基于背景重建的运动目标检测算法

针对复杂背景下参考帧的提取问题,提出了一种改进的基于帧间差分的背景提取算法。该算法利用帧间差分将图像序列中的背景像素点提出来,从而确定背景帧;并利用序列图像背景点在时间上呈高斯分布,用“3σ原则”判断背景点是否发生变化来更新背景。实验结果表明,该方法可以有效的提取和更新背景,从而完整准确地检测出运动目标。     

基于序列图像中运动小目标检测

根据序列胶片图像中运动目标帧间相关特性,提出一种弱小目标检测的方法。采用图像积累的方法,提高信噪比,去除图像背景;采用自适应门限进行阈值分割,得到二值化的图像;利用帧间目标相关的特性去掉噪声点,检测出目标点。实验结果表明,该方法能够有效地提取出低信噪比下序列图像中的微小运动目标。     

全局运动序列中运动目标的检测算法

针对全局运动视频序列采用灰度投影法检测序列帧间运动矢量,具有图像信息利用充分、计算精度高等优点,文中采用了改进的三步搜索算法有效地提高了运动矢量搜索速度,降低了运算复杂度,同时保持了运动矢量的搜索精度。通过帧间运动矢量补偿将相邻三帧图像的相同背景稳定在同一幅图像的相同位上,利用改进的三帧差分法检测运动目标区域。结合数学形态学的闭运算和填充运算等提取出运动目标。实验结果表明,该方法能够快速高效地从背景变化的视频序列中提取运动目标,具有较强的鲁棒性和准确性。     

基于HSV颜色空间静止背景中运动目标的检测算法

针对固定场景视频序列中的彩色运动目标检测,采用HSV颜色空间表示视频原始帧,使用自适应背 景更新在原始帧中提取V 分量建立背景帧,利用背景差分法对视频序列进行运动检测,在运动区域二值化时结合原 始帧中的H 分量对运动区域进行筛选,从而得到特定运动目标被点亮的前景帧。实验结果表明,该算法能够有效地 实现在静止背景、多运动目标共存的视频中检测出特定颜色的运动目标。     

基于运动图像序列的啤酒瓶凸性字符快速提取方法

运用基于动态图像序列的运动目标跟踪技术，结合图像边缘提取理论中的检测算子模板，提出了一种快速提取啤酒瓶凸性字符的方法：首先采用单个面阵CCD得到啤酒瓶字符的运动图像序列，然后利用背景在运动图像序列中的镜头突变性和出现的必然性，检测视频流中的背景帧，最后采用基于边缘检测的背景配准方法，得到运动图像和校正背景图像的差分图像，恢复出真正的运动物体(字符)．实验结果表明，该方法比现有的字符图像提取方法具有更好的抗噪性和实用性，加快了字符提取的速度，满足了在线检测的要求．     

图像序列中点目标实时检测算法

点目标检测在液体杂质检测中非常关键,在分析现有图像点状目标检测算法的基础上,研究了一种适用于图像序列的运动点目标多阈值检测算法,在背景抑制的基础上,首先采用自适应多阈值分类的方法提取多类疑似目标,强化了各点状目标疑似的检测能力。在当前帧疑似目标的真伪无法判定时,根据目标在相邻帧间的位置变化信息构造相应的时空管道,沿时空管道正向寻找可能出现的各类疑似目标,并将其能量与当前帧疑似目标点的能量进行加权求和后再进行门限判决。使用硬件并行预处理图像,较好地解决了实时性问题,满足系统实时性要求。对安瓿瓶液体图像序列进行测试的结果表明,该算法的效果令人满意。     

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.     

旋转复杂背景中红外运动小目标实时检测

针对旋转复杂背景中红外运动小目标检测误检率高、实时性差等问题,提出了目标检测新算法。首先对图像进行中值滤波预处理,计算图像光流场,提取特征点,估算背景光流;然后设置阈值,判断提取备选目标特征点集合;最后通过特征点光流矢量角度、目标灰度值区间、目标特征点区域边缘检测的方法,排除备选目标特征点集合中的背景特征点,实时准确检测旋转复杂背景中红外运动小目标。实验结果表明,该算法能够准确地检测出红外多个运动小目标,检测率93.8%,平均虚警率0.126次/帧,平均每帧耗时15.53 ms,每帧图像处理的最大时间为20.45 ms,能够满足运动目标检测对实时性的要求。     

基于统计模型和活动轮廓的运动目标检测与跟踪

提出了一种静止背景视频序列中运动目标的检测与跟踪方法.对连续两帧图像序列作差分计算,对差分图像的灰度分布建立混和高斯模型(GMM),采用期望最大化(EM)算法估计模型参数,并引入基于GMM模型的边界检测算子,进而构造运动边界图像.改进静态图像轮廓提取算法GVF-Snake,利用运动边界图像修改GVF-Snake的能量项,使其能够提取视频序列中运动目标的轮廓.采用一种根据目标区域自动初始化轮廓的方法解决Snake初始轮廓需要手工设定的问题,采用一阶差分预测算法加快轮廓收敛速度.利用改进的GVF-Snake算法对运动目标进行检测与跟踪,结果表明,该算法对刚性和非刚性两类目标都具有较好的检测与跟踪效果.     

基于位图差影自适应的移动目标检测

针对移动目标检测过程中,背景信息复杂并且信息处理量大的问题,提出了一种对检测区的位图进行差影计算,从而快速检测出移动目标的方法。该方法用到的阈值,采用背景动态更新的自适应阈值计算方法得到;同时,还给出了该方法的算法描述和实验结果。实验表明,该方法能有效的提高移动目标的检测效率和准确率。     

中国近代史上的一个特殊时期(1916-1928)——以领土维护情况为研究对象

针对移动目标检测过程中，背景信息复杂并且信息处理量大的问题，提出了一种对检测区的位图进行差影计算，从而快速检测出移动目标的方法。该方法用到的阈值，采用背景动态更新的自适应阈值计算方法得到；同时，还给出了该方法的算法描述和实验结果。实验表明，该方法能有效的提高移动目标的检测效率和准确率。     

基于视频检测的卡尔曼滤波车辆跟踪算法及行为分析

采用基于目标检测的运动目标跟踪策略,首先用时间差分法进行运动目标检测,获得运动目标的初始位置;然后采用卡尔曼滤波器预测运动目标下一时刻所在的位置,再利用运动目标检测的结果评估和矫正预测结果,获得运动目标的准确位置,并依据跟踪结果进行车辆的行为分析.实验结果表明,本方法可有效地解决运动目标部分遮挡及短时间全遮挡下的可靠跟踪问题.     

运动物体仿真中的碰撞检测研究

针对运动物体仿真中碰撞检测的实际需要,对运动物体与地面的碰撞检测和运动物体与地面上其他物体的碰撞检测进行了研究,对方向包围盒（OBB）碰撞检测算法进行了设计,使VegaPrime中的碰撞检测由单一的线段变成了完整的三维物体。试验结果表明,通过对比例参数的控制,能产生具有预警机制或碰撞容忍度的碰撞检测包围盒。     

一种基于视频识别的钱塘江涌潮检测方法

该文介绍了实际应用场景中对钱塘江涌潮的检测方法,通过建立混合高斯模型来构建基于视频识别的涌潮背景模型,然后再利用所得的背景图像与当前视频帧进行相减,得到钱塘江潮水的前景图像,经过平滑去噪处理后,检测出涌潮信息.     

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.     

一种基于边缘检测的运动目标检测新方法

基于帧间差分变化检测,运用多尺度形态梯度算子进行边缘检测,提出并实现了一种运动目标检测新方法.这种检测方法算法简单、运算量小,而且只使用了头两帧的信息,适合于实时应用.实验结果表明:此方法能有效地检测出运动目标.     

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。     

基于水平集的多运动目标检测和分割

针对视频图像的运动分割问题，提出了一种基于水平集方法的多运动目标检测和分割新方法.通过一种基于帧间差分的算法,自动提取初始背景图像，并使用相减法，检测出当前图像中的运动像素.定义了一种新的基于差分图像的局部梯度、目标的方差和背景的方差的速度函数，得到了改进的分割曲线的演化方程，分割出不同的运动目标.在水平集的求解过程，设定了控制演化曲线最终停止在目标边界上的条件，得到了运动目标的边界.实验结果表明，与其他传统方法相比，该运动目标检测和分割方法更有效和具有更好的鲁棒性，能够正确地提取运动目标边界.     

基于场景知识的移动目标检测

依据背景差法中背景建模的思想,从提取场景知识的角度出发,建立待检测场景的场景知识库,从而提出一种基于场景知识的移动目标检测算法。使用改进的均值漂移算法对待检测场景进行分割,并提取分割后各个区域的底层视觉特征建立场景知识库;从新的场景帧图像中获取各区域的知识特征向量,然后根据和原场景知识库中各特征向量的匹配结果检测出移动目标信息。仿真结果表明,该方法能有效地检测出场景中原有目标和新进入场景目标的移动信息,并在一定程度上改善了目标阴影、形变等噪声对检测结果的干扰。