近年来, 深度学习算法发展迅速, 并广泛应用于目标检测的任务。然而, 在内存和计算能力等条件受限制的设备上, 无法进行实时性的目标检测。针对这一问题, 提出了一种在内存和处理单元受限的监视系统中检测行人的快速方法。针对一般行人检测中提取高维度行人特征导致检测效率低的问题, 将改进的方向梯度直方图(HOG)和Sobel边缘图像局部二元模式算法(Sobel-LBP)进行融合作为特征, 提出基于教师-学生框架的模型压缩技术, 将其应用于随机森林（RF）分类器, 不使用深度网络, 因为经过压缩的深度网络仍然需要大量的内存用于处理参数乘法运算。通过使用教师随机森林（T-RF）输出的soft target来训练学生浅层随机森林（S-RF）, 也称再生随机森林(BARF), 让其模仿T-RF的表现; 通过BARF分类器进行行人检测, 最后使用滑动窗口法检测出行人。实验证明, 与T-RF相比, 提出方法的速度提高了2.05倍, 压缩率提高了5.39倍, 并且其检测性能也较为理想。

为了保障长江航道的安全畅通，结合长江航道上已建设的视频监视系统，对远距离红外夜视技术在航道视频监视中的 作用、应用环境、技术需求以及实用效果进行了分析。长江航道夜视监控处于野外工作状态，受自然环境的影响大。同时，在航道应用中，人们对航标 标位、灯光、船舶以及航标结构损坏情况都有不同的监控要求。基于监控需求和对已建系统实际使用效果的考量，提出了航道视频监 视系统中的红外夜视设备的配置要求。该系统由激光照明系统、信号采集系统、控制系统和信号传输系统等四部分组成。给出了 各个部分的具体参数。随着内河航道的逐步现代化，夜视系统在航道视频监视中的应用范围必将逐渐扩大，在航道维护管理中也将发挥重要作用。

针对视频监视系统中的阴影检测问题,提出了一种基于灰度比值统计与边缘特征分析相融合的阴影检测方法.根据阴影的面积和灰度特征,采用灰度统计和正态分布曲线拟合的方法估计出阴影灰度的分布区域,实现对阴影的初分割.利用熵判据对初分割的结果进行判断,对于过分割的情况,依据目标与阴影间的位置关系,利用阴影的边缘特性进行目标重构.不同光照环境下的视频监控图像测试结果表明,该方法可以用于灰度图像和彩色图像,能够有效检测出阴影区域并保持目标的完整性.

提出了一种用于视觉监视系统的基于柯西分布的发光模型的光照不变变化检测方法。假定视频图像序列中每个背景图像像素点灰度观测值的时序变化由白噪声引起,利用建立的初始化背景高斯统计模型对每帧图像进行归一化,得到了背景像灰度比值的分布符合标准柯西分布的结论,解决了柯西分布的模型参量估计问题。在变化检测的基础上,YCbCr颜色空间的亮度、色调和饱和度被用来识别和消除由阴影和反光等引起的变化区域。结果表明,提出的背景建模方法对场景中各种光线变化、小的背景扰动等噪声具有稳健性,可以较为可靠地检测前景目标,识别和去除阴影和反光。