一种融合雨滴检测算法的混合高斯模型

介绍了一种融合了雨滴检测算法的混合高斯模型,针对雨天气候下的场景,对雨中运动目标的检测有较好的准确性.首先建立自适应混合高斯模型,然后结合混合高斯模型参数对雨天视频图像进行雨滴检测,并恢复得到一张较贴近无雨状态的图像,再用混合高斯模型对运动目标进行检测,最终得到一个贴近真实目标的检测区域,并对混合高斯模型参数进行自适应更新.     

基于颜色和梯度特征的混合高斯模型的运动目标检测算法

运动目标检测是视频监控系统的重要组成部分,针对传统的基于混合高斯模型(GMM)的运动目标检测方法存在的不足,提出一种基于颜色和梯度特征相结合的混合高斯模型的运动目标检测算法。该算法首先基于像素的颜色特征建立混合高斯模型,进行运动目标初步检测;然后结合像素的梯度特征,建立像素梯度的混合高斯模型,实现运动目标精确检测。通过在室内和室外等不同场景下进行的运动目标检测实验,结果表明,该算法能有效消除光照变化影响,抑制运动目标的阴影干扰,对室内和室外环境的运动目标检测都具有较好的检测效果和鲁棒性。     

视频图像中运动目标检测算法研究

视频图像中运动目标的检测一直是视觉分析的研究热点之一,应用广泛。文中主要针对静态背景下即摄像头固定的情况下,提出一种基于高斯模型的背景差分法来实现运动目标的检测。算法首先建立混合高斯背景模型,然后再利用背景差分法提取运动轮廓,最后通过后续的形态学处理得到完整的运动目标。实验结果表明,该算法不仅能够检测到运动目标,而且检测效果得到了提高。     

基于单高斯背景模型和双差分融合的运动目标检测算法

提出了一种新的运动目标检测算法,实现了只对帧图中感兴趣的运动目标区域进行背景匹配更新,能够较精确地检测出运动目标。该算法首先提出了双差分模型确定运动目标最大分布的可能区域,然后融合单高斯背景模型对此区域进行背景重建,再运用背景差分得到精确前景目标。仿真试验结果表明,该方法降低了运算的复杂程度,提高了检测精度,具有很好的鲁棒性。     

基于LPT和改进背景减算法的运动目标检测方法

生物视觉系统具有对运动目标敏感、分辨率调节迅速等特点,能准确无误地识别目标。对数极坐标变换(log polar transformation,LPT)是生物视觉的基础。对已有的传统运动目标检测算法进行了比较分析,并在仿生视觉认知模型基础上提出了一种基于对数极坐标变换和改进背景减算法的运动目标检测方法。该方法使用混合高斯背景建模,通过对对数极坐标变换后的图像进行柔和帧差法和背景建模的背景减算法,实现对运动目标的检测。通过实验分析,结果表明该方法可有效实现目标的准确快速检测定位和跟踪。     

基于背景学习的运动工件目标分割方法研究

精准的目标分割是实现工业机器人对工件目标跟踪和识别的前提和基础。在非限制场景中运动目标快速分割方法的基础上,提出通过高斯混合模型对传送带背景进行学习,实现了工业机器人视觉系统对传送带上运动工件目标的鲁棒分割。实验结果表明,利用该方法对运动目标进行检测,精度比视觉系统中原有的自适应阈值方法提高了7.5%。本文方法适用于具有稳态皮带背景的工业机器人视觉检测平台上的运动目标的高性能分割。     

基于背景差分和光流法的运动目标检测与跟踪

本实验研究的系统是利用混合高斯背景建模的方法建立一个背景模型,通过背景差分法从一系列包含运动目标的图像帧中提取出运动目标,并对提取出的目标区域进行金字塔光流法,以目标区域的光流方向作为运动目标的运动方向。最后通过vc++平台和opencv库设计一个演示环境,实现在单一的场景中实现运动目标检测和跟踪,验证本系统算法的可行性。     

基于状态分割的运动目标实时跟踪

针对基于云台的移动式摄像头视频监控系统,为准确、实时地对运动目标实施检测、跟踪,提出了一种基于状态分割思想的运动目标实时跟踪方法。该方法将运动目标检测跟踪过程按摄像头的运动状态分为静止、运动2个阶段。在摄像头静止阶段,采用基于混合高斯模型的背景差法检测运动目标,提取目标的颜色特征信息;在摄像头运动阶段,采用Camshift算法对运动目标进行跟踪。开发了基于 OpenCV 开源库的算法程序。实验结果表明,在目标颜色特征显著的情况下,该方法实现了移动式摄像头对运动目标的精确跟踪,并具有较好的鲁棒性和实时性。      

基于机器视觉的铲斗目标检测

为实现挖掘机器人在挖掘工作中能够对挖掘轨迹进行自我认知,结合了机器视觉中比较常见的运动目标检测算法-帧差法和背景差分法,对挖掘机铲斗目标检测展开了研究。对帧差法中的二帧差法和三帧差法以及背景差分法中的混合高斯建模法进行了研究,基于这些算法对铲斗目标进行检测。基于Open CV进行程序设计,对挖掘机模型的铲斗进行检测,验证算法的可行性。通过实验结果对比分析,结合三帧差法以及高斯混合建模法能够更好地实现铲斗目标检测。     

无人机低空飞行中具有复杂背景的运动目标检测算法

针对现有的满足实时性要求的检测算法,在复杂环境下检测效果较差,容易出现检测目标不完整和重影的现象,而具有较高准确性的检测算法,往往复杂度高,无法在无人机平台上满足实时性要求的问题,提出一种结合高斯模型和图像分割的运动目标检测方法。首先,在背景建模阶段,使用双高斯模型提高背景建模的准确性;其次,使用四叉树算法提取特征点并对特征点进行匹配;接着,计算前后帧图像中背景的运动参数,并对背景模型进行运动补偿;最后,结合背景模型与当前帧图像检测出前景目标,对前景周围区域进行图像分割,并与检测出的前景进行比较,得到最终的运动目标。实验结果表明,该算法能有效处理无人机运动对目标检测的干扰,检测出的运动目标轮廓完整且能满足实时性要求。     

基于低秩三分解的红外图像杂波抑制

针对红外图像中对比度较低、目标信号较弱且受背景噪声杂波干扰较大的特点,结合信号的稀疏表示理论提出了一种基于低秩三分解模型的红外图像背景杂波抑制算法。首先,分别对红外图像中目标、背景和噪声3种成份进行建模描述,得到低秩三分解模型。然后,采用二维高斯模型构造红外小目标超完备字典,利用所提出的低秩三分解模型将分块重置的图像数据矩阵分解为背景、噪声和目标3种成份。最后,对于目标分量进行阈值处理从而得到突出红外小目标的重构图像,实现杂波抑制。在3种不同情况下的实验结果表明:本文算法能够使红外图像局部信噪比提高2倍以上;与其他经典算法相比,抑制因子至少提高15%。得到的结果表明,所提算法能够有效抑制杂波,在提高红外图像信噪比的同时,对不同噪声干扰也具有较强的鲁棒性。     

动基座下的运动目标检测

由于动基座下运动目标的检测存在的背景干扰较大,影响运动目标检测精度的问题,本文提出了一种基于傅里叶变换和核函数-灰度统计图的动基座动目标检测算法,以便较大限度地克服光照变化、背景噪声对运动目标检测精度造成的影响。该算法首先将评价函数引入特征匹配块的选取中完成视频图像背景的分块匹配。然后,采用傅里叶变换的相位相关算法估计全局运动补偿参量;逐一计算各图像子块的高斯核函数值,建立核函数-灰度统计图并通过相邻帧高斯核函数值的变化情况判断运动目标的区域。最后,对包含运动目标的图像子块进行图像分割处理,完成动目标检测。实验仿真表明,与传统的运动目标检测算法相比,该算法中评价函数的评价系数α取0.7,帧间图像块相似度阈值T取0.3时,能有效地抑制光照变化和噪声带来的背景干扰,检测出动基座下的运动目标。该算法具有较快的计算效率,能满足工程上的实时性要求。     

基于元胞自动机的动态背景运动目标检测

针对传统运动目标检测算法在动态背景条件下难以准确检测出运动目标的问题,提出了一种基于元胞自动机的动态背景运动目标检测算法。首先,根据SLIC算法分割视频图像,并应用多模态混合动态纹理模型对视频图像进行背景建模。然后,融合空时显著性检测与基于元胞自动机的自动更新机制得到优化的显著性图。最后,通过对优化后的显著性图做适当的阈值分割处理得到视频图像中的运动目标。实验仿真结果表明,在动态背景条件下该算法可以有效的抑制视频图像中非运动目标的显著性物体对检测结果带来的影响,检测运动目标的精度较高,并且具有一定的鲁棒性。     

基于纹理及统计特征的视频背景提取研究

背景提取是视频监控及运动跟踪的基本问题,针对交通视频监控应用中图像亮度变化和路口交通繁忙的实际特点,提出基于纹理特征及统计学模型的背景提取方法,完成背景的稳健提取和实时更新。首先根据灰度—基元共生矩阵建立图像的纹理特征描述并据此初步判断某一区域是否有运动目标,进一步基于混合高斯分布模型进行背景像素判别和背景提取,最后应用多分辨率计算方法提高算法实现效率。实验结果表明,该方法能够更好的适应光照条件的不同变化,同时在交通状况繁忙的路口也能够准确的获取背景图像,计算时间仅为原来的1/4,从而满足背景提取算法在复杂环境下稳健性和实时自适应更新的要求。     

BACKGROUND RECONSTRUCTION AND OBJECT EXTRACTION BASED ON COLOR AND OBJECT TRACKING

In YCbCr colorspace, a method is proposed to reconstruct the background and extract moving objects based on the Gaussian model of chroma components. Background model is updated according to changes of chroma components. In order to eliminate the disturbance of shadow, a shadow detecting principle is proposed in YCbCr colorspace. A Kalman filter is introduced to estimate objects' positions in the image and then the pedestrian is tracked according to its information of shape. Experiments show that the background reconstruction and updating are successful, object extraction and shadow suppression are satisfactory, and real-time and reliable tracking is realized.     

基于背景差法和帧间差法的运动目标检测方法

影响夜间监视系统稳定性的主要因素之一是光线的变化，背景更新方法则是克服光线影响的有效方法。本文在介绍了各种现有方法的基础上，提出了一种基于背景差法和帧间差法相结合的运动目标检测和自适应背景更新方法。实验证明，这种方法能够很好地克服光线的影响，提高报警系统的稳定性。     

靶准直传感器封装误差检测模型与修正方法

利用三个面阵电荷耦合元件(charge-coupled device,CCD)构成的靶准直传感器实现柱状腔靶高精度姿态检测时,靶准直传感器中CCD封装误差等因素的存在会给柱状靶姿态检测及定位带来不确定影响,针对此,提出了靶准直传感器的标定模型与实验方法。将直径为0.8mm的微型球靶作为检测参考目标,利用微型球靶在靶准直传感器中不同位置时CCD上成像的图像点来构建位置矩阵,利用位置矩阵,通过归一化线性优化方法求解表示CCD位姿关系的单应性矩阵,通过单应性矩阵修正因靶准直传感器封装误差给柱状靶姿态检测带来的影响。考虑到利用图像检测方法提取微型球靶中心点位置时误差的存在,在构建的位置矩阵中加入均值μ=0、方差σ=0.5的高斯噪声,模拟检测点位置误差对单应性矩阵求解的影响,分析结果显示位置误差对单应性矩阵中各个参数影响较小,从而证明了该优化方法求解单应性矩阵的鲁棒性。为验证靶准直传感器对腔靶姿态检测的准确性,实验以0.02°的步距角绕X轴旋转柱状靶,利用靶准直传感器检测柱状靶姿态变化并与实际的姿态变化进行对比分析,实验结果显示最大误差小于0.009°,证明了修正方法的可行性。