|
1.
|
一种简单有效的运动目标检测算法 被引次数：3
|
|
|
|
|
|
|
夏永泉 宁少辉 李卫丽《计算机测量与控制》,2011年第19卷第2期
|
|
|
针对固定场景中运动目标检测遇到的运动目标状态突变,非运动目标干扰以及阴影等问题,提出了一种背景差分和帧间差分相结合的运动目标检测算法;该算法首先通过平均法背景模型确立背景,使用背景差分得到一幅二值化前景图像,然后将通过连续的多帧图像进行相邻帧差分得到的多幅二值化前景图像进行逻辑或运算,最后将运算结果同背景差分所得到的二值化前景图像进行逻辑与运算,得到最终运动目标区域;实验表明,该算法运算速度快,准确率高,并能满足实时检测的需要;不足之处是在摄像机与运动物体夹角很小的情况下,检测效果较差,但可以通过多台摄像机协同操作来达到理想的效果.
|
|
2.
|
一种基于运动边缘检测的视频对象分割新算法 被引次数：6
|
|
|
|
|
|
|
贾振堂 李生平 贺贵明 田惠《计算机研究与发展》,2003年第40卷第5期
|
|
|
利用人眼对运动(时间梯度)和边缘(空间梯度)都特别敏感的视觉特点，把帧间运动变化检测和图像的边缘检测结合起来，提出一种新的运动视频对象分割算法．通过帧间差快速得到运动物体的大致位置，形成差分模板，然后通过边缘检测在差分模板中确定物体的准确边缘，并形成边缘模板．在边缘模板的基础上，利用二值图像下的收缩型活动轮廓算法，可以方便地得到视频对象(VOP)的闭合轮廓曲线(以便进行编码传输和基于形状的检索)．同时，设置模板缓冲区以记忆前一时刻的分割结果，从而弥补当前帧的不完整性．该算法对目标的整体运动和局部形变都有较强的适应性，且具有自动消除显露背景以及多目标自动分割包围的能力．
|
|
3.
|
基于改进差分和光流的新型运动目标检测方法
|
|
|
|
|
|
|
季鸣 王红茹 童伟《计算机系统应用》,2015年第24卷第10期
|
|
|
针对运动目标检测中的空洞和虚假目标的问题, 提出一种改进差分和改进光流的运动目标检测方法. 该方法首先对连续的七帧图像依次进行预处理、差分、灰度变换和二值化处理, 并将前、后三帧二值图像分别累加得到的二值图像进行逻辑与运算, 得到中间帧中运动目标的粗略区域; 其次将中间帧与背景帧差分, 并对得到的图像进行边缘提取和二值化处理, 然后对其进行像素的算术运算, 得到中间帧中运动目标的精确区域; 在基础上通过改进的光流法得到运动目标的准确信息; 最后通过阈值分割和形态学处理完成对目标的分割. 对比实验表明, 该方法能实现运动目标的准确快速检测与分割.
|
|
4.
|
一种视频对象分割技术的研究与实现 被引次数：1
|
|
|
|
|
|
|
王东升 李在铭《电子测量与仪器学报》,2005年第19卷第4期
|
|
|
本文提出一种可以从复杂场景中分割出视频对象的方法.首先对视频图像进行全局运动估计和补偿校正,并将相邻两帧进行差分检测.然后利用Neyman-Pearson准则从差分图像中提取运动区域,根据提取的运动区域研究了一种在序列图像差分域中进行区域生长的算法,获得了视频对象的二值化分割模板.最后利用运动检测算法剔除由于噪声导致的标记块.实验结果表明,本文所述方法能够有效的分割出视频对象.
|
|
5.
|
基于背景差分和三帧差分的运动目标检测 被引次数：1
|
|
|
|
|
|
|
柴池《网络安全技术与应用》,2014年第11期
|
|
|
为了提高运动目标检测算法的准确性和对背景变化的适应性,本文采用了三帧差分与基于单高斯模型背景差分法相结合的算法,并通过最大类间方差法提取自适应阈值。引入一个新的背景更新机制,当运动物体融入背景或者背景中物体移除时,将背景更新为当前视频帧。实验结果表明,本文算法在对运动目标进行检测时,不易受背景光线变化及运动物体融入背景等因素的影响,适用于无人监控环境。
|
|
6.
|
基于高斯背景建模和时间差分法的目标检测研究 被引次数：1
|
|
|
|
|
|
|
周若谷《电脑编程技巧与维护》,2014年第4期
|
|
|
运动检测算法的目的是在视频流中提取运动目标。主要的检测方法有:基于特征的运动检测技术、光流法、时间差分法、背景减除法。在研究中提出了一种基于混合高斯建模方法和改进帧间差分法相结合的运动检测方法。方法第一步建立高斯背景模型,对运动目标进行提取,第二步来使用改进的三帧差分方法对提取的物体做进一步的检测,以得到更精确的运动目标图像,第三步用仿真实验对研究算法进行分析与检测。
|
|
7.
|
室内夜间微弱光源下运动目标检测和阴影去除
|
|
|
|
|
|
|
刘景波 秦娜 金炜东《中国激光》,2008年第35卷第s2期
|
|
|
提出一种新的室内夜间微弱光源照明情况下的运动目标检测方法。首先进行背景建模, 获取稳固的背景图像, 之后对背景和当前帧图像进行图像增强处理, 提高其清晰度; 采用相对背景减法检测前景运动目标, 并对差分图像进行去噪和修补; 利用前景目标区域、阴影区域和背景区域像素亮度值存在差异的特点, 检测和去除背景差分图像中可能存在的阴影, 获得准确的运动目标。在室内夜间环境下采集视频进行试验, 结果验证了所提方法的有效性。
|
|
8.
|
运动目标检测和目标区域的估算 被引次数：1
|
|
|
|
|
|
|
于雪莲 宋洋 刘晓红《通信技术》,2011年第44卷第5期
|
|
|
采用三帧差分法检测静止背景下视频序列中的运动目标,得到运动目标的二值图像。并利用矩方法对运动目标的几何特征进行了研究,在此基础上提出了一种运动目标的质心和最小外接矩形的估算算法,并对该算法进行了改进,使之适合噪声干扰比较大的情况。该算法可实现运动目标进行快速准确定位和区域估算,实验表明该算法的时间复杂度和空间复杂度低,效果良好,且具有很好的鲁棒性。
|
|
9.
|
基于背景差分和信息熵的运动目标检测算法
|
|
|
|
|
|
|
郑佳 李江勇《激光与红外》,2014年第44卷第5期
|
|
|
提出一种目标检测算法,首先选取视频的第一帧作为背景帧,运用加权累加图像方法更新背景图像,背景图像的更新速率通过相邻帧的差分结果决定,再运用背景差分算法提取出运动目标。计算运动目标的区域的熵值,通过熵值判断出特征目标。实验结果表明,该算法简单,稳定性好,能够较好解决动态背景的问题并且检测出特定目标。
|
|
10.
|
视频中运动物体检测算法的研究
|
|
|
|
|
|
|
夏晨洋 顾西存 陈茜《激光杂志》,2015年第3期
|
|
|
为了从运动场景中(视频序列)提取高质量的运动物体,本文提出一种基于代数多重网格和帧间差分法相结合的运动目标检测算法,该方法利用代数多重网格对帧序列图像进行重构,分别得到重建的三层图像,再利用帧差法对处理过的相邻图像进行差分处理,从而提取场景中运动的物体,实验证明,此方法解决了帧间差分法不能提取对象完整区域和对场景噪声等敏感的问题,鲁棒性高,能准确的检测出在场景中运动的目标。
|
|
11.
|
基于背景差分法的运动目标分割
|
|
|
|
|
|
|
苟娟迎《工业控制计算机》,2013年第26卷第8期
|
|
|
运动目标分割在基于视频的运动目标检测与识别研究中发挥着重要作用。以图像差分法为基础,实现了一种复杂背景下快速分割运动目标的方法。通过中值滤波对原始图像进行预处理;运用改进的Surendra算法快速提取并更新背景图像;利用数学形态学运算对差分二值图像进行处理,进行运动区域的初始检测;将RGB图像转换到HSI域中进行适当的阴影去除,完成运动目标分割。实验结果表明该方法能够较为有效地分割出感兴趣区域(ROI)内的运动目标。
|
|
12.
|
静态背景下运动对象检测的设计与实现
|
|
|
|
|
|
|
干楠 刘纯平 王朝晖《计算机与信息技术》,2009年第Z1期
|
|
|
对静态背景下运动对象的检测方法进行研究,设计并实现了基于背景差分法的运动对象检测方法。该方法首先通过学习视频图像的每一帧建立高斯分布背景模型,构造初始背景图像;然后运用背景差分算法,得到运动对象,并对背景图像进行更新,得到实时的背景图像;最后利用背景图像和当前帧图像的差分图像,在二值化和形态滤波的处理后,获得运动目标。该方法提高了背景建模的质量,对外界环境的变化具有一定的适应性。
|
|
13.
|
视频图像中的运动目标检测
|
|
|
|
|
|
|
周同雪 朱明《液晶与显示》,2017年第32卷第1期
|
|
|
运动目标检测，是指从视频图像中将运动变化区域提取出来的检测技术，是图像处理技术的基础。在军事公安、交通管理、视频监控、医学检查等领域应用广泛。为了改进单独采用帧差法或背景减法进行运动目标检测时存在的不足，本文提出一种利用边缘信息的三帧差法与基于混合高斯模型的背景减法相结合的运动目标检测算法。该方法对视频图像中连续的三帧图像两两差分，对3个差分图像取均值，二值化，再经过形态学处理，并对中间帧进行Canny边缘提取，将二者进行“与”运算，即得到运动目标的边缘，用背景减法提取中间帧的前景，二值化，将其和目标的边缘进行“或”运算，经过形态学处理便可得到运动目标。实验结果表明，使用该方法目标检出率提高了9.7%~72.1%，误检率降低了0.090%~2.900%。这种二者相结合的方法相对于单一的检测算法能够有效、可靠地提取出运动目标。
|
|
14.
|
一种区块特征匹配与边缘差分结合的运动目标检测算法
|
|
|
|
|
|
|
胡均平 蔡韬 李勇成《制造业自动化》,2019年第9期
|
|
|
由于动态背景中存在运动目标检测准确率不高、耗时过长,提出一种区块特征匹配结合边缘特征的运动目标检测算法。首先将视频图像目标检测块与背景块分离,对相邻帧背景块进行运动补偿;进而对连续多帧图像进行边缘特征提取,最后对多帧的边缘图像差分,经由形态学处理和阈值分割得到运动目标区域。该算法能有效减少特征提取耗时,降低背景噪声的干扰。实验结果表明,该算法检测运动目标的准确性较好,且抗噪表现较好。
|
|
15.
|
基于HSV颜色空间静止背景中运动目标的检测算法
|
|
|
|
|
|
|
徐晓军 纪玉波《辽宁石油化工大学学报》,2010年第30卷第1期
|
|
|
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。
|
|
16.
|
基于背景差分和三帧差分的水下运动目标检测
|
|
|
|
|
|
|
王文爽 付丽云《电脑与信息技术》,2018年第2期
|
|
|
运动目标检测是计算机视觉中目标跟踪和目标分类的基础,其已经应用于水下机器人执行水下任务和海洋生态研究.水下环境中复杂的场景和不良的照明条件往往使对运动目标的检测变得困难.为了解决上述问题,我们提出了一种将背景差分和三帧差分相结合的方法.在这种方法中,首先,我们分别通过背景差分和三帧差分检测运动物体像素.接下来,我们对背景差分和三帧差分的结果进行"与"运算,背景差分提供了对象的信息,以补充三帧差分检测到的不完整的信息.最后,利用形态学处理来消除背景中由非静态物体引起的噪声.实验结果表明,该方法对从水下视频中运动物体检测,具有可靠并有效的效果.
|
|
17.
|
边缘检测与帧差法相融合的视频分割算法
|
|
|
|
|
|
|
武一 程铭 刘建明《电子设计工程》,2015年第12期
|
|
|
常用的视频分割算法包括光流法、背景减除法和帧差法，但是3种算法容易受到计算量、环境噪声以及亮度突变等因素的影响，造成分割效果不理想。为了改善视频分割的质量，能够较好效果的提取到运动物体，提出一种将边缘检测与帧差法相融合的算法。该算法同时在两个方向进行。一是对相邻两帧图像进行边缘检测，将图像的边缘进行差分以得到运动物体的轮廓，为了连接轮廓中可能会出现的细小断点，对差分结果进行闭运算。二是根据设定的阈值，将相邻两帧图像的对应像素值转换为二值化数据，对二值化结果进行差分。最后综合闭运算与二值化差分结果，当数据发生突变时，即认为是运动物体部分。实验表明，该融合算法可以实时的检测到视频中的运动物体，效果较好。
|
|
18.
|
基于网格的视频运动目标检测算法研究
|
|
|
|
|
|
|
孙志海 朱善安《浙江大学学报(工学版)》,2009年第43卷第3期
|
|
|
通给出了一种新的视频运动目标检测算法.该算法采用差异积累的方法自适应更新背景模型,用背景差法进行运动检测,用Otsu法计算二值化阈值,给出了Otsu法类间方差简化公式的详细推导.在背景差图像阈值化的基础上,对视频帧进行网格区域划分,并定义网格矩阵,设定网格内前景点个数的阈值,对视频帧像素进行重新定义,再对网格矩阵进行连通区域合并和前景区域定位.采用不同的视频测试序列,从检测效果及耗时上研究了基于网格的视频运动目标检测算法的性能,并与区域生长法进行了比较.实验结果表明,该算法具有良好的检测效果和实时性能.
|
|
19.
|
基于新时空融合的步态轮廓分割算法 被引次数：1
|
|
|
|
|
|
|
徐中宇 姜洪霖 张忠波《计算机仿真》,2010年第27卷第10期
|
|
|
从人体步态图像视频序列中,提取完整的人体区域是人体运动步态识别的一个重要环节.提出一种新的人体运动目标分割算法,无需小波反变换.结合背景减除法和帧间差分法所得到的二值结果来进行运动估计,对当前帧图像采用一阶小波变换,利用高阶线性插值算法将小波变换的LL分量扩展与当前帧图像同样的大小,采用分水岭分割算法把扩展后的LL分量图像分割成许多封闭而不重叠的小区域(空域分割),进行时空融合.可以在NLPR步态数据库中进行实验,结果表明,算法能够精确地识别完整的人体区域,拥有良好的抗噪性和适应性,进一步提高识别率.
|
|
20.
|
一种运动目标检测与跟踪的方法研究
|
|
|
|
|
|
|
王建平 沈周晖《仪器仪表用户》,2008年第15卷第2期
|
|
|
针对视频序列中运动目标的检测与跟踪进行了研究,提出了一种基于视频序列的YCbCr模式归一化定义,利用三帧图像差分,区域生长生成运动矩形框的方法对目标进行运动分割;并利用基于速度差的粒子滤波器对运动框的移动进行预测,从而达到快速跟踪运动目标的目的。实验结果表明通过调节内部参数,在固定摄像机不复杂背景下对人、车运动目标检测与跟踪是快速且有效的。
|
|
