基于帧间差分和背景差分的运动目标检测算法

针对运动目标检测领域中帧间差分法和背景差分法的缺陷,提出一种将两种方法融合在一起的新算法。首先,该算法在采用混合高斯建立背景模型时对方差更新作了修改,使得模型与真实背景更接近。其次,用连续三帧差分代替两帧差分,采取自适应差分阈值的方法。最后,将两种差分的结果融合并作形态学处理提取目标。实验结果表明,本文算法能有效抑制噪声和空洞,适应性强、检测效果良好。     

基于帧间差分自适应法的车辆抛洒物检测

高速公路抛洒物事件容易引发交通事故,造成不良影响。为了实现对高速公路抛洒物的检测,提出了帧间差分自适应法。该方法是基于连续帧间差分法和均值法背景减除的运动目标检测算法。首先,对图像进行包括灰度转换、图像降噪以及图像增强等预处理。然后,对连续的序列图像进行累计差分,对得到的差值图像进行求和运算并求平均,并对得到的图像通过选择合适的阈值T进行二值化;使用均值法进行背景建模,将当前帧与所得的背景模型进行差分运算并进行二值化处理。最后将用连续帧间差分法得到的二值图像与基于均值法的背景减除得到的二值图像进行逻辑"与"运算,并对逻辑运算后的结果进行数学形态学膨胀处理得到最终的运动目标检测结果。实验结果表明,该方法可在一定程度上克服传统的帧间差分法和均值背景减除法的缺点,更加完整准确地提取出前景运动目标。     

基于视频流的运动人体检测方法研究

提出一种基于对称帧间差分与背景减除相结合的运动目标检测和自适应背景更新方法.该方法首先建立背景模型,采用帧间差分法将当前帧图像分别与其相邻两帧图像相比较得到运动目标前景部分,并将三帧中变化率小于某一阈值的像素点以一定的更新率实时更新到背景模型中.同时,采用背景减除法对所建立的背景模型进行前景提取,将两种方法所获得的前景图像进行融合,再通过数学形态学运算去除噪声及小面积非人体运动部分,最终得到完整可靠的运动人体二值图像.实验结果表明该方法准确高效,能很好地克服光线的影响,提高监控系统的稳定性.     

基于网格的视频运动目标检测算法研究

通给出了一种新的视频运动目标检测算法.该算法采用差异积累的方法自适应更新背景模型,用背景差法进行运动检测,用Otsu法计算二值化阈值,给出了Otsu法类间方差简化公式的详细推导.在背景差图像阈值化的基础上,对视频帧进行网格区域划分,并定义网格矩阵,设定网格内前景点个数的阈值,对视频帧像素进行重新定义,再对网格矩阵进行连通区域合并和前景区域定位.采用不同的视频测试序列,从检测效果及耗时上研究了基于网格的视频运动目标检测算法的性能,并与区域生长法进行了比较.实验结果表明,该算法具有良好的检测效果和实时性能.     

一种基于多重判别的运动目标检测算法

目的 为改善传统的背景差分法对光照的敏感性,并提高其抗干扰性能,提出一种基于多重判别的运动目标检测算法.方法 通过matlab软件进行仿真,利用局部二值算法,将纹理信息和颜色信息融入到背景建模中,并与帧间差分法相结合,设定了两个阈值,进行运动目标的多重判断,利用像素灰度值的变化和变化的像素数量作为是否为感兴趣运动目标的判别依据.结果 多重判别的运动目标检测算法将人和车辆从背景中清晰的分离出来,并能保证运动目标的完整性.结论 算法能够准确的检测出运动目标,并能抵御场景中缓慢而微小的运动带来的干扰,具有较好的鲁棒性.     

一种有效的动态背景更新方法

该文提出了一种将帧间差分与二次背景减除相结合的动态背景更新方法。通过结合帧间差分法和初始背景减除法得到有效的运动区域,随后将当前图像和当前背景减除得到运动目标,接着将两者结果相对比,分离出当前图像中的背景区域和前景区域,背景区域用来构造和更新背景模型。该方法主要解决了运动过程中背景更新一般很难快速完成对原来运动的物体突然静止的背景更新问题,同时简化了背景模型,增加了运动检测的敏感性和实时性。     

基于改进的三帧差和卡尔曼滤波的车辆检测方法

针对卡尔曼滤波方法在车辆检测中存在背景更新参数固定、背景建模实时性较差的问题,提出了三帧差法与自适应卡尔曼滤波算法相结合的运动车辆检测方法.先采用三帧差法快速提取车辆运动区域,再采用高斯分布确定背景更新参数,同时更新背景模型,最后将两者得到的图像相减得到最终检测结果.实验结果表明,该算法的背景更新速度较快,运动目标提取效果较好.     

一种复杂场景下位置改变运动目标的检测方法

针对三帧差分法不能够实现将复杂场景中的位置不变运动目标与位置变化的运动目标分开,本文提出了一种三帧差分法的改进方案,该方案首先利用三帧差分法检测出场景中所有运动的物体,然后利用背景辅助识别的方法将位置不变自身变化的运动物体识别出来。实验证明该方法可以有效地减少三帧差分法存在的误判现象。     

一种复杂场景下位置改变运动目标的检测方法

针对三帧差分法不能够实现将复杂场景中的位置不变运动目标与位置变化的运动目标分开，本文提出了一种三帧差分法的改进方案，该方案首先利用三帧差分法检测出场景中所有运动的物体，然后利用背景辅助识别的方法将位置不变自身变化的运动物体识别出来。实验证明该方法可以有效地减少三帧差分法存在的误判现象。     

多视频运动对象实时分割及跟踪技术

利用帧间差异积累信息进行自适应背景建模, 采用背景差的方法检测视频运动对象区域. 设计了一种变系数的空域滤波器, 有效地对背景差图像进行了增强, 使获得的视频运动对象区域更具有空域连通特性. 给出了一种改进的基于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. 采用形态学边界提取技术对视频运动对象轮廓进行提取. 在获得视频运动对象轮廓的基础上, 用区域生长法对视频运动对象进行定位, 将矩形中心坐标视为视频运动对象的质心坐标. 用基于空间欧氏距离最短的方法对每个视频运动对象质心进行关联跟踪并绘制轨迹. 试验结果表明, 该方法实时有效.     

视频图像中的运动检测

视频图像中运动物体分析关键的一步就是从连续的视频图像中提取出运动目标，即运动目标检测。传统的运动目标检测方法有3种：背景图像差分法、时态差分法和光流法，分析比较了它们的优缺点；在此基础上笔者采用了一种结合Sobel算子和自适应背景差分算法的运动目标检测方法；利用Intel公司开发的计算机视觉库OpenCV开发了一个软件，并进行了一系列实验。通过观察、比较实验结果可以看出，这种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。     

Robust background subtraction in traffic video sequence

For intelligent transportation surveillance, a novel background model based on Marr wavelet kernel and a background subtraction technique based on binary discrete wavelet transforms were introduced. The background model kept a sample of intensity values for each pixel in the image and used this sample to estimate the probability density function of the pixel intensity. The density function was estimated using a new Marr wavelet kernel density estimation technique. Since this approach was quite general, the model could approximate any distribution for the pixel intensity without any assumptions about the underlying distribution shape. The background and current frame were transformed in the binary discrete wavelet domain, and background subtraction was performed in each sub-band. After obtaining the foreground, shadow was eliminated by an edge detection method. Experimental results show that the proposed method produces good results with much lower computational complexity and effectively extracts the moving objects with accuracy ratio higher than 90%, indicating that the proposed method is an effective algorithm for intelligent transportation system.     

基于帧差的灰度投影的快速运动物体检测

基于传统的背景差分法和帧差法,提出将两者结合同时利用灰度投影法进行快速的运动物体检测.该算法利用相邻3帧图像序列进行垂直灰度投影,然后把相邻帧的投影相减,通过前后帧差确定中间帧的运动物体的垂直范围.然后在缩小的范围内进行水平投影,和背景图的水平灰度投影相减得到物体的水平范围.实验结果证明,这种方法能够提高检测的效率和精度.     

相机运动条件下的视频前景提取

提出一种基于非参数化运动估计和图像配准的方法来进行相机运动条件下的前景提取.通过对视频帧和接近的训练背景图像进行非参数化运动估计,动态地构造出一幅和视频帧的视角完全相同的背景图像, 再通过背景减除提取前景. 为了解决运动估计的计算效率问题, 又提出一种基于流形的改进算法: 在离线阶段, 预先对训练背景图像进行非参数化运动估计, 并利用流形学习对训练背景图像进行建模; 在在线阶段, 通过在背景流形上进行运动插值来快速地估计新视频帧和训练背景图像之间的运动. 实验表明,改进的方法在基本保持像素提取准确率的同时获得了很高的效率．     

以扫描线为单位的背景提取与更新算法研究

基于背景差分法的视频车辆监控系统实时性与准确性的设计要求,提出了一种新的背景提取与更新算法.该算法以扫描线为单位进行运算处理,简单易行.在背景提取和背景更新阶段,分别利用帧间差分和背景差分检测运动前景,再配合适当的运动区域判定条件,很好地消除了运动前景的影响,提高了准确性.通过将背景更新任务分解到多帧中处理,大大缩短了处理一帧图像的耗时,提高了系统实时性.实践证明该方法可行.     

虚拟广告系统中视频运动分割算法的研究

在虚拟广告系统中。为了使虚拟图像的插入具有真实感，有效的视频分割便成了其中的关键的技术。该文提出了一种背景剪除与亮度改变相结合的视频运动对象分割算法。该算法首先采用人机交互的方式。指定视频场景中需要处理的区域，取得背景帧，经BGB色彩差分处理，分割出前景物体；根据亮度变化的准则，检测出阴影区域，为后继的虚拟图像的真实感插入做好预处理准备。实验结果表明，该算法简单实用，能够实时有效地分割出视频序列中前景物体和阴影区域。     

一种基于码本背景模型的运动目标检测方法

针对减背景算法中复杂背景下背景帧的提取问题,给出了一种码本背景提取方法。利用视频图像序列中的颜色和亮度信息,为每一个像素点创建一个码本,且码本随着其中码字的更新而更新,所有像素点的码本构成一个完整的背景。用当前视频帧和码本进行比较得到前景运动目标。结果表明：算法运算量小,适合做实时处理。     

基于自适应背景更新的运动车辆检测技术

在基于视频的交通检测系统中,运动车辆的正确检测是关键,目前采用的典型方法是背景差分法。为了得到较理想的背景图像,利用基于动态信息窗口的自适应背景更新算法,解决了背景的复杂性问题,提高了对多车道上运动车辆检测的正确率。