基于分块差分与背景减除的运动检测

本文提出了一种基于分块的帧间差分与背景减除相结合的运动目标检测方法.该方法中,运动目标检测分两步进行,在粗分割阶段,首先把视频图像划分为多个子块,用帧间差分对运动图像各个子块进行检测,分离出背景区域和前景区域,背景区域用来构造和更新背景模型.一旦背景构造完成后,便可以对粗分割出的运动区域采用背景减除方法进行细分割,检测出精确的运动目标.使用帧间差分获取的背景区域构造和更新背景,能有效地把停止的运动目标融入背景,同时也能去除场景中突然运动的目标原来位置所留下"鬼影".实验结果表明,该方法克服帧间差分提取目标不精细缺点,解决了背景减除方法中背景构造更新的困难,能够对监控场景中运动目标进行精确检测,对光线变化、背景干扰不敏感,具有较好的鲁棒性和实时性.     

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。     

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。     

基于目标跟踪的区域入侵检测方法研究

智能视频监控在人们生产生活中的应用越来越广,区域入侵检测是智能视频监控的一个重要方面。主要研究了基于目标跟踪的区域入侵检测方法。首先采用混合高斯模型进行运动物体检测,在实际验证中获得了较好的前景检测效果;进一步采用了Mean-Shift算法对从前景检测图像中提取出的运动物体进行实时跟踪,能够实时标记出运动物体并绘制出运动轨迹。采用OpenCV的运动物体跟踪算法框架,在Qt软件开发平台上进行了算法验证,获得了较好的实验效果,充分验证了算法的跟踪效果和实时性,具有实际工程指导价值。     

基于时空信息的运动目标识别算法

现实场景中人们感兴趣的目标或事件往往与场景中正在移动的物体有关,使得运动目标检测往往成为许多应用中进行信息提取的关键步骤和富有挑战的问题。首先利用单应性变换作为背景运动模型,利用上一帧得到的前景掩码图限制背景运动的估算区域,提取更纯净的背景运动;其次使用具有可变学习速率的双模单高斯模型,获得不被污染的背景模型,融合运动目标的时空信息,生成前景概率图并预测下一帧的检测区域;后依据前景概率图构造自适应的前景自适应判决阈值,进行运动目标检测,并利用核密度估计进一步优化检测结果。实验结果表明,算法可以适用光照变化、复杂运动等场景,具有较低的计算复杂度,查准率、召回率和F值等指标平均提升0.52%、33.37%、20.14%。     

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.     

Markov随机游走和高斯混合模型相结合的运动目标检测算法

针对高斯混合算法对每一像素与它前后帧的像素相关联,并未考虑与相邻像素之间的关联,无法准确地捕捉到运动物体轮廓的情况,提出一种基于混合高斯模型和Markov随机游走的运动目标检测算法。利用混合高斯模型计算像素之间的颜色信息,采用Markov随机游走提取图像的边缘信息,并与提取的运动初始目标进行与计算,同时利用高斯混合模型更新背景信息。结果表明,本方法比传统的混合高斯方法具有较高的分割精度,很好的解决了混合高斯算法边缘模糊的问题,探测率也大大的提高了。     

煤矿井下人员视频图像识别跟踪的研究与应用

随着数字图像处理技术的发展,图像识别开始应用到煤矿的安全领域。基于背景差分法的研究,采用混合高斯模型的背景建模法,设计了井下视频图像中运动人员检测的流程和算法,来应对监测场景图像、光线强度的不断变化,并开发了实时监测平台,实现了对井下监控图像中人员进行识别和运动轨迹跟踪。实际应用结果验证,该算法能有效增强检测的效果,实现了在诸多不确定性因素的序列视频中较好的自适应构建背景,从而高效地检测出移动中的井下工作人员,并进行标注跟踪显示。     

基于像素值聚类的运动目标检测方法

提出了一种基于像素值聚类的运动目标检测方法。在RGB空间进行背景提取,将一幅图像中的每个像素点在时间轴上进行聚类,提取背景模板;之后采用当前图像与背景模板进行比较,从而检测出运动目标,并同时进行背景模板的更新。在此过程中采用了模板替换机制以节约存储空间;在背景建模部分加入结束判定部分,以自适应的建立背景模板。相比于经典的混合高斯（GMM）和codebook方法,该算法的运行时间至少缩短了1／4,提高了检测速度。实验结果表明,该算法能够在不同条件下快速准确的检测运动目标。     

多模态背景下快速运动目标检测的研究

为了使运动目标检测算法能够适应场景复杂的情况,可采用高斯混合模型进行建模的方法,本文在此基础上提出了一种新的快速检测算法.该算法基于像素时域和空域相关性,利用这一性质可以减少高斯混合模型的个数,从而提高算法运行速度,经验证发现算法的精确度没有大的降低;同时给出了一种卡尔曼预测的更新算法,这既保证了稳定性又能快速建立背景模型.实验结果表明,该算法在不降低原来算法精确度的基础上,有效地提高了算法的速度.     

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。     

基于着陆器平台的一种运动目标检测算法

针对基于传统混合高斯模型算法对光照突变敏感,以及运动物体速度缓慢时产生的“重影”现象,根据深海自主观测的应用需求提出了一种三帧差法结合动态自适应学习率的改进混合高斯模型算法。利用三帧差法快速定位出视频帧的背景、前景及干扰区,对不同区域给予不同的学习率和更新策略,减小了运算量和提高了算法的收敛速率。实验结果表明,该算法能有效地处理深海环境中海流扰动、浮游物干扰以及光线突变带来的影响,具有良好的实时性和鲁棒性,在深渊着陆器的实际工程应用中能够准确地检测出运动目标。     

基于数学形态学的运动目标检测算法

帧差法和背景差法都是重要的运动目标检测方法,帧差法不能完全提取出目标的所有相关点,而背景差法又受环境光照的影响。针对传统运动目标检测算法的不足,提出一种基于数学形态学的帧差法与背景差法相结合的运动目标检测算法。先将帧差法得到的图像经过数学形态学处理,再将其与背景差法得到的图像相结合。实验表明,该算法能适应复杂变化的环境,准确地提取运动目标,对复杂干扰场景下的实时运动目标检测得到了较为满意的效果。     

一种基于行程编码的图像背景重构

背景差法是一种重要而且实用运动目标检测方法。该算法的难点在于如何进行背景图像的重构。本文针对该问题,提出一种基于行程编码的背景图像重构算法,即在假设背景图像以最大概率出现在图像序列中的前提下,选择频率最高的图像作为背景图像进行背景重构。利用序列图像时间上的相关性进行行程编码,用编码数据进行背景图像点得重构,使重构具有实时性和节省运算空间的特点。在慢运动目标的图像序列中,即观测时长较长时,利用本文算法进行实时背景重构具有明显的优点。仿真结果表明,该算法能够准确地重构背景,从而实现对运动目标的完整提取,以便进一步识别或跟踪。     

旋转摄像机下的快速目标检测算法

对于动态场景下的目标检测,传统的方法已经不能适用.提出一种基于SIFT特征点预测的匹配算法,提高了运动目标检测的速度和准确率.在此过程中,用仿射参数模型结合最小二乘法求解出全局运动参数,再对运动进行补偿.采用ORSA的方法去除外点的影响;采用基于残差图像块的更新策略,实时更新特征点集.最后使用背景差法来实现运动目标的检...     

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。     

基于计算机视觉的墙地砖表面缺陷检测

提出了一种基于计算机视觉的墙地砖表面缺陷识别方法,利用改进的分块图像相减匹配和相关算法,对目标图像和模板图像进行分块处理,将对应子区域图像与数据库中相应模块图像进行相减匹配检测,利用相关系数来判断目标图像质量是否满足要求.实验结果表明使用本文方法能够准确地实现墙地砖表面缺陷检测,检测出墙地砖表面平均缺陷数目为4.5个,平均识别率达95.74％,优于直方图统计特征法和灰度共生矩阵法,具有实时、可靠、高效的特点,对墙地砖表面检测具有较大的实用价值.     

复杂环境下变电站运动目标跟踪技术研究

背景光线变化、树木摇动、下雨下雪等自然环境变化会给运动运动目标检测带来的很大影响。本文介绍一种背景动态生成算法,利用此算法实时动态地生成背景图像,在一定程度上解决了自然环境变化给运动目标检测带来的影响。然后使用背景差分法来检测运动目标,当存在运动目标时,根据连续2帧图像与背景图像差分的结果来确定运动目标的运动方向、运动目标的位置坐标。最后给出了一种云台转动角度的计算公式,根据此计算公式计算出云台的水平旋转角度和垂直旋转角度,实现运动目标检测和自动跟踪功能。