改进的基于码本模型目标检测算法

为克服基于码本模型的目标检测算法在光照变化条件下对检测结果产生的影响,提出了一种融合卡尔曼滤波思想的改进码本算法。该方法在计算图像像素亮度变化时选用了YUV颜色空间,使空间坐标轴与亮度变化方向一致,使亮度变化的计算量平均下降了44.9%。同时在建立码本模型时为每个像素初始化一个卡尔曼滤波器,该滤波器利用前后两帧图像亮度信息预测与修正当前像素值,对光照变化有较好的适应性。仿真实验结果表明,该算法与YUV码本模型、RGB码本模型以及GMM算法相比在亮度变化的条件下对噪声的抑制作用更强,体现出更好的自适应性。     

基于ViBe的改进运动目标检测方法

提出一种基于ViBe算法的改进运动目标检测方法。改进的方法利用二十帧图像进行背景模型的初始化,通过比较SILTP特征值来对前后景像素进行分类,模型更新机制采用替代异常值的方式。在不同场景下的实验结果表明,改进后的算法对光照变化、鬼影产生和噪声具有强鲁棒性。     

基于光强变化场景的目标检测与跟踪新方法

为在光强变化场景下实现目标的检测与跟踪,研究了一种新方法。该方法综合集成了Vibe算法与粒子滤波算法的优点,通过在改进Vibe算法中引入光照补偿模型、重构粒子滤波模型,解决了2种方法对光强变化的自适应性难题;在局部三值模式(LTP)中建立了一种自适应阈值方法,并采用线性回归分类方法,实现了目标跟踪。通过开发相应程序并将所提新方法的结果与标准结果进行对比验证,验证结果表明：新方法的偏差小于文中其他3个对照方法的相应偏差,该方法对光强变化场景下的目标检测与跟踪研究有一定帮助。     

一种改进的用于视频监控的混合高斯背景建模法

本文提出一种在RGB彩色空间基于混合高斯建模的背景减算法来进行运动目标检测。鉴于场景变化对光照敏感的特点,根据,R、G、B三个分量计算像素的亮度分量,然后对,R、G、B及亮度分量分别建立高斯模型,对全局图像进行光照控制并实时更新。最后利用阴影覆盖后像素的彩色信息和区域的弱边缘特征对提取出的候选前景进行筛选,最后经过后处理用形态学运算准确提取出运动区域,实验效果良好。     

基于背景模型的车辆目标检测

为了实现对交通车辆快速准确地统计,文中提出一种自适应权值的背景更新方法以适应道路环境的复杂变化.首先在多个通道建立单高斯背景统计模型,然后利用场景中像素的概率分布实现对运动区域的准确检测,最后根据检测结果实现对交通流量的统计.实验结果表明:该方法能够对运动车辆进行快速准确地检测和统计,并对场景的光照变化等影响具有较高的鲁棒性.     

融合局部三值数量和色度信息的均值漂移跟踪

该文提出了局部三值数量(Local Ternary Number, LTN)这一新的局部显著性纹理算子,并将其与色度信息相结合得到一种新的目标跟踪方法。该方法充分利用目标像素与其八邻域像素灰度值的大小关系,将局部显著性算子 (Local Similarity Number, LSN)加以拓展,设计了局部三值数量这一新的局部显著性纹理算子,该算子能区分目标像素在同一局部显著度下的不同纹理结构;LTN掩膜提取边缘、线和角点上关键像素以提高纹理特征的区分能力,同时能够较完整地保留目标信息;在此基础上,将掩膜内目标像素的LTN特征与色度信息融合生成一种新的目标模型,并嵌入到均值漂移(Mean Shift, MS)框架完成目标的跟踪。实验结果表明,该文提出的目标跟踪方法在场景中存在相似颜色和光照变化干扰的情况下,仍能持续准确地实现目标的定位,提高了传统均值漂移跟踪算法的性能。     

一种对光照具有鲁棒性的人脸跟踪算法

在经典Mean Shift跟踪算法框架中,颜色是一种有效的视觉特征。但在实际跟踪过程中,光照、角度、摄像机位置等的变化会极大地削弱颜色特征的有效性,从而造成跟踪的不稳定。本文提出了一种对光照变化具有鲁棒性的Mean Shift人脸跟踪算法。首先,对光照对目标特征域的影响进行建模分析,然后根据分析结果将高斯截断核函数引入到目标概率密度函数中以减小光照变化对目标跟踪的影响,最后将新的目标概率密度函数纳入到Mean Shift跟踪算法框架中。实验仿真结果表明,本文算法在光照剧烈变化的情况下,对人脸的跟踪具有很好的鲁棒性。      

一种用于视频目标检测的时空背景建模方法

针对传统时域统计背景模型只关注于单个像素的统计特征而忽略背景像素之间的相互关联,同时不能很好地适应目标进入场景并静止的情形,在高斯背景模型基础上,融合背景的空间统计特征,建立一个时空联合的背景模型。结合背景的空间区域特征和像素的亮度变化更新背景,使得背景更新过程中保持背景的空间特征。实验结果表明,利用该方法建立的背景模型进行目标检测,能有效检测移入静止的目标,克服了传统检测方法检测目标中的空洞,检测到的目标完整性有较大提高,有利于后续的进一步处理。      

基于超像素分割和混合权值AdaBoost运动检测算法

针对长时间目标跟踪检测不准确问题,提出一种结合运动场景的超像素分割与混合权值的Ada Boost多目标检测(ABSP)算法。首先在动态模型中,计算Ada Boost算法的混合权值,检测运动目标,确定搜索区域,提高多目标跟踪检测能力;在训练阶段,采用SLIC分割与Mean-Shift聚类形成超像素图块,构建目标外观模型;在跟踪阶段,结合超像素特征池生成模板直方图与置信图,构建观测模型与运动模型,采用粒子滤波与贝叶斯模型,计算最大后验估计,实现遮挡运动目标检测。结果表明:能够有效处理数目变化多目标检测与遮挡问题,提高了检测的实时性。     

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。     

基于HSV颜色空间的运动目标检测方法

针对在目标检测过程中光照变化对检测结果的影响,提出一种基于HSV颜色空间的运动目标检测方法。首先采用帧间差分分离出运动目标区域,将该区域转换为HSV颜色空间,用形态学对区域进行处理,消除噪声影响。然后利用各分量的相互独立性及H分量对光照不敏感的特性,应用自适应阈值分割方法,对运动目标实现准确分割。实验表明,该方法能够实现对运动目标的准确检测,消除帧间差分产生的图像空洞,对光照变化剧烈的目标也能实现准确分割,具有较强的鲁棒性。     

一种对光照变化鲁棒性的彩色目标检测方法

彩色目标检测过程中由于环境光照的变化以及分布不均匀会造成物体反射光的改变,使得检测效率降低.彩色目标检测中最常见的光照影响是光照强度的改变和检测区域强度分布不均匀.本文对颜色生成基本过程进行考察,发现在很多应用中可以用简单的的DELTA函数近似传感器的响应函数.在此基础上用一个有限维向量量化光照变化,对像素进行补偿,提高对光照变化的适应能力.并用实际应用结果说明其合理性.     

基于肤色模型的人脸检测研究

现有的人脸检测方法,对复杂光照环境下获得的彩色人脸图像的检测效果仍不太理想。在仔细研究目前人脸检测方法的基础上,对基于肤色分割结合模板匹配的人脸检测方法进行改进,提出基于“光照预处理＋肤色模型＋模板匹配”的人脸检测问题解决思路。实验结果表明,该方法对实际场景中正面和准正面的人脸图像,平均准检率达到84％,同时对光照变化不敏感,而且对姿态和表情的变化也具有较好的鲁棒性。     

基于自适应Lab色差阈值的ViBe运动目标检测算法

针对视觉背景提取算法(ViBe)对光照变化和运动 阴影敏感、提取的运动区域容易产生空洞的问题,本文提出了基于自 适应Lab色差阈值的ViBe运动目标检测算法。根据图像的局部背景亮度与色彩的空间频率对 人眼视觉的影响,自适应的确定 每个像素点的色差阈值,用于像素点与背景模型的匹配;然后,利用邻域像素点的空间一致 性原则,对检测结果进行修正; 最后,统计各连通域的面积,去除小面积的运动目标。实验结果表明,本算法可以有效的适 应光照变化、抑制运动阴影、填 补运动区域的空洞,具有比ViBe算法更好的检测效果。     

一种基于视频的道路行人检测方法

提出了一种基于交通视频的道路行人检测方法。首先,采用具有自适应背景更新的背景差法提取运动目标。其次,利用行人的轮廓特征和行人在图像上的像素高度与实际距离的线性变化关系特征进一步分割行人目标,并依据行人位置特征对其做多帧匹配跟踪。最后,结合行人速度特征,实现行人目标检测。实验结果表明,该方法能准确地检测交通场景中出现的行人目标,有效地解决运动车辆的遮挡和光照等对行人目标检测的影响,具有良好的实时性和稳健性。     

基于边缘强度的红外图像阈值分割方法研究

提出一种针对复杂场景的基于图像边缘强度的阈值分割算法。首先进行边缘检测,然后根据边缘强度进行像素灰度值加权平均计算出图像的分割阈值。该算法简单、实用,可对海上及空中目标进行准确分割,并已在实际的跟踪系统中进行了应用,结果表明目标分割正确,系统实时性强、稳定可靠。     

基于边缘强度的红外图像阈值分割方法研究

提出一种针对复杂场景的基于图像边缘强度的阈值分割算法。首先进行边缘检测,然 后根据边缘强度进行像素灰度值加权平均计算出图像的分割阈值。该算法简单、实用,可对海上及空中目标进行准确分割,并已在实际的跟踪系统中进行了应用,结果表明目标分割正确,系统实时性强、稳定可靠。     

基于YUV空间球状码元码本背景模型的运动物体检测算法研究

在光照变化强烈的场景中,传统的码本背景模型对运动目标检测效果较差,该文融入了梯度信息来改变传统码本背景模型中的亮度范围,对传统度量颜色距离的柱状单词结构做了改变,用YUV颜色模型建立码本背景模型,降低了传统的码本背景模型在光照变化比较频繁的场景中的敏感性。通过改进的算法对一组典型的复杂背景视频图像对进行验证,证明了改进的球状码本背景模型的算法确实能够取得更好的检测效果。     

基于混合高斯模型与三帧差分的目标检测算法

针对传统目标检测方法中光照变化、复杂背景、阴影等难点,提出了一种结合三帧差分法和混合高斯背景建模的算法,既能很好地适应场景中的光照渐变和背景扰动,又能克服普通帧差法中检测目标不准确,容易产生孔洞及双影现象的问题。同时,采用了一种简易的阴影抑制算法和形态学滤波处理,有效地去除了阴影以及噪声。实验结果表明,该算法易于实现,具有较好地实时性和鲁棒性,能精确地检测出运动目标。     

一种对光照变化鲁棒性的彩色目标检测方法

彩色目标检测过程中由于环境光照的变化以及分布不均匀会造成物体反射光的改变，使得检测效率降低．彩色目标检测中最常见的光照影响是光照强度的改变和检测区域强度分布不均匀．本文对颜色生成基本过程进行考察，发现在很多应用中可以用简单的的DELTA函数近似传感器的响应函数．在此基础上用一个有限维向量量化光照变化，对像素进行补偿，提高对光照变化的适应能力．并用实际应用结果说明其合理性．