基于中值背景模型的运动目标自适应检测方法

目的 在保证准确性的前提下,降低运动车辆检测算法的计算量,加快处理速度,满足实时性要求,提出一种基于中值背景模型和自适应阈值的运动检测方法 .方法 基于当前帧与背景图像的差分图像,利用自适应阈值分别对差分图像的三个颜色通道进行二值化,从而实现运动目标的精确检测.同时,根据检测结果 ,采用中值更新策略实现背景图像的实时更新.结果 实验结果 表明,笔者算法可以从复杂交通场景图像序列中有效地检测出运动目标,并且算法计算量小,具有良好的鲁棒性与实时性.算法每帧处理时间比混合高斯降低43%,背景更新时间比一阶Kalman算法降低了45%.结论 算法能够很好地满足智能交通监控系统中运动车辆实时检测的要求.     

复杂背景下运动目标检测的ViBe改进算法

针对ViBe运动目标检测算法在复杂背景下出现鬼影和鲁棒性低等问题,文中提出一种基于边缘梯度特征的自适应阈值改进算法.通过计算当前帧图像背景复杂度,自适应调整阈值R,提取前景目标;建立前景区域与运动区域的边缘梯度模型,通过判断模型之间的相似度,消除鬼影区域.经对采集的3个设定视频场景进行实验验证,结果表明,该算法对复杂场...     

违章停车检测与识别算法

针对传统违章停车人工检测方式的缺陷,设计了基于图像处理技术的停车违章监控算法。在禁停路段区域设置视觉传感器采集视频图像序列,利用自适应的混合高斯模型实现复杂交通场景下的背景抽取,提取可能运动前景目标。利用像素级时间序列特征检测静止物体,并根据对象级区域特征实现停驶车辆的辨识,获取车辆的违章停车信息。根据不同禁停区域的具体违章要求实现自动警报。最后,通过实际交通场景视频序列对算法进行了验证,结果表明了本文方法的有效性。     

旋转复杂背景中红外运动小目标实时检测

针对旋转复杂背景中红外运动小目标检测误检率高、实时性差等问题,提出了目标检测新算法。首先对图像进行中值滤波预处理,计算图像光流场,提取特征点,估算背景光流;然后设置阈值,判断提取备选目标特征点集合;最后通过特征点光流矢量角度、目标灰度值区间、目标特征点区域边缘检测的方法,排除备选目标特征点集合中的背景特征点,实时准确检测旋转复杂背景中红外运动小目标。实验结果表明,该算法能够准确地检测出红外多个运动小目标,检测率93.8%,平均虚警率0.126次/帧,平均每帧耗时15.53 ms,每帧图像处理的最大时间为20.45 ms,能够满足运动目标检测对实时性的要求。     

基于背景差分法的交通事件智能检测系统

为快速、准确地检测出交通事故的出事地点,设计了基于前后背景差分的智能检测系统。通过研究一段时间内静态位置上的像素变化,并选取合适的阈值衡量变化程度,从而检测是否存在交通事件。在选取阈值方面,结合了运动目标分割中的背景减法和OTSU算法,并根据相邻帧间的相关性对原算法加以改进,获取了自适应效果较好的分割阈值,从而实现事故的智能检测。截取浙江省杭甬高速公路的交通视频图像进行仿真,结果显示,该系统达到了运行数据量少,检测速度快,准确性高的效果。     

基于EmguCV的改进背景减除法运动目标检测方法研究

针对复杂场景中运动目标检测时出现的问题,设计了一种基于EmguCV的改进背景减除法运动目标检测方法。首先对每一帧图像进行混合高斯模型处理,再通过帧间差分算法进行背景更新,继而分析了传统混合高斯模型和传统的帧差分目标检测方法,并对算法进行了改进。利用Kmeans聚类算法采用不同的背景区域对复杂场景实现不同更新速率,在EmguCV框架的基础上利用C#语言实现对运动目标的检测。实验结果表明,该方法易于使用,且性能比较好。     

基于区域生长算法的车牌图像分割

准确分割车牌图像,可为分割目标的提取奠定良好的基础。试验中采用基于OTSU和区域生长的算法,实现了车牌图像的精准分割,通过最大类间方差法得到自适应阈值,代替了传统手动选择阈值的方法,再结合中值滤波对图像进行预处理,避免了传统阈值造成的过分割或者欠分割现象,且预防图像噪声,使得图像像素值变得缓和,从而有效地分割出车牌图像。     

基于边缘检测的Kinect深度图像去噪算法

Kinect实时提取的深度图像映射得到的彩色图像以及目标背景分离图像边缘存在明显锯齿,且图像噪声大,质量较差。对此提出一种针对Kinect深度图像去噪算法。运用基于Prewitt算子的分块自适应阈值边缘检测算法可得到比较精细的图像边缘;进而根据获取边缘信息对深度图像进行分类,边缘区采用单向多级中值滤波算法进行降噪处理,而非边缘区采用双向多级中值滤波算法进行降噪处理。最终利用Kinect得到边缘清晰,噪声较小的高质量深度图像,实验证明了算法的有效性。     

基于超像素一致显著性的视频运动目标检测算法

针对目前视频运动目标检测中存在受背景影响大,复杂场景下检测效果不佳的问题,提出一种基于超像素一致显著性的视频运动目标的检测方法。首先,将视频图像序列进行超像素分割,在保留目标特征完整性的基础上降低图像后续处理的计算复杂度。之后对视频单帧图像进行显著性检测,得到图像显著目标区域,接下来通过对视频图像序列间显著区域超像素匹配机制对运动目标进行检测。最后,引入视频图像序列间显著性传播的协同判别因子提高对运动目标的判别精度。实验结果表明,所提算法具有较强的鲁棒性,能够处理各种复杂场景下视频运动目标的检测,检测准确率达到93%,优于目前的主流算法。     

改进的ViBe运动目标检测算法

ViBe算法存在初始化背景建模效果不佳、不适应复杂背景变化以及消除鬼影较慢的问题.为了解决这些问题,提出一种改进的ViBe算法.此算法首先采用多帧图像梯度幅值进行背景建模,在背景更新时,引入阈值自适应调整因子,实现动态更新阈值,为提高消除鬼影效率,在鬼影消除判别过程中采用基于运动目标区域整体性的判别方法.实验结果表明,改进的算法能快速的消除鬼影,在复杂背景、光线变化环境中有更好的适应性和更高的检测精度.     

自适应Kalman滤波的运动物体跟踪算法研究

针对实时视频中的运动物体跟踪问题,提出了一种基于自适应Kalman滤波的运动物体跟踪新算法。首先利用基于∑-△背景估计算法检测运动物体,并提取主要颜色特征。然后构建物体运动模型,并生成自适应Kalman滤波的系统状态模型。最后利用主要颜色特征进行物体跟踪,其结果反馈给自适应Kalman滤波器,并通过遮挡率自动调整参数达到正确跟踪。实验结果表明,所提出的自适应Kalman滤波算法在运动物体被遮挡等复杂条件下的鲁棒性好,还具有跟踪准确性高和数据计算量小等优点,可用于实时运动物体的检测与跟踪。     

视频图像中的运动检测

视频图像中运动物体分析关键的一步就是从连续的视频图像中提取出运动目标，即运动目标检测。传统的运动目标检测方法有3种：背景图像差分法、时态差分法和光流法，分析比较了它们的优缺点；在此基础上笔者采用了一种结合Sobel算子和自适应背景差分算法的运动目标检测方法；利用Intel公司开发的计算机视觉库OpenCV开发了一个软件，并进行了一系列实验。通过观察、比较实验结果可以看出，这种运动目标检测算法能够正确地检测出视频图像中的运动目标，而且在检测性能上优于普通的自适应背景差分法。     

二维时空熵运动检测中的自适应门限技术

针对图像序列中运动检测门限的选取问题,提出一种基于二维时空熵准则自适应确定检测门限的新方法．将运动检测归结为两个二值划分问题,无需已知背景分布的具体形式和参数,利用二维熵准则自适应确定门限矢量(S,T)．并提出一种二维熵门限快速计算方法,利用积分和迭代操作避免二维熵门限求解过程中点的重复计算,将灰度级为N的图像的运算量从O(N4)降低到O(N2)．实验结果表明,该方法在目标和背景对比度较低的情况下也可提取出完整的运动目标信息,可实现实时处理．     

一种视频序列中运动目标检测算法

在现有方法的基础上,提出了一种基于Otsu动态阈值背景差法和三帧差法相结合的运动日标检测方法.首先通过改进的Surendra算法建立背景模型,并由Otsu动态阈值背景差分法得到二值图像,然后与三帧差分法结合,得到可靠的运动目标区域并进行背景实时更新.实验结果表明该方法满足视频序列运动目标检测的实时性和准确性要求.     

一种非刚体目标的实时检测与跟踪算法

提出了一种复杂背景下自动、实时地检测和跟踪非刚体目标算法。该算法利用自适应的背景减除方法,在复杂背景条件下提取出运动目标;采用颜色直方图模型为特征的均值平移法作为跟踪算法。试验结果验证了该算法的实时性和有效性。     

采用形态学算子的运动目标检测跟踪方法研究及实现

针对背景动态变化的场景,提出了一种基于全方位视觉的运动目标检测跟踪方法.采用统计方法建立背景模型,并实现背景模型的实时更新;利用减背景法和改进的二值图像连通域算法实现运动区域提取、分割;引入形态学算子计算目标区域体态比和紧密度,过滤背景干扰物;采用卡尔曼滤波与匹配矩阵相结合实现多个运动目标的跟踪;通过目标在HSV颜色空间中的H值、目标间的欧氏距离和目标相交面积等特征融合,提高目标跟踪的鲁棒性.实验表明,所设计的方法能实现实时准确的运动目标检测与跟踪.     

中国近代史上的一个特殊时期(1916-1928)——以领土维护情况为研究对象

针对移动目标检测过程中，背景信息复杂并且信息处理量大的问题，提出了一种对检测区的位图进行差影计算，从而快速检测出移动目标的方法。该方法用到的阈值，采用背景动态更新的自适应阈值计算方法得到；同时，还给出了该方法的算法描述和实验结果。实验表明，该方法能有效的提高移动目标的检测效率和准确率。     

基于位图差影自适应的移动目标检测

针对移动目标检测过程中,背景信息复杂并且信息处理量大的问题,提出了一种对检测区的位图进行差影计算,从而快速检测出移动目标的方法。该方法用到的阈值,采用背景动态更新的自适应阈值计算方法得到;同时,还给出了该方法的算法描述和实验结果。实验表明,该方法能有效的提高移动目标的检测效率和准确率。     

交通流视频检测中背景模型与阴影检测算法

提出了基于对象级的混合高斯背景模型更新方法与基于RGB颜色变化度的运动阴影检测算法。根据运动分割、物体识别、Kalman运动跟踪等高层语义表达,结合像素的时空特性,进行基于对象级的混合高斯背景更新。克服了像素级混合高斯模型中交通控制信号或交通阻塞等造成的长时间停车以及交通高峰期交通拥挤等情况下对背景抽取造成的影响;根据运动目标的RGB颜色变化度特点,提出自适应的对象级运动阴影检测算法,克服了运动阴影的影响及其造成的误分类。不同交通状态下的视频处理效果表明,该方法具有良好的鲁捧性和自适应性。