基于统计方法的视频序列运动人体检测

描述了一种运动人体检测的方法.首先利用多帧图象统计平均的方法得到背景模型,采用背景差法检测出运动目标,并实时地对背景模型更新,以适应光线变化和场景本身的变化;然后在HSV色度空间下检测消除阴影,得到准确的运动目标.最后用形态学方法减小噪声和背景扰动带来的影响.实验结果表明,这种方法简单高效、抗噪性强,能实现复杂背景下的运动目标检测.     

基于灰度直方图的背景差目标检测算法

提出了一种基于灰度直方图的目标检测方法。背景差法和帧间差法是两种比较常用的目标检测方法。利用图像灰度直方图进行背景建模,然后提取视频序列中的一帧图像与背景模型进行对比分析,设定一个阈值来判断当前帧与背景模型之间的差异性,以此可以快速判断是否有目标出现。实验结果表明,此方法简单有效、计算复杂度低,能够快速地检测出视频序列中的目标。     

基于统计方法的视频序列运动人体检测

描述了一种运动人体检测的方法。首先利用多帧图象统计平均的方法得到背景模型,采用背景差法检测出运动目标,并实时地对背景模型更新,以适应光线变化和场景本身的变化;然后在HSV色度空间下检测消除阴影,得到准确的运动目标。最后用形态学方法减小噪声和背景扰动带来的影响。实验结果表明,这种方法简单高效、抗噪性强,能实现复杂背景下的运动目标检测。     

基于背景差与HOG-LBP的快速运动人体检测

针对单目静止摄像机近距离监控的情形,结合运动目标外接矩形长宽比,提出一种HOG特征联合LBP特征并通过PCA降维的快速运动人体检测算法。该方法包含两个步骤：运动目标提取和运动人体检测。使用帧差与背景差相结合的方法提取运动目标,帧差用于更新背景,背景差用于提取运动目标。运动目标判别即人体检测分为两个部分：单运动人体检测以及多运动人体检测。首先根据运动目标外接矩形的长宽比,把目标分为单目标以及多目标;然后,根据肤色的分布判断单个行人。对于多目标,提取HOG-LBP特征,用PCA降维,结合线性SVM进行群人目标判定。实验结果表明,该方法不仅提高了人体检测速度,还提高了人体检测率。     

分块帧差和背景差相融合的运动目标检测

提出了一种分块帧差和背景差相融合的运动目标检测方法。该方法利用图像分块建立初始背景模型,将视频图像划分为多个子块,对帧间差分图像的各子块进行自适应阈值检测,完成运动目标的粗分割,采用双阈值背景差分和邻域背景差分法对粗分割出来的运动区域进行细分割。背景采用自适应更新方法,能够克服光照变化和背景干扰。实验结果表明,该方法运算速度快、鲁棒性好,能够准确检测出运动目标。     

直方图在视频监控系统中的应用

目标检测是数字视频监控系统中的关键技术。该文提出了一种基于灰度直方图的目标检测方法。背景差法和帧间差法是两种比较常用的目标检测方法。利用图象的灰度直方图对视频序列中的某一帧帧图象进行分析,对相邻帧进行分析比较,设定一个阈值来判断两帧之间的差异性,以此可以快速判断是否有目标出现。实验结果表明,此方法简单实用,能够快速有效地检测出目标的出现。     

自适应背景筛选的运动对象检测算法

针对传统帧差法和背景差分法对运动对象检测不准确等不足,提出了一种自适应背景筛选的运动对象检测算法。该算法在采用帧差法构建的背景中标注出原图存在运动对象的区域,筛选当前运动对象区域未被标注且距当前时刻最近的背景与当前帧进行差分,从而提取前景运动目标。与帧差背景结合方法相比,该方法能更好解决因运动对象静止后融入背景建模而导致的检测对象不准确问题,且算法简单,易于实现,满足实时监控要求。实验结果验证了该算法的有效性。     

图像序列中运动人体的分割方法的研究

在对现有的运动分割算法的研究基础上结合运动分析方法,对基于图像帧差法构造背景图像进行了深入的分析和研究,提出了一种利用阈值来判定人体信息和背景信息以达到背景减除的新算法来实时地提取出运动的人体,在利用帧差法提取出背景图像后,通过当前帧和背景图像的像素值的对比减除可快速精确地完成对运动人体的分割.在NLPR数据库中进行了实验,结果表明本算法能快速有效地一次提取出多个人体目标,并且失真度比较小.     

一种用于数码相机自拍系统的人体检测方法

在研发一种数码相机智能自拍系统的基础上,提出了一种简单有效的基于静止背景下目标人体的检测方法。该方法基于实时帧与参考背景帧的差分建立背景模型,进行前景目标分割,并基于颜色向量夹角消除阴影的影响,最后用投影阈值分析提取目标人体,并进行定位。该方法计算量低,环境适应性强,能满足数码相机自拍模式的目标跟踪要求。     

基于增量式特征基背景模型的运动目标检测

背景差法是目标运动检测的主流方法,关键在于背景模型自适应更新.针对传统特征基背景模型批处理方式计算量大、更新速度慢的问题,采用增量式主成分分析来建立特征基背景模型.首先计算样本图像的初始背景图像,然后采用CCFIPCA算法更新特征基背景模型,最后通过输入帧和重建帧的欧氏距离检测前景运动目标.算法以视频帧整体来建立背景模型,克服了混合高斯模型和核密度估计以孤立像素点建模的不足,提高了背景建模的鲁棒性.在SIMULINK下的仿真实验表明,算法能很好地适应高速公路交通场景动态变化,在有光线变化和阴影影响的情况下能完整、准确地提取出运动车辆轮廓.