基于HSV颜色空间静止背景中运动目标的检测算法

针对固定场景视频序列中的彩色运动目标检测,采用HSV颜色空间表示视频原始帧,使用自适应背 景更新在原始帧中提取V 分量建立背景帧,利用背景差分法对视频序列进行运动检测,在运动区域二值化时结合原 始帧中的H 分量对运动区域进行筛选,从而得到特定运动目标被点亮的前景帧。实验结果表明,该算法能够有效地 实现在静止背景、多运动目标共存的视频中检测出特定颜色的运动目标。     

全局运动序列中运动目标的检测算法

针对全局运动视频序列采用灰度投影法检测序列帧间运动矢量,具有图像信息利用充分、计算精度高等优点,文中采用了改进的三步搜索算法有效地提高了运动矢量搜索速度,降低了运算复杂度,同时保持了运动矢量的搜索精度。通过帧间运动矢量补偿将相邻三帧图像的相同背景稳定在同一幅图像的相同位上,利用改进的三帧差分法检测运动目标区域。结合数学形态学的闭运算和填充运算等提取出运动目标。实验结果表明,该方法能够快速高效地从背景变化的视频序列中提取运动目标,具有较强的鲁棒性和准确性。     

一种基于视频帧间冗余的空间数据隐藏方法

针对GIS空间数据量大的特点,提出一种基于视频帧间冗余的信息隐藏方法,利用视频对称差分技术分离出视频中的运动目标和静止背景,然后对运动目标进行提取,在对运动目标增加的插值帧中隐藏空间数据.该方法合理利用了视频帧间冗余,具有较大的隐藏容量,符合空间数据量较大的隐藏特点.实验证明,该方法具有较好的不可感知性,具有一定的抵抗隐写检测的能力.     

基于有限线积分变换的序列图像运动目标检测

运动目标检测主要是从序列图像中将变化区域从背景中分割出来,它影响着运动目标能否正确地分类和跟踪。因此,运动目标检测是智能视频监控技术中的关键问题之一。有限线积分变换（finitelineintegraltransform,FLIT）作为近年来一种多尺度几何分析的新方法,能有效提取图像中的线性特征。检测方法是在FLIT的基础上再结合背景差法来实现的。具体而言,先对图像序列中的每帧网像（包括参考帧）作固定模板下的FLIT,再用当前帧的FLIT减去参考帧的FLIT,然后对不同方向提取的运动目标信息进行综合,最后采用数学形态学的相关处理来消除噪声。实验结果表明,使用该方法可以承受整体的或局部的、缓慢的或突变的光线变化,能有效地检测出运动目标。     

基于运动连通性二维网格运动分析的视频对象分割算法

提出了一种基于运动连通性二维网格运动分析的视频对象时空分割算法。该算法首先利用特征检测算法获得视频帧图像的自适应二维网格表示,然后利用基于运动连通性的高阶统计方法对二维网格表示进行运动分析快速获得粗糙的运动轮廓区域并进行边缘精细化,接着对根据连通性标注出的最大连通区域进行后处理就能获得最终的分割模板从而有效提取出视频对象。实验结果表明,该算法综合了网格基分割算法和像素基分割算法的优点,具有理想的主客观性能,提高了分割速度。     

基于双目视觉的机器人运动目标检测与定位

针对移动机器人自定位精度低的问题,提出了先由静止的工作机器人进行自定位,再对运动目标进行检测和定位的方法.基于HSV模型颜色特征,工作机器人分割出人工路标并进行自定位,利用帧间差分法将采集到的视频图像序列中相邻两帧作差分运算,提取出运动目标,并通过双目立体视觉视差原理计算出运动目标的绝对坐标,帮助运动目标完成定位.结果表明,该方法定位精度高于传统的移动机器人自定位的定位精度,且算法的实时性好,具有现实的研究意义.     

基于均值背景与三帧差分的运动目标检测

为了实现对室外监控视频中人体运动目标的准确提取,针对传统的三帧差分法在运动目标检测过程中容易出现"空洞"现象,提出了一种基于均值背景与三帧差分的运动目标检测算法.该算法通过将经均值背景建模得到的视频当前帧的背景加入到三帧差分中与视频当前帧和视频当前帧的下一帧分别进行邻间差分,避免了背景像素点对前景检测带来的影响,解决了三帧差分法在运动目标检测过程中存在的"空洞"问题.仿真结果表明,该算法在完整性和准确性方面要优于传统的运动目标检测算法,可以在复杂背景环境中实现快速的运动目标提取.     

基于时域定区间记忆补偿的视频对象分割算法

提出了一种新的基于时域定区间记忆补偿的视频对象分割算法。首先,使用对称帧帧差累计法及帧差图像的四阶矩检测出初始运动变化区域;然后,对检测出的初始运动变化区域通过时域定区间记忆补偿法进行补偿,并进一步整合形成全局运动记忆母板,在空域使用Sobel边缘检测算子较为精确地检测得到当前帧中所有边缘;最后,进行时空融合,从而提取出完整精细的运动对象轮廓并通过填充得到运动对象模板。实验证明了本文算法的正确性和快速性。     

多水平集和差分相乘的运动目标轮廓模型的研究

针对现有目标轮廓提取方法存在收敛速度慢、效率较低以及对初始位置和噪声都很敏感等问题,提出了一种差分相乘与参数多水平集主成分Chan-Vese模型相结合的新模型.该方法首先利用4帧相邻图像进行差分相乘,抑制绝大部分的背景边缘,再进行滤波预处理,最后通过多水平集与Chan-Vese模型结合的改进模型提取运动目标轮廓.对大量视频图像进行实验分析后的结果表明,在具有多个目标的视频图像下,该方法能更加快速准确地提取出每个完整的运动目标轮廓,较好地解决了现有方法在多个运动目标轮廓提取以及轮廓凹陷上的缺陷.     

融合运动和统计特征的静态目标检测

为了解决大部分时间处于相对静止状态目标的智能监控,提出一种融合运动和统计特征的静态目标检测方法.该方法采用行列错位减图像的帧差来提取目标运动特征,根据目标模型和候选区域的统计特征匹配检测目标,利用运动特征和模板的相似性度量动态更新模板.通过积分图优化特征提取及对强光抑制,提高了算法的实时性和鲁棒性.     

基于水平集的多运动目标检测和分割

针对视频图像的运动分割问题，提出了一种基于水平集方法的多运动目标检测和分割新方法.通过一种基于帧间差分的算法,自动提取初始背景图像，并使用相减法，检测出当前图像中的运动像素.定义了一种新的基于差分图像的局部梯度、目标的方差和背景的方差的速度函数，得到了改进的分割曲线的演化方程，分割出不同的运动目标.在水平集的求解过程，设定了控制演化曲线最终停止在目标边界上的条件，得到了运动目标的边界.实验结果表明，与其他传统方法相比，该运动目标检测和分割方法更有效和具有更好的鲁棒性，能够正确地提取运动目标边界.     

基于团块匹配的序列图像中运动目标的分割方法

提出了一种基于团块匹配的序列图像中运动目标的分割方法,在前后两帧图用位移估值作团块匹配得到目标分割,再作形态学处理和利用先验知识消除背景干扰．它较好地解决了在静止图像分割时目标受背景遮挡、目标与背景相邻时灰度相近等分割困难,因而可以作为复杂背景下目标分割的一种有力工具．     

一种基于边缘检测的时空视频对象分割算法

提出了一种基于边缘检测的时空视频对象分割算法。首先提出一种基于高阶统计量的帧间差分图像处理方法,然后运用边缘检测得到空域分割结果和用累计差分与对称差分得到时域分割结果,综合时空域分割结果得到运动目标的边缘,最后对边缘图进行区域填充与数学形态学处理,得到运动目标掩模图像。实验结果表明本文算法能够得到较准确的分割结果。     

一种基于RGB色彩的运动对象分割方法

随着新的视频压缩标准MPEG-4的出现，在视频序列中克服外界影响，分割出语义上有意义的单独运动对象成为计算机视觉研究的重要课题．提出了一种基于颜色特征进行运动对象阴影检测。利用互帧差的高阶统计特性和数学形态学算子进行运动对象分割的方法．实验结果表明该方法能有效的克服阴影的影响，从而实现运动对象的分割．     

基于改进DRLSE的运动目标分割方法

为了得到精准、连续的运动目标轮廓,提出将帧间差分法和改进的距离规则水平集演化(DRLSE)方法结合应用于运动目标分割.采用帧间差分法得到运动目标的初始轮廓;使用在能量泛函的外力项中融入运动序列时空变化信息的DRLSE方法进行轮廓演化,避免演化受背景边缘干扰,得到精准的运动目标轮廓;根据精准目标轮廓的反馈估计运动方向,并结合帧间差分法为后续的DRLSE提供一个较佳的初始轮廓,能显著提高运动目标的分割速度.实验结果表明,与现有算法相比该改进方法能够更精确、更快地得到运动目标轮廓.     

基于形状先验与轮廓预定位的目标分割

针对单帧图像中特定目标的分割一直面临着由于背景复杂和光照变化等因素带来的分割精度偏低的问题,提出一种基于轮廓预定位的先验局部二值拟合(local binary fitting,LBF)算法,用于人体上肢图像的分割.首先,利用浅层卷积神经网络对上肢形状模板进行筛选和预定位,得到分割目标的粗轮廓曲线;然后,利用基于先验形状的LBF算法对粗轮廓曲线进行演化,得到分割目标的精确轮廓曲线.实验结果显示算法的成功率在90%以上,表明该方法对于背景复杂和光照变化情况下的特定目标分割具有良好的效果.     

一种基于运动检测的时域降噪算法及实现

基于运动估计技术在时域方向上计算当前帧和参考帧之间的运动轨迹,提出了一种基于"运动检测"的时域视频降噪算法,可根据物体运动强度动态地调整时域滤波的强度.Matlab仿真环境的实验结果表明:采用该降噪算法能有效地去除视频序列中的噪声,并有效避免了运动物体"拖尾"现象的产生.     

基于整数DCT的运动目标检测与跟踪

本文提出了一种静止摄像机条件下的运动目标检测与跟踪算法。它建立在一种整数DCT算法的基础上,通过低通滤波进行背景提取,并用背景减除的方法分割出前景目标,再通过模板匹配实现对运动目标的连续跟踪。在对运动目标跟踪时,该算法对背景模型进行不断的更新,可以有效的消除背景的轻度变化对目标检测的影响,再加上又同时采用了一系列滤波和模板匹配,增强了目标跟踪的稳定性和可靠性。通过对多个图像序列的实验,该算法显示出了良好的性能,对于不确定的外部因素,如光照变化、阴影等造成的干扰,均具有相当强的适应能力。     

一种快速人脸目标检测和跟踪算法

以人脸为运动目标,利用图像的YUV模型和颜色检测算法在小范围内搜索,即时获得人脸的模板图像．在对序列图像进行目标搜索时,将金字塔方法和序贯相似匹配方法相结合,并采用粗精结合的两步匹配算法,获得运动目标的准确轨迹．实验证明,与传统的模板匹配算法相比,该算法的计算量大大降低,较大程度地提高了运动目标检测的速度．