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。     

面向目标检测的多尺度运动注意力融合算法研究

运动目标检测是视频分析领域的关键技术之一,针对目前全局运动场景下目标检测算法的局限性,该文提出一种多尺度运动注意力融合的目标检测算法,为目标检测问题提供了新思路。该算法通过时-空滤波去除运动矢量场噪声,根据运动注意力形成机理定义运动注意力模型;为提高注意力计算的准确性,定义了目标像素块的测度公式,采用D-S证据理论对多尺度空间运动注意力进行决策融合,最终获取运动目标区域位置。多个不同高清视频序列的测试结果表明,该文算法在全局运动场景中能准确对目标进行检测定位,从而有效克服了现有算法的局限性。     

基于二维速度搜索的星载SAR运动目标聚焦算法研究

采用传统SAR成像方法对星载SAR地面运动目标进行成像处理时,运动目标通常会处于散焦状态,导致运动目标检测性能下降。该文结合RD算法,提出一种基于2维速度搜索的星载SAR运动目标检测算法,通过对运动目标距离向速度和方位向速度进行遍历来匹配运动目标多普勒参数,提取不同搜索速度下运动目标的最强幅度值用于恒虚警检测,可以提高运动目标的检测概率。仿真结果验证了该方法的可行性和有效性。     

基于分区动态规划和航迹关联的弱小目标检测

序列图像中低信噪比运动弱小目标的实时检测算法，是精确制导系统中的关键算法之一。提出一种图像序列弱小目标实时检测新算法，采用分方向区间的动态规划算法和二值图像航迹关联检测。通过在动态规划能量累加过程中引入方向限制，减小了噪声轨迹能量积累和目标轨迹能量扩散，提高了算法的目标检测能力。对算法的检测性能进行了仿真实验，结果表明该算法能有效检测深空背景下信噪比大于1.8、运动方向任意、速度不大于1像素/帧的多个运动弱小目标。     

基于运动检测的目标跟踪算法研究

运动目标检测与跟踪主要分为目标检测和目标跟踪,首先摄像机进行图像采集并预处理,然后提取出运动目标特征值与后续图像帧中的区域特征值分析相关性,确定运动目标的运动轨迹。主要介绍了几种基本的目标检测算法和目标跟踪算法,并对运动目标跟踪算法的研究前景进行了展望。     

基于Sobel算子图像预处理的目标检测算法

本文首先对改进Sobel算子进行描述,然后提出了基于Sobel算子图像预处理的目标检测算法.该算法使用Sobel算子对图像进行预处理,通过阈值设定,检测运动目标,针对目标位置、速度建立图像ROI区域,对连续目标建立帧间关联,并确立置信度,最终实现目标检测目的。对该算法进行试验测试,试验表明,该算法能较好的检测运动目标,具有较好的鲁棒性。     

基于五帧差分和模板匹配的运动目标检测识别

针对帧差法和背景差分法检测运动目标准确率低,自适应能力弱等缺陷,提出了一种改进五帧差分法与背景差分法和模板匹配相结合的运动目标检测和识别算法;通过改进的五帧差分和背景差分法融合的算法从视频图像序列中检测出运动目标;利用形态学方法去除噪声,改善运动目标提取效果;在Harris算法提取图像匹配特征值的基础上角点配准,提高图像识别的准确率,通过提取目标特征与自适应模板图像进行特征匹配的方法实现了目标检测识别和跟踪。仿真结果和实验表明该方法有噪声和部分遮挡的运动目标有良好的检测识别效果,识别率达到了95%。     

基于改进分水岭和形态学的视频运动目标检测

为了获得理想的视频运动目标检测结果,本文提出了一种标记分水岭和形态学相融全的视频运动目标检测算法。首先采用各向异性扩散模型对视频图像进行预处理,消除噪声对目标检测的干扰,然后差分算法提取运动目标的轮廓,并对提取的目标轮廓进行形态学操作,最后采用标记分水岭算法对运动目标进行标记和分割,并采用仿真实验测试算法的性能。仿真结果表明,本文算法较好防止了"过分割"缺陷的出现,可以准确从复杂背景检测到运动目标,不仅提高了视频运动目标的检测正确率,并且加快了视频的检测的速度。     

基于自相关矩阵和边缘检测的运动目标检测

提出了一种基于颜色特征提取和图像边缘检测融合的运动目标检测算法。利用颜色自相关矩阵对图像建立特征模型,进行相似度的比较得到较粗糙的目标检测结果。然后通过Canny算子提取图像的边缘信息并利用二值差化求得目标大致边缘轮廓。将两者再进行逻辑与操作,即判定在粗糙检测结果中运动目标轮廓内的元素目标边缘信息为运动目标边缘,并最终进行形态学操作得到运动目标。实验结果表明,提出的算法对复杂背景下运动目标有较为理想的检测效果。     

一种新的三帧差运动气泡检测方法

针对传统三帧差法在运动目标检测过程中存在部分 重叠和轮廓不完整现象,提出了一种结合 Kirsch边缘检测和背景差分的改进三帧差法。算法首先对连续3帧图像进行差分得到运动区 域,然后对 当前帧进行Kirsch边缘检测,通过已得到的运动区域与边缘检测结果进行逻辑“或”运算, 获得完整的运动 目标,利用背景帧差分割运动目标并去除噪声。实验表明,提出的方法能够提取更加完整的 目标区域,有 效避免漏检、误检等情况。与现有一些同类算法相比,本文算法具有更优越的运动目标检测 性能。     

一种新的复杂场景中动目标图像分割的快速算法

一种利用序列图像从复杂背景中分割动目标图像的新算法：首先利用马尔科夫随机场模型和连续线过程建立精确的目标函数，采用并行计算方法计算出速度场，多面手到此为依据实现对目标图像的并行分割。     

基于动态规划的红外运动小目标检测算法

针对低信噪比下红外小目标的特点，提出一种改进的实用动态规划算法，通过适当的预处理抑制背景噪声、多帧图像灰度累加以提高信噪比，并由虚警和检测概率确定分割门限，检测出小目标位置及状态。详细地叙述动态规划的计算过程及分割门限的确定方法，以简单的步骤实现对低信噪比小目标的检测。实践证明，改进的动态规划算法不仅能完成检测的任务，而且并行性好，易于硬件实现，为下一步的目标跟踪打下了良好的基础。     

基于动态规划的红外运动小目标检测算法

针对低信噪比下红外小目标的特点,提出一种改进的实用动态规划算法,通过适当的预处理抑制背景噪声、多帧图像灰度累加以提高信噪比,并由虚警和检测概率确定分割门限,检测出小目标位置及状态。详细地叙述动态规划的计算过程及分割门限的确定方法,以简单的步骤实现对低信噪比小目标的检测。实践证明,改进的动态规划算法不仅能完成检测的任务,而且并行性好,易于硬件实现,为下一步的目标跟踪打下了良好的基础。     

基于H.264压缩域的运动目标检测算法

基于H264压缩域的运动目标检测算法。首先,从压缩码流中提取原始运动矢量场,采用中值滤波法滤除运动场中由噪声引起的运动矢量;再利用从压缩码流中提取的宏块分割类型初步排除一些分块较大的伪运动块;然后采用自适应阈值选取法定位出运动区域;最后,通过已定位的运动区域的特征进一步精确识别出运动目标。算法充分利用了H264码流中的运动矢量信息,简单易于实现,适用于智能监控,视频分析等领域。试验结果表明,该算法检测效果较好,且不需要对压缩码流进行全部解码。     

动态规划算法在运动点目标检测中的应用研究

序列图像中低信噪比运动点目标的实时检测算法,是许多实时处理系统中的关键算法之一。该文在对面临的实际问题与对检测算法分析的基础上,详细阐述和研究了利用LS线性预测器的动态规划能量累积算法,并根据仿真实验的效果,指出此算法较直接动态规划能量累积算法可最大程度地降低能量扩散,减少团聚在目标周围的虚警目标点,十分利于后续轨迹关联检测处理.     

一种快速目标检测跟踪方法研究与实现

阐述目标检测跟踪详细过程,提出一种近距离复杂背景下使用快速模板匹配方法对运动目标检测跟踪的方法。该方法针对目标的环境,利用高斯-拉普拉斯滤波器预处理,进而对相邻图像的差分图像获取和识别运动目标中心和区域大小,然后利用相关匹配算法并结合改进的十字搜索法对目标进行快速持续的检测跟踪。实验表明该方法是有效的。     

基于视频序列的运动目标追踪算法

介绍了一种对视频序列中运动目标追踪的实现算法,该算法在运动目标检测的基础上,融合了卡尔曼滤波和Meanshift算法实现对快速移动目标的追踪。卡尔曼滤波对下一帧目标可能出现的位置做出估计,Meanshift迭代算子在估计出的区域对目标精确定位。经实际验证其有效地克服了传统Meanshift算法对于快速移动物体追踪可能出现的丢失目标的问题,目标追踪效果明显提高。     

基于粒子群算法和卡尔曼滤波的运动目标跟踪算法

针对目前一些常用的运动目标跟踪算法存在跟踪精度不高、实时性低、对遮挡问题处理不佳等问题,提出一种粒子群算法与卡尔曼滤波相结合的新的运动目标跟踪方法。利用卡尔曼滤波预测目标中心在下一帧图像中的位置,从而极大减少了搜索范围,并以该位置为中心建立目标搜索区域。然后以目标的灰度统计特征对目标模板和候选区域进行匹配,确保跟踪准确性。为了有效减少搜索匹配次数、提高实时性,利用粒子群算法在搜索区域找到和目标模板最相似的区域,从而找到最优中心位置,并以该位置作为卡尔曼滤波的观测值,进行下一帧跟踪。仿真实验结果表明新算法显著提高了跟踪的实时性、精确性,并对部分遮挡能较好地处理。     

Detection of moving object with unknown velocity vector using its image with unknown intensity

The maximum likelihood algorithm for detecting a space-extended object moving with unknown velocity vector has been synthesized and analyzed with due regard for the background shading using the object image with unknown intensity.