基于块估计的运动目标检测方法

提出了一种适合于运动目标检测的块运动分析方法,用以补偿移动背景所带来的杂波信息,准确检测运动目标。在对原始图像进行滤波的基础上,选择合适的子块,通过块匹配,得到背景位移矢量;利用这些运动参数,在相邻帧之间进行运动补偿,达到分割运动目标的目的。该算法对背景的适应性能好。     

一种新的运动目标检测方法

针对运动目标检测问题,该文提出了一种基于Gabor特征描述的像机运动自动补偿方法,为检测出和像机存在相对运动的目标提供了基础.新方法首先通过尺度空间理论检测出兴趣点,然后根据其特征尺度和特征方向对每个兴趣点建立特征描述,接着利用交叉匹配得到初始匹配结果,最后通过随机采样一致性算法鲁棒地估计出两幅图像之间的变换参数.实验结果表明,新方法可以有效地检测出变化背景中的运动目标.     

基于仿生复眼的运动相机的运动目标检测

基于运动相机的运动目标检测是计算机视觉领域的热点与难点。基于仿生复眼结构的相机运动条件下的运动目标检测方法利用仿生复眼结构模拟多相机运动状态下的图像采集;使用SIFT特征点匹配与图像差分结合的方法提取运动区域,不需要建立背景模型,使用SIFT特征点匹配完成图像的配准,利用图像差分的方法得到运动目标,使用颜色值归一化,利用前景像素与背景像素的插值与比值确定该像素是否为阴影区域的方法。实验证明,该方法在不进行背景建模的条件下成功去除了阴影,实现了相机运动状态下的运动目标检测。     

对光照变化鲁棒的一种运动目标检测方法

鉴于现有的运动目标检测方法对光照变化的敏感性,本文提出了一种在静态场景下对光照变化鲁棒的运动目标检测方法。该方法利用视频当前图像帧的边缘与背景图像的边缘做差分运算,得出运动目标的轮廓,进而对运动目标进行定位与检测。实验证明,本方法在一定程度上能够消除由于环境光照变化引起的"曝光"现象,实时准确地检测出运动目标及其位置,运算速度快,满足实时性的需求。     

一种结合背景运动估计的目标运动预测方法

在复杂背景下的目标跟踪过程中,通常会遇到目标被遮挡的情况,此时依靠单一的跟踪算法无法解决上述问题.在静止背景下,利用目标的历史运动轨迹,可以解决短时间遮挡的问题,但在运动平台上,由于相机运动和目标运动同时存在,目标的运动轨迹无法利用,因此本文创新地引入了KLT稀疏光流场算法,对两帧之间的大量特征点进行跟踪匹配,通过随机采样一致性算法鲁棒地估计出两幅图像之间的变换参数,对由相机移动引起的背景运动进行补偿,转换为静止背景下的运动目标估计.实验结果表明,该方法可以有效地解决目标遮挡问题,并成功应用到机载目标跟踪平台.     

运动背景下移动目标分割定位算法研究

针对运动背景下运动目标分割定位困难的问题,提出了融合背景补偿与均值漂移的运动背景下目标分割定位算法。该算法首先在运动背景补偿的基础上,利用帧间差分法得到差分图像。其次,对差分图像中非零像素点建立多特征描述子,运用均值漂移算法对其进行聚类。最后,利用均值聚类得到的非零像素点来对运动目标进行分割定位。实验结果充分表明,该算法可以比较精确地进行运动背景下移动目标的分割定位。     

基于运动一致性的视频对象分割方法研究

视频运动对象检测和分割是图像处理中最具挑战性的问题之一。针对目前大部分分割算法相当复杂而且计算量大的问题，提出了一种基于运动一致性的视频对象分割方法。该方法从MPEG压缩码流中提取运动矢量场来分割视频对象，首先对运动矢量场进行滤波和校正，然后进行全局运动补偿得到对象的绝对运动矢量场，最后采用K-means聚类算法对运动矢量场进行聚类分析从而分割出感兴趣的视频运动对象。MPEG标准测试序列的试验结果证明，该方法是有效的。     

随机图像选取与自适应背景更新的运动物体检测

为克服运动目标检测中易出现的光照变化、遮挡、虚假目标等现象,提出了一种随机图像选取与自适应背景更新的运动物体检测方法.该方法从视频序列中随机选取一帧图像作为初始背景,根据变化标记矩阵对背景进行自适应迭代更新,以提取可靠的背景图像,实现运动物体的检测.实验结果表明,采用该算法提取的背景不存在混合现象,且在光照变化较大以及运动物体之间存在遮挡的情况下,能够构造出可靠的背景,检测出的目标物体清晰可见.     

基于背景重构和水平集的多运动目标分割

针对固定摄像机监控中多运动目标自动分割问题,本文提出了一种基于背景差分和水平集的新方法.首先,该方法通过求解连续三帧图像的对称差分,确定出当前帧中的背景像素点,并对背景像素点的灰度值进行统计,最后选择频率最高的灰度值作为该点背景像素灰度值来重构背景.其次,提出了基于8-邻域搜索的区域生长算法完成连通区域的检测,并通过设置阈值和连通域分析,消除背景块噪声并标定出运动目标区域.最后,对所有运动目标区域块,分别采用无需重新初始化的水平集算法作分割,得到封闭和完整的目标轮廓.实验结果表明,该算法能实现固定摄像机滥控中刚体或非刚体的多运动目标的自动检测和轮廓分割.     

基于局部运动模糊图像的测速方法

针对在静止背景中运动的目标对所拍摄图像造成的局部运动模糊,建立了运动速度与图像上运动模糊尺度、目标距离以及曝光时间等相机参数间的对应关系,提出了一种局部运动模糊点扩展函数的参数辨识算法.目标运动方向信息由傅里叶频谱和Radon变换得到.当运动模糊方向调整为水平后,经图像分割,改造的Prewitt算子进行边缘检测,二值图像与边缘图像对应区域上各行进行自相关三个步骤,运动尺度由统计信息确定,并在此基础上完成目标速度的测量.实验结果表明,本文算法对形体较为复杂目标的局部运动模糊参数辨识具有良好的效果,实验测得的运动速度与实际平均速度的误差都在7%以内,有利于自动完成,具有较好的实时性.     

一种稳健的运动探测与背景维护算

针对家庭安全监控需要，提出一种稳健的运动对象探测算法。首先给出三帧差运动对象检测算法，同时利用像素的亮度分量和色度分量避免由于大尺寸对象闯入引起图像背景像素变化造成运动对象检测的失败。然后提出一种三关键背景维护算法，用于清除背景振动像素，减少虚假报警。实验表明，这种运动探测算法对视频监控系统消除虚假异常报警具有良好的通用性，实时性和稳健性。     

基于差异积累的视频运动对象自动分割

针对视频运动对象的自动分割，本文给出了一种基于差异积累的自动分割算法。与传统的基于运动信息变化检测方法不同，该算法通过累积的帧差信息构建出可靠的背景，与当前帧比较进而提取出视频运动对象。本文提出了一种增强的基于Otsu法的自适应阈值化方法，能更准确地对背景差图像进行阈值化分割，克服了传统Otsu法阈值化容易失效的问题。改进的基于区域生长的定位方法更能避免传统方法的误定位及重定位的问题。实验结果表明，本文算法具有较好的实时性、自适应性以及鲁棒性，可以较为可靠地建立背景模型并进行实时更新，适用于刚体或非刚体存在平缓的光照变化以及摄像头微抖动的视频运动对象的自动分割。     

Moving object detection based on confidence factor and CSLBP features

Moving object detection is a challenging task in many computer vision applications. In this paper, we propose a robust background modelling method for this task. First, the background is updated by an adaptive strategy based on Centre-symmetric Local Binary Patterns. Then, background subtraction is used for detecting moving object. Although the traditional background subtraction technique uses the difference value between the current pixel and its corresponding background pixel for objection detection, our method utilises the confidence factor to determine whether the current pixel is a background or foreground pixel. The confidence factor of the current pixel is calculated in term of the difference values of its neighbourhood pixels. In the experiments, the proposed algorithm is tested on several challenging datasets such as PETS 2009, BMC 2012 and SABS. The experimental results demonstrate that our algorithm can robustly detect moving object under various scenes.     

时空联合的红外运动目标提取算法

针对红外图像对比度差、边缘模糊的特点,提出了一种基于时空联合的红外序列图像目标提取的新方法.算法充分利用了红外目标的亮度特征、背景信息以及运动信息.时域分割中通过建立帧差图像背景的高斯分布模型,采用变化检测模板来确定红外目标约束区域.然后,构造图像像素与区域之间的空间关系隶属度矩阵并约束到传统的模糊聚类算法中,空域分割则利用该模糊聚类来对目标约束区域进行有效分割.最后将时空分割结果融合便能实现最终的红外目标提取.实验结果表明,该方法简单有效,能准确提取动态场景中的红外目标.     

运动物体的阴影检测与分割

阴影检测与分割在基于视频的运动物体检测与提取中具有重要作用.为了准确检测与分割阴影,提出了基于体色向量匹配的阴影检测与分割算法.提取前景区域以后,运用亮度测试法去除亮度值高于对应背景区域的前景区域,然后预判断阴影区域,最后利用体色向量匹配提取阴影区域.另外,提出了亮度步长的方法来检测阴影中的半影.实验结果表明,算法在多数情况下对运动物体阴影检测与分割具有较好的鲁棒性,提高了检测与分割的速度.     

A framework for moving object segmentation using dynamic background modelling and shadow suppression in complex wavelet domain

In this paper, a framework for dynamic background modelling and shadow suppression under rapidly changing illumination conditions for moving object segmentation in complex wavelet domain is proposed which deals with the problems of ghosts, object shadows, noise, object distortion in dynamic background changes. The proposed method consists of eight steps applied on given video frames which include: wavelet de-composition of frame using complex wavelet transform; use of change detection on detail coefficients; use of dynamic background modelling on approximate co-efficient; cast shadow suppression; use of soft thresholding for noise removal; strong edge detection; inverse wavelet transformation for reconstruction and finally using closing morphology operator. A comparative analysis of the proposed method is presented both qualitatively and quantitatively with other standard methods available in the literature for four datasets in terms of various performance measures. Experimental results demonstrate the efficacy of the proposed method is better in terms of relative foreground area measure, misclassification penalty, relative position based measure, normalised cross-correlation, normalised absolute error, peak signal-to-noise ratio and pixel classification based measure as compared to other standard methods.     

动态图像的拼接与运动目标检测方法的研究

动态图像运动目标检测是图像处理中的热点,但动态图像的识别范围却成了目标检测的限制,针对此问题,本文提出了一种利用图像拼接技术扩展图像识别范围、并在此基础上完成运动目标检测的方法。在图像拼接中采用了SURF图像匹配算法,运动目标识别利用背景差分法,实验中使用的是开源的Linux操作系统、以及为图像处理提供了大量算法和函数的Open CV软件开发库。针对不同分辨率、不同角度采集的图像进行了实验研究,结果表明,可以在较好满足图像识别范围的同时,明确地检测出运动目标的相关信息。同时,本文提出一种通过图像拼接实现扩展运动目标检测的方法,满足了实时性要求,达到了增加图像清晰度的目的,但是,在摄像设备与场景之间的相对运动方面还存在着有待解决的问题,这将成为今后研究的重点方向。     

复杂场景条件下的运动目标检测算法

针对复杂场景条件下运动目标检测方法存在的局限性,提出了一种基于运动检测和静止图像分割相融合的算法。采用相邻帧差法结合建立的假设检验模型进行自适应的运动目标检测;为消除孔径效应和噪声的影响,根据运动目标检测的结果,在当前帧利用区域增长法融合运动分割的结果。试验结果表明,算法能从复杂场景的图像序列中有效地检测和提取出运动目标,并有很强的鲁棒性。     

一种快速运动目标检测与跟踪算法

运动目标的检测与跟踪是计算机视觉和图象编码研究的主要内容,有着广泛的应用领域。基于光流场的检测与跟踪是其常用的方法之一,但其计算结果和效率是不能令人满意的。提出了基于帧间差阈值法和光流场相结合的快速运动目标检测与跟踪算法,诸结果表明该算法简单实用、运算速度快,克服了单纯光流场方法的不足。