综合灰度和纹理特征的运动阴影检测方法

为了提高运动目标阴影检测的有效性和稳健性,提出了一种综合灰度和纹理特征的阴影检测方法。该方法通过背景差分法提取运动区域,利用快速归一化互相关函数对运动区域进行检测,获得潜在的阴影区域。然后,利用Gabor小波分析潜在阴影区域的纹理特征,得到最终的阴影区域。实验结果表明,该算法能够实时有效地进行阴影检测,并具有较强的稳健性。     

一种有效的图像阴影自动去除算法

目标跟踪与检测研究中,在检测运动前景时也会检测到运动目标投射的阴影。阴影使得运动目标发生几何变形,可能造成运动目标粘连,甚至造成检测不到目标。阴影去除后才能较真实的得到运动目标重心。本文研究一种利用图像YCbCr颜色信息去除阴影的方法。首先利用背景减的方法得到带影子的目标区域,其次进行YCbCr空间的背景减,由于影子和目标物体在YCbCr空间背景减信息有较大差别,因此可以通过阈值判断得到去影之后的精确目标区域,目标物体识别的精确性和鲁棒性将会得到提高。实验结果表明,该方法在去除阴影的同时又较好地保留了前景目标的信息,是一种有效的阴影去除方法。      

基于行为视觉的运动过程合理化图像分解研究

针对现行的图像分解方法对于分割精确的运动目标可以准确地进行分解,但当运动环境复杂、运动目标分割过程中受到阴影干扰而导致运动目标形状特征发生突变,进一步导致图像分解抗噪性能差,阴影区域去除不完全、分割精度低等问题,提出一种基于行为视觉的运动过程合理化图像分解方法。采用背景去除法提取运动区域,依据运动目标几何特征对是否存在运动区域阴影部分进行判断及粗分割,结合区域一致性测度方法对阴影区域中全影及半影进行有效检测和去除。依据运动目标外观表征构建了一种能量变化图,提取出描述运动目标形状信息和运动信息的行为特征,利用运动行为特征作为聚类中心,采用人工蜂群模糊聚类方法求解运动过程图像中的最优聚类中心,依据最大隶属度原则对运动过程图像进行分解。实验结果表明,该方法有效去除了运动目标图像阴影区域,具有抗噪性强、分解精度高等优点。     

基于图像序列的VideoSAR动目标检测方法

VideoSAR成像时,运动目标发生散焦和移位,但在其真实位置留下阴影,且阴影在VideoSAR的图像序列中发生运动。根据运动目标的这个特征,提出了一种在VideoSAR图像序列中检测运动目标的方法,通过检测运动的阴影来检测运动目标。该方法主要分为背景补偿和背景分割两部分。首先,将段内的图像用SIFT+RANSAC算法进行配准,使得图像序列的背景对齐;然后,用单高斯模型对图像序列进行统计,得到该段图像序列的背景模型,将背景与当前图像差分后并二值化,得到前景的二值图;最后,对二值图进行形态学处理,即可提取出运动目标的阴影。该方法用美国Sandia国家实验室的VideoSAR图像进行了验证,具有良...     

基于HSV空间阴影去除方法研究与应用

在智能视频监控系统中,运动阴影如果被误判为运动目标,将会影响到场景中运动目标的准确提取、跟踪和预测。针对这一问题,设计了一种基于HSV颜色空间的阴影去除方法。方法首先将背景差法和三帧差分法相结合,用于提取运动目标,再将提取的含有阴影的运动目标区域映射到其HSV色彩空间,通过与背景和相邻帧的亮度、饱和度比较,实现对阴影区域的检测和去除,处理过程中无需提前确定特征判别参数。将所设计的方法在标准高速公路视频数据库中进行测试并应用于实时的视频监控系统,验证结果表明该方法能更加有效的消除阴影,从而准确的检测出运动目标,同时方法对光线变化具有一定的鲁棒性。     

融合颜色和梯度直方图反投影的运动阴影检测

针对智能视频监控中运动阴影影响目标跟踪和识别准确性的问题,提出了一种基于颜色和梯度直方图反投影的阴影检测算法。以视觉背景提取模型检测得到的运动目标区域为基础,首先在HSI颜色空间利用亮度和色度信息筛选出阴影像素,然后通过梯度直方图反投影的方法区分运动目标和阴影,最后将上述两种方法的检测结果进行合理融合得到最终的阴影检测区域。与典型算法的对比实验结果表明,所提算法有效提高了阴影检测的准确性和鲁棒性,适用于运动目标的实时检测和识别。     

视频SAR成像与动目标阴影检测技术

视频合成孔径雷达(SAR)技术将观测场景的动态信息以视频方式呈现出来,其高帧率成像特性有利于实现对地面机动目标的实时探测。视频SAR信号处理关键技术主要包括高帧率成像处理算法和运动目标检测技术等。该文对视频SAR成像处理进行了探讨,给出了两种典型视频SAR成像处理仿真数据结果,详细分析了视频SAR阴影形成机理和对动目标检测性能的影响,并将基于机器学习的视频SAR阴影目标检测技术与经典处理方法在实际数据上进行了验证对比。      

多信息融合的视频运动目标阴影去除算法

针对传统HSV空间阴影去除模型中阈值难以确定、计算复杂及检测效率较低等问题,在对传统运动目标阴影去除算法进行深入研究的基础上,首先融入一阶梯度信息对传统HSV空间阴影去除模型的不足之处进行针对性改进,然后在此基础上融入反射比不变量提出了一种多信息融合的视频运动目标阴影去除算法.该算法在改进HSV空间阴影去除算法的基础上,进一步引入阴影候选像素及其对应背景区域像素的反射比不变特性来实现阴影区域更为精确的检测,从而有效区分并去除运动目标的阴影像素.实验结果表明,该算法在实际应用中具有较高的有效性和通用性.     

基于阴影检测的单幅高分辨SAR图像动目标检测方法

本文根据合成孔径雷达(SAR)运动目标的成像特点,提出了一种基于单幅高分辨率SAR图像的动目标检测方法。运动目标所成SAR图像是散焦的,同时偏离其真实位置,并在其真实位置处留下与目标大小近似的"阴影"区域。通过该阴影区域来实现运动目标的检测,没有盲速的限制,这种独立于回波的检测方法,使检测过程简单化。再结合道路辅助信息,可以完成运动目标的检测,精确定位以及参数的估计。     

基于阴影的视频SAR动目标检测

视频合成孔径雷达(SAR)是雷达成像邻域的研究重点之一,其具有高帧率连续成像特性,有利于对地面运动目标进行实时监测。虽然动目标自身图像难以聚焦,但由于雷达工作频率高,合成孔径时间较短,其真实位置会存在阴影,利用此特征可进行动目标检测。本文对基于阴影的动目标检测流程进行了探讨,并提出了一种新的背景建模方法用于对消待检测图像的背景目标。通过实验验证,该方法能更好地剔除目标阴影对背景的影响,使对消后目标阴影完整保留,从而改善漏警率。     

一种基于DWT通道分离和函数提取的运动目标检测新方法

智能视频监控由于其智能性、实时性和高检测率成为交通和安防领域的热点研究方向,其中运动目标实时检测是智能视频监控中的一个基本和重要的部分。本文提出一种针对智能视频监控的运动目标检测新方法：包括视频帧的小波变换、YCb Cr通道分离、目标检测与融合等环节。与传统的检测方法相比,该方法检测运动目标速度较快,精确度较高,且同时还能抑制弱的阴影。     

基于OpenCV的视频对象的运动检测

随着信息技术的发展和视频监控系统的普及,视觉监控技术在科学研究、工业生产中得到了越来越多的应用。智能监控系统包括3方面内容：运动检测、运动方向判定和图像跟踪,其中运动检测是重要的基础内容。本文介绍了一种以视频图像为检测源的快速运动的检测方法,与传统的运动检测方法相比较,该方法采用了视频处理技术,通过先进的运动检测算法快速识别运动物体,并能准确、迅速判断出运动物体的运动方向,并予以标注。实验表明该方法是有效的。     

视频监控系统中一种运动目标的检测方法

提出了一种基于改进的背景差分法的运动目标检测和识别的方法,该算法用于视频监控系统中运动目标检测和报警。双阈值法和动态阈值法有效地检测出图像中的运动目标。Matlab 7.0中对算法进行了仿真,实验表明,该方法有效去除了运动目标阴影及背景噪声,可准确地检测出运动目标。     

智能视频监控中的运动目标检测技术研究

运动目标检测是视频序列分析中非常一个重要的研究方向,同时也在智能视频监控中发挥着非常重要的作用。目前国内外对运动目标检测的研究非常广泛,方法各异,丈中对当前常用的视频序列中运动目标检测的方法进行了研究和分析,并对这些种方法的优越性和不足之处进行了比较。     

面向多区域视频监控的运动目标检测系统

为了实现视频监控现场多区域运动目标检测,分析了传统运动检测算法的不足,结合帧间差分法和背景差分法,提出背景动态更新的运动检测算法。该算法能自适应背景的变化,减少由背景变化造成的误检测。构建基于FPGA的视频监控系统,在FPGA上用该算法实现了640pixel×480pixel,30帧/s视频信号流的运动目标实时检测。系统提供了分区域运动目标检测的功能。检测区域的大小、位置和个数可通过简单的按键操作进行设定。测试结果表明,系统可以实时地对进入划定区域的运动目标进行检测和闪烁告警,且资源占用较少,适合在小规模的FPGA上进行实现。     

结合直方图反投影的多特征运动阴影检测算法

针对视频监控中运动阴影影响目标检测跟踪准确性的问题,提出一种结合直方图反投影的多特征运动阴影检测算法。首先利用背景减除法,得到前景区域并进行初步筛选;然后在背景区域建立亮度、颜色、梯度特征的联合直方图,以反投影的方式投影到前景区域得到运动阴影概率图;最后结合空间一致性和滞后阈值,对概率图进行分割得到运动阴影区域。与典型算法进行对比的实验结果表明,本文算法能够有效区分阴影与目标,适用于实时的运动目标检测与跟踪。     

基于计算机视觉的智能监控系统教学平台

本文研究了基于计算机视觉技术的智能监控系统教学实验平台.文章介绍了该实验平台的硬件部分设计和构建,研究了基于该平台的运动目标检测方法和人与非人的识别方法、基于形心的运动目标跟踪方法,尤其研究得到了基于最小二乘法的预测跟踪算法和基于面积变化的预铡跟踪有遮挡运动目标新方法.实验结果表明该平台满足了计算机视觉课程的教学实践需要.     

Intelligent Mobile Video Surveillance System with Multilevel Distillation

This paper proposes a mobile video surveillance system consisting of intelligent video analysis and mobile communication networking. This multilevel distillation approach helps mobile users monitor tremendous surveillance videos on demand through video streaming over mobile communication networks. The intelligent video analysis includes moving object detection/tracking and key frame selection which can browse useful video clips. The communication networking services, comprising video transcoding, multimedia messaging, and mobile video streaming, transmit surveillance information into mobile appliances. Moving object detection is achieved by background subtraction and particle filter tracking. Key frame selection, which aims to deliver an alarm to a mobile client using multimedia messaging service accompanied with an extracted clear frame, is reached by devising a weighted importance criterion considering object clarity and face appearance. Besides, a spatial-domain cascaded transcoder is developed to convert the filtered image sequence of detected objects into the mobile video streaming format. Experimental results show that the system can successfully detect all events of moving objects for a complex surveillance scene, choose very appropriate key frames for users, and transcode the images with a high power signal-to-noise ratio (PSNR).     

智能视频监控中基于机器学习的自动人数统计

提出了智能视频监控中基于机器学习的自动人数统计系统.该系统通过机器学习的方法对视频序列中人的头肩部位进行准确地检测,克服了传统检测方法如连通域分析和简单模板匹配的不足,对光线变化和人群拥挤等问题具有较好的稳健性,在对具体场景的初步测试中取得了较满意的效果.     

Moving cast shadow detection using online sub-scene shadow modeling and object inner-edges analysis

In this paper, we propose an adaptive and accurate moving cast shadow detection method employing online sub-scene shadow modeling and object inner-edges analysis for applications of static-camera video surveillance. To describe shadow appearance more accurately, the proposed method builds adaptive online shadow models for sub-scenes with different conditions of irradiance and reflectance. The online shadow models are learned by utilizing Gaussian functions to fit the significant peaks of accumulating histograms, which are calculated from Hue, Saturation and Intensity (HSI) difference of moving objects between background and foreground. Additionally, object inner-edges analysis is adopted to reject camouflages, which are misclassified foreground regions that are highly similar to shadows. Finally, the main shadow regions are expanded to recycle the misclassified shadow pixels based on local color constancy. The proposed algorithm can adaptively handle the shadow appearance changes and camouflages without prior information about illuminations and scenarios. Experimental results demonstrate that the proposed method outperforms state-of-the-art methods.