基于人眼识别原理的运动目标检测方法

针对于背景差分法与帧间差分法在运动目标中存在的不知足,为提高运动物体检测的实时性和准确性,提出了一种结合背景差分和帧间差分的运动物体检测方法,该方法模拟人眼对运动目标的检测方式,分为整体感知与精确感知两部分。首先将图像分为多个区域并使用较少的像素点建立背景模型,通过背景模型确定运动物体所在的区域,并将其他区域的图像作为背景图像进行存储。然后使用变化区域的当前图像与存储的该区域的背景图像进行差分运算,以获取清晰的运动目标。该方法使用较少的像素点进行背景模型的构建,减少了背景模型建立和更新的运算量,提高了运算的速度。通过存储的背景图像与当前图像进行差分,可以获得完整的运动目标,避免“空洞”的出现。     

视频监视中运动物体检测的一种新算法

本文提出一种结合阈值分割以及区域生长的算法检测视频中运动物体的算法.首先对相邻的图像帧进行差分并根据3σ准则二值化差分图像,然后对二值图像进行扫描去除虚假目标区域和孤立亮点、并记录各区域的边界值,最后用区域生长的办法得到运动物体的完整信息.实验表明,在背景复杂、光照不均匀的视频中,该算法比帧间差分法、数学形态学的方法等能够更精确地检测出多个运动物体,在提取目标的同时,不留下任何背景像素,使下一步的目标跟踪更精确.     

一种视频对象分割技术的研究与实现

本文提出一种可以从复杂场景中分割出视频对象的方法.首先对视频图像进行全局运动估计和补偿校正,并将相邻两帧进行差分检测.然后利用Neyman-Pearson准则从差分图像中提取运动区域,根据提取的运动区域研究了一种在序列图像差分域中进行区域生长的算法,获得了视频对象的二值化分割模板.最后利用运动检测算法剔除由于噪声导致的标记块.实验结果表明,本文所述方法能够有效的分割出视频对象.     

基于高斯混合模型的运动目标检测方法研究

在研究比较常用的各种运动目标检测方法的基础之上,结合静止场景运动目标检测的特点,采用基于背景减除法的高斯混合模型方法进行运动目标检测,即采用高斯混合模型进行背景建模、背景减除法确定目标前景区域,并通过图像平滑、二值化处理、去噪等方法对图像进行后处理,最终得到目标前景图像.该方法具有运算量小、处理速度较快的特点.实验结果表明,所设计的嵌入式运动目标检测系统能够检测出较完整的前景区域并判断出目标前景,能够满足静止场景下运动目标检测的需求.     

交通监控系统中车辆和行人的检测与识别

本文提出一种应用于智能交通监控系统的车辆和行人的检测和识别方法.首先结合帧间差分,对交通监控场景的视频图像序列建立动态背景模型,然后用背景消除法对监控视频中的运动目标进行有效检测,提取出运动目标的轮廓.最后采用支持向量机,对检测出运动目标进行快速识别.实验结果表明,该方法能够快速准确地在监控视频中对运动的车辆和行人进行检测和分类识别,对快速交通通道中非法行人入侵进行自动报警.     

一种自适应运动目标检测算法研究

提出了一种新的自适应目标检测算法,实现了快速对目标区域进行匹配更新,能够自适应精确检测出运动目标。通过改进的混合差分模型确定运动目标最大分布可能区域并融合混合高斯模型对此区域进行背景重建,再运用背景差分得到精确前景目标。实验仿真结果表明能够在复杂场景下克服环境噪声与背景扰动,降低了复杂度和计算开销,具有很好的鲁棒性。     

基于改进OTSU法的运动目标检测与跟踪

运动目标的检测与跟踪是当前进行图像分析和理解以及计算机视觉领域的重要研究内容,为了能够在数字视频系统中实时的检测出运动目标,在帧间差分基础上采用改进的最大类间方差法--基于灰度拉伸的最大类间方差对图像进行了阙谮值分割,并采用形态学滤波消除噪声,然后使用投影法快速定位目标,实验结果表明,该方法能够快速有效地检测出视频图像中的运动目标,满足检测跟踪的基本要求.     

电力监控系统中运动目标检测算法研究

针对传统运动目标检测算法在实际应用场景中适应性较差、检测效果不太理想的问题,提出了一种融合三帧差分法与背景减除法的改进算法。首先,在三帧差分法的基础上,引入Canny边缘检测对其进行改进,以获取运动目标的完整轮廓;然后将目标轮廓和基于混合高斯模型的背景减除法提取的中间帧的运动前景相或,经过孔洞填充等一系列形态学处理,最终实现运动目标检测。仿真实验结果表明,改进的算法能够适应复杂的环境,将电力监控系统中的运动目标完整、准确地提取出来。     

基于边缘处理的运动目标检测方法的改进

对于目标检测算法,本文分析了传统检测方法的特色与不足之处,并以边缘处理为基础,结合帧差法和背景减除法的思想对传统方法做了改进。首先以预先构造的背景边缘模型为基础,用当前帧与之做差获得边缘背景差值图像。其次用改进的帧差法取得部分目标,两者相与,取公共部分。再结合亮度与颜色偏差作为判据得到完整的、准确的运动目标轮廓,最后用模版填充法得到运动目标,通过形态学滤波与连通性分析法修复完善得到完整运动目标。     

一种新的视频运动对象分割技术

本文将用于自然静态图像抠图领域的Knockout技术用于视频运动对象的精确分割,给出了一种新的视频运动对象分割方法。在利用积累差异技术自适应建立背景模型、采用背景差法初步提取当前帧视频对象区域的基础上,用本文提出的方法,自动标记原本采用Knockout技术进行抠图时,需手动进行标记的前景轮廓区域、背景轮廓区域及未知区域。在用本文方法完成对3个区域的自动标记后,再利用Knockout技术对当前帧的视频运动对象进行精确分割。本文还设计了一种新的变系数空域滤波器,该滤波器能有效地对背景差图像进行显著增强。同时,对Otsu自适应阈值化方法进行了改进,改进的方法能更准确地对背景差图像进行阈值化。     

基于协方差矩阵的运动目标跟踪方法研究

提出了新的运动目标检测和跟踪的方法。首先采用差异累积的方法自适应地更新背景模型,用背景差法进行提取目标。把经过二值化后的视频帧进行分块,设定方块内前景点个数的阈值,接着对方块矩阵进行连通区域合并,从而确定前景点位置。接着提出通过协方差描述算子来跟踪行人的算法。用图像特征的协方差矩阵来表示目标窗口,就可以找到空间特性和统计特性,并在同一个表达式内描述它们之间的关系。通过搜索整个图像找到和当前目标模型的距离最小的区域,得到的最佳匹配区域就是当前帧目标的位置,从而达到跟踪的目的。协方差矩阵将不同形式的特征有效地融合到一起,并且它的维数很小。实验结果表明,算法具有良好的检测效果和实时性能。     

基于空-频域映射与虚警抑制的弱小目标检测算法

为了有效控制红外弱小目标检测过程中的虚警率,提高复杂云背景下的目标检测准确度,提出了基于空域-频域映射与虚警抑制的弱小目标检测算法。根据红外中心像素不同方向上的强度值,构建了方向最大中值滤波器,有效消除噪声;并利用中心像素与其邻域像素的强度差异,形成背景抑制滤波,充分增强弱小目标;考虑云区域的特有属性,联合非线性滤波,定义了云区域识别机制,提取空域映射;引入Butterworth差异低通滤波器,对去噪图像中的显著目标完成初步识别;基于其幅度信息,进行显著目标的精细检测;再利用细显著性检测结果,计算阈值,利用二值分割方法来获取去噪红外图像的频域映射;联合空域映射与频域映射,提取红外图像中的候选目标;根据真实动目标与虚警之间的运动特征差异,利用多尺度改进的管道滤波来抑制虚警,准确识别出真实目标。实验数据表明,相对于已有的弱小目标识别方案,所提方案能够准确地识别出真实目标,拥有更好的ROC特性曲线。     

An obstacle detection method by fusion of radar and motion stereo

In order to avoid collision with an object that blocks the course of a vehicle, measuring the distance to it and detecting positions of its side boundaries, are necessary. In the paper, an object detection method achieved by the fusion of millimeter-wave radar and a single video camera is proposed. We consider the method as the least expensive solution because at least one camera is necessary for lane marking detection. In the method, the distance is measured by the radar, and the boundaries are found from an image sequence, based on a motion stereo technique with the help of the distance measured by the radar. Since the method does not depend on the appearance of objects, it is capable of detecting not only an automobile but also other objects. Object detection by the method was confirmed through an experiment. In the experiment, both a stationary and a moving object were detected and a pedestrian as well as a vehicle was detected.     

基于改进的Gabor滤波和区域生长的目标检测

针对目标检测中背景的相对运动、检测物体相似性、外界光线变化等因素的影响,提出了一种基于改进的Gabor滤波和区域生长的目标检测方法。首先将输入的视频图像的相邻两帧做差,然后将得到差值图像中的Lab模型L分量进行Gabor滤波处理,根据不同的场景选择合适的参数,以提取目标的显著区域。为了兼顾运行速度和目标的显著特性,所以选取图像以某一灰度值的像素点为种子点,将灰度值差值在某一范围内的点进行区域生长操作,得到更为准确的目标。接着,为了去除干扰,进行腐蚀膨胀等一系列操作。最后将8个方向的滤波合并在一起,用外接矩形将符合要求的目标区域标出,达到目标检测的目的。通过参数调整和实验验证,相比传统检测算法的低准确率,此方法的目标检测率提高至90.89%,并且在光照、背景等外界因素干扰的情况下能具有良好的鲁棒性。     

结合加权模板差图与双边滤波的TFT-LCD检测算法

为了检测薄膜晶体管液晶显示器(TFT-LCD)面板上常见的点缺陷和线缺陷,提出了一种加权模板差图法与双边滤波相结合的缺陷检测算法。选取待检图左上角l×k大小的理想纹理模板,将原图分割为若干相同大小的单元,与加权的模板相减后再合成以去除大部分纹理背景;采用双边滤波抑制残余纹理背景;采用最大熵法分割缺陷;最后提取图像中的缺陷参数。通过对构造的理论缺陷图试验,验证了算法能检测出TFT-LCD面板图像上的缺陷,再对针孔、划痕、颗粒等样本缺陷进行试验并成功检出。算法结合了差图法去背景性能优异和双边滤波去噪效果明显的优点,具有良好的准确性和适用性。     

Multilevel Framework to Detect and Handle Vehicle Occlusion

This paper presents a multilevel framework to detect and handle vehicle occlusion. The proposed framework consists of the intraframe, interframe, and tracking levels. On the intraframe level, occlusion is detected by evaluating the compactness ratio and interior distance ratio of vehicles, and the detected occlusion is handled by removing a ldquocutting regionrdquo of the occluded vehicles. On the interframe level, occlusion is detected by performing subtractive clustering on the motion vectors of vehicles, and the occluded vehicles are separated according to the binary classification of motion vectors. On the tracking level, occlusion layer images are adaptively constructed and maintained, and the detected vehicles are tracked in both the captured images and the occlusion layer images by performing a bidirectional occlusion reasoning algorithm. The proposed intraframe, interframe, and tracking levels are sequentially implemented in our framework. Experiments on various typical scenes exhibit the effectiveness of the proposed framework. Quantitative evaluation and comparison demonstrate that the proposed method outperforms state-of-the-art methods.     

帧间差值分布和渐变模型的视频镜头分割方法

视频镜头分割是视频挖掘和分析的重要一步,提出了一种帧间差值分布和渐变模型的视频镜头分割方法。先提出了一种减少帧间差运动量的方法,使帧间差更为理想化,通过对视频的帧间差序列求其值的分布得到检测部分突变帧的阈值,进而将整个帧间差序列进行分段,重复同样的步骤,最终得到所有的突变帧。在检测渐变帧方面,根据渐变过程中亮度的二阶差分的特点和渐变模型的特点,来求得正确的渐变帧。最后,在实验中,选取了不同类型的视频对本文的算法进行验证,最终证明了本文方法的正确性。算法的查全率和查准率都在80%以上,相比其他方法对于变化复杂的视频镜头检测查全率平均提高了5.74%,查准率平均提高了8.53%。     

基于空间特征融合的车间作业工具检测算法

手和工具的交互是区分车间人员作业行为的关键信息。为防止泵件装配工序错漏,达到实时监测的目的,提出基于空间特征融合的车间作业工具检测算法。首先,为了提高对目标的定位能力和检测精度,基于帧差法分割前景中的手部运动区域,获得具有运动空间特征的纹理图像,结合装配过程的RGB图像构成目标检测网络的双通道输入。设计空间感知模块实现双通道输入的空间特征融合,获得全局空间信息。利用特征增强模块融合全局空间信息和深层语义信息,加强显著位置的特征响应。然后,采用ESNet(enhance shuffleNet)重构主干网络,基于深度可分离卷积实现多尺度特征提取,提高检测速度。最后,针对图像背景中局部元素变化问题,采用CutOut数据增强方法,提高模型抗干扰能力。实验结果表明,本文所提算法有效降低了误检率,较传统YOLOv5s的mAP提高6.4%,能够快速准确检测车间人员作业时使用的工具。     

复杂场景下的快速目标检测算法

针对场景发生改变的目标检测,提出了一种快速的目标检测算法。该算法将像素点划分为背景点和前景点两类,使用聚类的方法并采取像素级收敛条件分别建立背景和前景模型。背景模型的更新适用于全局发生缓慢的变化,稳定的前景模型向背景模型的转化对光照等其他场景突变具有很好的鲁棒性,使背景模型实时逼近真实背景,同时改进连通域扫描分割算法,提高目标分割速度。实验结果表明,该方法具有很好的鲁棒性,能够快速准确地检测出运动目标,为在DSP等嵌入式系统上实现实时目标检测提供了有利条件。