方法是可行且有效的,其视频烟雾检测准确率达到97.5%,平均烟雾报警响应时间为4.58 s,可满足复杂场景下烟雾的实时检测要求。

免费机器视觉视频教程halcon-百度网盘-附件资源

机器视觉视频资料 1.9G 文件比较大，下载后是百度网盘下载链接去下载的，无需担心链接会失效，失效了里面也有联系方式可以找我重新发下载的

基于MATLAB平台的，根据输入视频通过三种方式获取静态背景，包括均值法，高频次法，中值法，并与原视频图片对比，显示出提取效果。

机器视觉视频资料 1.9G 文件比较大，下载后是百度网盘下载链接去下载的，无需担心链接会失效，失效了里面也有联系方式可以找我重新发下载的