基于改进的混合高斯背景模型的运动目标检测研究

针对传统混合高斯背景建模（GMM）在一些复杂场景下未能有效地描述背景,目标容易出现错误的检测,本文提出一种改进算法。该算法先对视频帧进行分块处理,然后对单模区域和多模区域采用不同的更新速率进行更新,最后在空域上对检测结果进行数学形态学的处理,从而提取运动目标。实验结果表明,该算法能够提高背景建立和运动目标检测的速率,在多种场景下运动目标的检测都具有良好的鲁棒性。     

基于整数DCT的运动目标检测与跟踪

本文提出了一种静止摄像机条件下的运动目标检测与跟踪算法。它建立在一种整数DCT算法的基础上,通过低通滤波进行背景提取,并用背景减除的方法分割出前景目标,再通过模板匹配实现对运动目标的连续跟踪。在对运动目标跟踪时,该算法对背景模型进行不断的更新,可以有效的消除背景的轻度变化对目标检测的影响,再加上又同时采用了一系列滤波和模板匹配,增强了目标跟踪的稳定性和可靠性。通过对多个图像序列的实验,该算法显示出了良好的性能,对于不确定的外部因素,如光照变化、阴影等造成的干扰,均具有相当强的适应能力。     

基于背景差分与时域差分相结合的运动检测算法

针对传统运动目标检测方法的缺陷问题,提出了一种背景差分与时域差分相结合的算法,通过对亮度值的判断,有效地获取了背景模型,并利用数学形态学的膨胀、腐蚀进行去噪．实验表明,这种检测方法是快速有效的．     

视频图像中的运动检测

视频图像中运动物体分析关键的一步就是从连续的视频图像中提取出运动目标，即运动目标检测。传统的运动目标检测方法有3种：背景图像差分法、时态差分法和光流法，分析比较了它们的优缺点；在此基础上笔者采用了一种结合Sobel算子和自适应背景差分算法的运动目标检测方法；利用Intel公司开发的计算机视觉库OpenCV开发了一个软件，并进行了一系列实验。通过观察、比较实验结果可以看出，这种运动目标检测算法能够正确地检测出视频图像中的运动目标，而且在检测性能上优于普通的自适应背景差分法。     

基于混合高斯模型的背景差分法的FPGA实现

针对视频中运动目标检测实时性问题,提出了一种基于混合高斯模型的背景差分法的FPGA实现方法.背景差分算法是运动检测算法中最常用的方法,该算法首先对实时得到的图像序列进行建模,得到运动场景的背景模型.然后在运动目标分割中及时的根据场景变化更新背景.考虑到实时性要求的高帧率、高分辨率视频分割任务,利用FPGA并行处理和硬件实现的优点,对混合高斯模型进行修改来对它进行定制,以适合于硬件实现.最后,通过在FPGA开发平台进行了仿真实现,结果验证了算法在硬件实现的正确性,以及在实时性能上的提高.     

基于背景预测的红外弱小目标检测新算法

针对复杂背景中弱小目标检测难的问题,提出一种改进的双边滤波背景预测算法．该算法在双边滤波中引入梯度算子,自适应地对背景进行预测,将原始图像与预测图像相减可以抑制背景细节、增强目标信息,同时利用梯度的统计特性减少算法的计算量,提高了弱小目标检测性能．仿真和实验表明,与双边滤波的检测算法相比,该算法能够更加有效地从复杂背景中检测弱小目标．     

一种基于背景恢复的运动目标的分割方法

提出一种基于背景模型的运动目标的分割方法．该方法结合了背景恢复技术对运动目标进行分割．算法分背景重建、运动目标提取和分割图像后期处理3个步骤．在背景重建过程中提出了新的背景更新策略和新的判断阈值法．文章阐述了方法的基本思想、理论依据和实现．实验表明,该方法具有很好的效果,具有较强实时性．     

基于SOPC的实时运动目标检测与跟踪系统

设计了一种以FPGA为核心处理器件的实时运动目标检测与跟踪系统,采用基于累积差分更新的背景减除法检测运动目标,卡尔曼滤波和直方图匹配算法对目标进行跟踪。实验结果表明,该系统能对静态背景视频序列中的运动目标实时有效地进行检测和跟踪。     

一种视频序列中运动目标检测算法

在现有方法的基础上,提出了一种基于Otsu动态阈值背景差法和三帧差法相结合的运动日标检测方法.首先通过改进的Surendra算法建立背景模型,并由Otsu动态阈值背景差分法得到二值图像,然后与三帧差分法结合,得到可靠的运动目标区域并进行背景实时更新.实验结果表明该方法满足视频序列运动目标检测的实时性和准确性要求.     

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。     

一种基于动态背景的运动目标提取方法

为了实现旋转摄像头下运动目标的监控,提出了一种动态背景下提取运动目标的方法．在全局运动估计过程中,首先提取当前帧的特征点并将其离散化,然后以特征点为中心在当前帧和前一帧之间进行块匹配,其后用3σ准则除去误差块,从而得到全局运动估计量,并且在VC平台上实现了该算法．     

基于有限线积分变换的序列图像运动目标检测

运动目标检测主要是从序列图像中将变化区域从背景中分割出来,它影响着运动目标能否正确地分类和跟踪。因此,运动目标检测是智能视频监控技术中的关键问题之一。有限线积分变换（finitelineintegraltransform,FLIT）作为近年来一种多尺度几何分析的新方法,能有效提取图像中的线性特征。检测方法是在FLIT的基础上再结合背景差法来实现的。具体而言,先对图像序列中的每帧网像（包括参考帧）作固定模板下的FLIT,再用当前帧的FLIT减去参考帧的FLIT,然后对不同方向提取的运动目标信息进行综合,最后采用数学形态学的相关处理来消除噪声。实验结果表明,使用该方法可以承受整体的或局部的、缓慢的或突变的光线变化,能有效地检测出运动目标。     

交通流视频检测中背景模型与阴影检测算法

提出了基于对象级的混合高斯背景模型更新方法与基于RGB颜色变化度的运动阴影检测算法。根据运动分割、物体识别、Kalman运动跟踪等高层语义表达,结合像素的时空特性,进行基于对象级的混合高斯背景更新。克服了像素级混合高斯模型中交通控制信号或交通阻塞等造成的长时间停车以及交通高峰期交通拥挤等情况下对背景抽取造成的影响;根据运动目标的RGB颜色变化度特点,提出自适应的对象级运动阴影检测算法,克服了运动阴影的影响及其造成的误分类。不同交通状态下的视频处理效果表明,该方法具有良好的鲁捧性和自适应性。     

视频运动检测中基于蛇形的背景更新研究

为了检测运动物体,采用统计型背景更新,标注法填充,运用蛇形形变跟踪视频中的运动物体,设计了一个视频跟踪自动检测软件系统.通过对光照条件较为复杂的hall monitor视频序列中的运动对象进行了检测,验证方法有效.     

Automatic Video Segmentation Algorithm by Background Model and Color Clustering

In order to detect the object in video efficiently, an automatic and real time video segmentation algorithmbased on background model and color clustering is proposed. This algorithm consists of four phases:backgroundrestoration, moving objects extract,moving objects region clustering and post processing. The threshold of thebackground restoration is not given in advanced. It can be gotten automatically.And a new object region cluster     

以太网交换机仿真软件的研究与实现

为满足计算机网络实验室的需求,提出了一种以自主研发的交换机硬件为基础,以软件的方式仿真多种型号交换机命令的教学系统.详细描述了仿真软件的结构设计及其工作流程,并结合实际情况,提出了一种新的符号表和交换机配置数据的数据结构.给出了仿真软件的演示图.     

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。     

复杂背景下运动目标的检测

提出了一种统计获取图像背景的方法,该方法与比特层相结合可完成复杂背景下运动目标的检测.与其它获取图像背景的方法相比较,这种统计获取图像背景的方法可同时完成背景的获得和更新.此运动目标检测方法运算简单,抗噪能力强,无需阈值选取,分割结果无重影.实验验证了本方法的有效性.     

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。