一种基于自适应背景划分的点目标检测算法

针对含有部分复杂地面背景的空中点目标跟踪环境提出一种基于自适应背景划分(Adaptive Background-Division)的单帧检测算法.先求出图像的行灰度方差,计算表示灰度分布均匀性差异的划分背景方差比(RDBV),自适应地检测出天空背景边界以屏蔽地面背景;再进行基于空域滤波的单帧检测算法.实验结果表明该算法...     

梯度差各向异性高斯滤波的红外小目标检测

针对现存背景抑制算法未能有效抑制复杂背景而导致的高虚警率及低检测率问题，提出一种基于六方向梯度差各向异性高斯滤波抑制、双层正交灰度差与对角灰度差目标增强、灰度指数自适应阈值分割的小目标检测算法。首先，采用高斯滤波技术融入梯度差思想设置一系列背景抑制策略；接着，将抑制后的图像利用正交灰度差与对角灰度差映射在双层滑窗上增强局部对比度，提高目标显著性；最后，通过像素灰度指数自适应分割算法检测真实弱小目标。实验结果表明，该算法的背景抑制因子指标高达93%，能随背景局部变化来自适应建立背景抑制模型，从而自适应抑制复杂背景突出目标。     

基于灰度特征和自适应阈值的虚拟背景提取研究

针对虚拟背景提取(Visual Background extractor,ViBe)算法在目标检测时容易出现鬼影和运动目标阴影的缺点,该文提出了一种基于灰度特征和自适应阈值的ViBe背景建模改进方法。该算法首先利用ViBe算法进行背景建模,得到前景目标,然后对前景目标进行灰度特征判断和自适应阈值比较,得到没有鬼影和运动目标阴影的运动目标。实验结果表明,改进后的算法可以很好地弥补ViBe算法的不足,提高ViBe算法的识别准确率。     

一种自适应调整K-r的混合高斯背景建模和目标检测算法

针对非平稳背景下的复杂场景,该文提出一种自适应调整K-r的混合高斯背景建模和目标检测算法。该方法利用混合高斯模型(GMM)学习每个像素在时间域上的分布,构建自适应调整高斯分量K的方法,并针对不同情况,对描述像素的高斯分量数进行增加、删除或合并;在此基础上,模型参数更新式中引入了两个新的参数,能够根据实际情况自适应调整r值,使得背景建模和目标检测能够准确实时地随像素变化而变化,从而减少了运动目标信息的损失,提高了算法的鲁棒性和收敛性。实验表明,该算法在有诸多不确定因素的序列视频中能够迅速响应实际场景的变化,实现自适应背景建模和准确的目标检测。     

视频监控的目标检测研究

为了实时准确的提取出运动目标,提出了一种基于帧问差分的背景重建算法及基于运动前景的背景更新算法。该算法先对摄像头采集的视频序列进行帧间差分背景重建,通过自适应阈值的背景减法得到运动前景,并分辨出运动目标和伪运动目标,然后进行区域性背景更新。当背景发生整体或局部变化时,该算法能够快速地检测出背景变化,并采用相应算法实时更新背景。实验结果表明,该算法能快速、准确地重建出背景,从而能够完整地提取场景中的运动目标。     

红外运动目标的灰度分层检测算法

为了减少复杂背景下红外序列图像运动目标检测中的漏检与误检，采用了基于灰度分层的瞬时帧差检测算法。该算法根据红外图像的特点，使用自适应门限将当前帧图像分为两层，采用基于区域的像素间差分代替传统的基于空间坐标的像素间差分，通过对高灰度层检测时得到的高置信度的检测结果去引导对低灰度层的检测。实验表明，该算法可对多类多个运动目标进行有效检测，且具有较高的实时性与鲁棒性。     

基于OpenCV的运动目标跟踪系统研究

本文分析比较了传统运动目标检测的3种主要方法：背景图像差分法、时态差分法和光流法,在此基础上给出了一种背景图像预测算法,大大减少了因为背景变化而产生的目标检测误差。本文基于OpenCV设计出改进的运动目标检测与跟踪算法,实现了运动目标的跟踪,并在VC＋＋编译环境下,利用USB摄像头作为视频采集器,通过观察实验结果可以看出,本文的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。     

基于时空运动信息的药液异物自适应分割算法

为了能够从药液视频序列图像中准确地提取出运动异物对象,提出一种基于帧差图时空运动信息的药液异物模糊自适应阈值分割算法。首先通过4帧序列图像的隔帧差分得到2幅差分图并分别划分为5×5的图像块;然后计算对应图像分块的4阶矩以实现异物的运动信息提取;最后采用自适应阈值依据帧差图对应图像块的4阶矩之差实现运动异物的分割,并经过形态学处理去除掉噪声和空洞。为使阈值能够跟随图像块灰度变化,阈值的调整采用模糊推理依据对应块灰度均值差和方差变化自适应实现。实验及实际测试结果表明,本文所提算法较好地满足了低对比度和局部光照变化的药液异物实时检测要求,是一种实用有效的图像分割方法。     

周扫条件下的红外运动目标检测

针对周扫条件下的运动目标检测出现的问题,提出了多种解决办法,并从中选择最优方案。首先根据系统红外图像特点,使用投影匹配法进行图像配准;然后针对现有运动检测算法中存在的问题,结合帧间差法和经典自适应背景差分法的优点,提出一种基于分级自适应背景差分的运动检测方法,使得伪运动目标明显减少;最后针对剩下的伪运动目标,借鉴图像配准方法,提出了一种基于最小平均灰度差判定真假运动目标的方法,有效剔除了伪运动目标。实验结果表明所提出的算法能快速有效的解决周扫模式所带来的各种问题。     

基于帧差法和自适应阈值区域生长的红外运动目标检测

针对具有背景干扰、信噪比低的红外图像,提出了一种基于帧差法和自适应区域生长的红外运动目标检测方法.首先对红外图像进行了高帽变换,以抑制大面积背景的干扰,相邻帧图像间做帧差,初步提取目标区域;其次分析了红外目标的特性,针对其特性提出了一种基于灰度等级的自适应阈值分割方法;最后以帧差法检测的目标质心为种子点,以自适应阈值为分割准则,在预处理后的图像中进行区域生长,最终实现了红外运动目标的检测.结果表明,所提算法可抑制大面积背景的干扰,实现单个和多个红外运动目标的完整提取和检测.     

基于DSP的无背景模型车流量检测

针对车流量检测中遇到光照变化、树阴、树枝摇动等一系列问题,在运动物体法,背景建模法和时间差分法的基础上,提出了一种基于DSP的无背景模型的新型车流量检测方法。笔者依次使用基于块的帧差法、双重前景融合法、基于纹理对象分割法、假前景滤波法对车流量进行检测。经实验验证,采用无背景模型算法能成功有效地检测车流量,检测准确率达88%,提高了车流量检测的精度。     

基于块匹配置信度的隧道交通背景提取算法

针对隧道交通环境变化特点,采用改进的统计直方图法进行背景提取,并提出一种基于块匹配置信度的背景更新算法.实验结果表明,该算法既能满足缓慢变化场景的更新,又克服了当场景中出现慢行目标或目标长时间停留出现的拖尾和目标混入的现象,而且计算复杂度低,背景提取迅速,适合交通状况实时检测的要求.     

基于光照不变性模型的运动目标检测新算法

运动目标检测有两大难点,即光照变化的影响,阴影对运动目标准确提取的影响。高志伟等人提出了基于彩色边缘的运动车辆检测,实现了复杂背景下的运动目标检测,但该方法无法消除阴影的影响。为了克服光照及阴影的影响,提出了基于一维不变性图像的背景模型,更新了最小熵投影角度,设计了运动目标检测的新算法。以交通运输领域为例,将本文算法和多层前景算法、边缘检测算法做了对比,通过实验验证了该方法在检测运动目标时能够克服光照变化影响,并有效抑制阴影。     

高斯混合法在交通流视频中的应用

交通流视频处理是智能交通发展的重要方向,而高斯混合背景建模是背景建模领域常用的构建算法,在图像处理领域中有着广泛的应用.为了能够较为全面的分析该算法,本文对该算法进行了公式演算以及针对多个交通流量视频进行检测比较,其中提出了基于K-means、EM模型参数求解.公式演算部分能够清晰的得出该算法的数学意义和演变过程,为实际应用提供理论指导;交通流量视频处理过程可以得到该算法针对不同情况视频的效果,可分析高斯混合背景建模针对时间的迁移、光线的变化、运动物体阴影的处理能力.本文从理论及实际应用两个方面对高斯混合背景建模算法进行浅析.     

基于视频车辆运动轨迹场的交通事件检测方法*

针对现有交通事件检测算法存在的模型复杂、运算量大,并且检测结果滞后的缺点,提出了一种基于视频车辆运动轨迹场的交通事件检测方法.该方法以基于视频的车辆跟踪轨迹为基础,形成正常车辆运动轨迹场,进而将当前车辆轨迹矢量与正常轨迹场矢量比较,最终实现了对超速、慢行、变道和逆行的异常交通事件的检测.研究结果表明,与传统方法相比,该方法算法简单,并且可以快速、准确地对异常交通事件进行检测.     

基于像素分析的轨迹异常车辆的识别法

交通异常情况检测一直是交通管理中的重要任务,其在智能交通系统中显得尤为重要。传统的检测方法首先对目标物体(行人和车辆)进行区分,然后再对提取的车辆进行轨迹异常判断。在车流量日益加剧的今天,此种方法增加了计算机的运算复杂度。针对上述算法计算量过于复杂的问题,本文提出了基于像素点的背景方法,首先结合隐含马尔可夫模型(Hidden Markov Model)和共发模型(Co-occurences model),对视频中的异常像素点进行判断,然后通过仿三维模型车辆进行识别的方法,对由异常像素点组成的车辆进行最终的识别。实验结果表明该算法具有较强的有效性和在智能交通系统中有较好的应用。     

基于DSP的地下停车场车流量视频检测的改进算法

针对DSP平台的车流量视频检测算法存在实时性不佳,漏检率较高的问题。本文提出了一种改进的单帧图像差分算法,实现了基于TMS320DM642平台的地下停车场车流量视频检测。算法采用对单帧图像一条检测线的灰度值做差分运算,通过对灰度值变化的幅度进行分析,提取出车辆的特征信息,实现了处理对象从一个面到一条线的转变。此外算法结合双帧背景,可以有效地改善漏检现象。实验表明,该算法在运算量上相比于主流算法减小了3个数量级,同时检测准确率可达到93%,是一种实用高效的车流量视频检测方法。     

基于遗传灰色GM(1,1,ρ)模型的短时交通流量预测

为了提高短时交通流量的预测精度,本文根据短时交通流量的数据特征,结合灰色模型在短时预测方面的优势,利用遗传算法根据已知数据优化灰色新陈代谢GM(1,1,ρ)模型的背景值参数ρ,对实时采集的交通流量数据进行仿真分析,实验结果验证了该模型的准确性、实时性和有效性。     

基于端口互动模式的入侵检测模型

针对链路层的海量高速数据流、信息易被伪装、较小异常流量占比等特征,提出了一种基于端口互动模式量化模型的入侵检测模型。为提高入侵检测模型的精度和效率,提出了一种从初始流量中获取流量特征的新方法,并重点探讨如何以流量到达时间分布作为一维特征。使用相空间重构、可视化等方法证明了模型的有效性,并进一步根据长会话和短会话各自的特征设计了基于卷积层和长短时记忆层的改进神经网络,用以挖掘正常和异常流量端口互动模式之间的差异。在此基础上,设计了多模型评分机制下的改进入侵检测算法,对模型空间内的会话进行流量分类。所提出的量化模型和改进算法在提高计算效率的同时,能够有效避免伪装身份信息的情况,降低神经网络训练成本,提升小样本异常检测精度。     

一种基于流量聚类性和切分性的改进异常检测模型

针对链路层异常检测中，由固定反馈时间点而导致的计算量积压以及大量无意义的采样流量数据等现象，提出了一种基于流量特征值的改进异常检测模型，重点探讨如何通过反馈计算机制实现周期内计算任务的合理优化和缩减采样数据。一方面，在对流持续时间的聚类性进行了深入分析并给出其可能聚类的最优簇基础上，将统一的反馈时间分散到各个聚类时间点；另一方面，基于流时序的可切分性对流量数据进行周期划分，并设计拟合函数对周期内流量特征进行量化表达。在此基础上，设计了改进反馈机制和异常检测算法流程。仿真实验表明，所提出的模型和算法不仅通过优化反馈计算时间提高了检测精度，而且通过降低采样数据冗余提高了检测效率。