共查询到19条相似文献,搜索用时 236 毫秒
1.
2.
3.
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。 相似文献
4.
5.
一种结合背景运动估计的目标运动预测方法 总被引:1,自引:0,他引:1
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. 相似文献
6.
7.
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。 相似文献
8.
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. 相似文献
9.
基于背景重构和水平集的多运动目标分割 总被引:2,自引:1,他引:1
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. 相似文献
10.
基于局部运动模糊图像的测速方法 总被引:1,自引:0,他引:1
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. 相似文献
11.
12.
基于差异积累的视频运动对象自动分割 总被引:1,自引:0,他引:1
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。 相似文献
13.
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. 相似文献
14.
15.
16.
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. 相似文献
17.
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。 相似文献
18.