基于人眼识别原理的运动目标检测方法

针对于背景差分法与帧间差分法在运动目标中存在的不知足,为提高运动物体检测的实时性和准确性,提出了一种结合背景差分和帧间差分的运动物体检测方法,该方法模拟人眼对运动目标的检测方式,分为整体感知与精确感知两部分。首先将图像分为多个区域并使用较少的像素点建立背景模型,通过背景模型确定运动物体所在的区域,并将其他区域的图像作为背景图像进行存储。然后使用变化区域的当前图像与存储的该区域的背景图像进行差分运算,以获取清晰的运动目标。该方法使用较少的像素点进行背景模型的构建,减少了背景模型建立和更新的运算量,提高了运算的速度。通过存储的背景图像与当前图像进行差分,可以获得完整的运动目标,避免“空洞”的出现。     

一种视频对象分割技术的研究与实现

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.     

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.     

基于改进均值建模的自适应三帧差分算法研究

针对实际视频图像中复杂的背景环境（光照变化、有微动物体等）,运动目标检测算法不易提取出完整的运动目标,提出了基于改进均值背景模型的自适应三帧差分算法。该算法利用前k帧建立的均值背景模型作为三帧差分法的中间帧,再采用三帧差分法,并对差分结果选取自适应阈值来二值化,将两个检测出的目标进行“与”运算,最后通过形态学处理、滤波等,获得运动目标的真实位置。最后试验结果表明,提出的算法能够适应比较复杂的背景环境,不易受光照变化或其他微小变化的影响,又能有效克服空洞和边缘丢失的现象,并且检测准确率更高,适用于无人监控环境。     

基于五帧差和二维Renyi熵的运动目标检测

针对传统帧间差分法存在的不足,提出改进五帧差分法和二维Renyi熵阈值分割法相融合的运动目标检测算法。该算法充分考虑视频序列帧间的时空相关性,利用改进五帧差分法对预处理后的视频图像序列进行差分运算,以提取运动目标的帧间时间相关性;将得到的差分序列使用二维Renyi熵阈值分割法分割处理,以获取运动像素与同帧周围像素的空间相关性。该算法避免了五帧差分法轮廓提取的空间信息丢失,克服了二维Renyi熵阈值分割法容易忽略运动像素的时间信息,从而提升了运动目标检测的完整性。实验结果表明,该算法能够更准确地检测出运动目标,具有较好的鲁棒性和有效性。     

视频图像动目标检测的双三帧差分算法

三帧差分法进行视频图像动目标检测时利用两个帧差分的结果进行逻辑与运算,进而进行轮廓提取。这种取交集的算法势必会丢掉相互独立的目标轮廓部分,因而容易造成目标轮廓断裂和空洞。为改善算法性能提出了双三帧差分算法,该算法利用连续两次或多次具有交集的三帧差分的结果进行逻辑或运算,采用取并集的方法在最大程度上恢复三帧差分算法提取的动目标轮廓的完整性。基于连续4帧和5帧视频图像给出了算法的具体逻辑结构,仿真实验结果给出了新算法与传统算法的性能指标对比。     

基于改进OTSU法的运动目标检测与跟踪

运动目标的检测与跟踪是当前进行图像分析和理解以及计算机视觉领域的重要研究内容,为了能够在数字视频系统中实时的检测出运动目标,在帧间差分基础上采用改进的最大类间方差法--基于灰度拉伸的最大类间方差对图像进行了阙谮值分割,并采用形态学滤波消除噪声,然后使用投影法快速定位目标,实验结果表明,该方法能够快速有效地检测出视频图像中的运动目标,满足检测跟踪的基本要求.     

室内照明条件对于运动目标检测算法影响的分析

在室内视频监控系统中,光照条件对于运动物体的检测与分类将产生显著影响。本文归类分析了室内照明条件对于运动目标检测算法的不同影响,提出一种能够快速地适应光照条件变化的运动目标检测算法。该算法结合了帧间差分与背景模型算法的优点,并且引入亮度信息进行前序的处理;因此能够快速准确地检测出运动目标,同时算法对不同光照条件具有较高鲁棒性。通过相关仿真实验,证明了该算法的实时性与可靠性。     

无人值守变电站运动检测算法研究

提出了一种基于比率图像的运动检测算法。针对目前研究普遍使用的差分图像的不足,结合光学知识,得到了比率图像的累计直方图,并根据累计直方图和运动对象在图像中的特点提出了一种可行的阈值分割方法,并与传统Ostu方法的二值化结果比较。最后对该阈值分割方法进行评价。实验及应用结果表明,该算法对于运动物体侵入的异常检测率比较高。     

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.     

基于改进Hausdorff距离的运动目标自动跟踪算法

针对视频运动目标的跟踪问题,提出了一种基于改进Hausdorff距离的运动目标自动跟踪算法。首先对视频图像作预处理,使用Canny算子进行边缘提取;然后采用对称差分算法建立运动目标的初始模板;接着采用改进的Hausdorff距离和新的匹配搜索策略,实现后续帧中运动目标与初始模板的匹配;最后,采用一种新的模板更新算法———4步法对模板进行更新。实验结果表明,该算法不仅能准确跟踪运动目标,而且能有效提高目标跟踪效率。     

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。     

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。     

基于特征点检测与光流法的运动目标跟踪算法

为了解决当前运动目标跟踪算法在背景模型复杂和目标特征不明显的情况下,导致算法跟踪能力不足的问题,本文分别从特征点检测与光流法分析的角度出发,提出了基于特征点检测与光流法的运动目标跟踪算法。首先,根据图像梯度矩阵最小特征值,通过仿射变换,精确化特征点帧间匹配,排除伪特征点,达到精准检测运动目标特征点的目的。然后,基于图像像素守恒原理,进行2幅图像间变形评估,建立图像约束方程,进一步精确跟踪运动目标。最后,基于软件开发环境QTCreator实现算法,并系统集成。实验测试结果显示:与当前运动目标跟踪技术相比,本文算法拥有更高的准确性与稳定性。     

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。     

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。     

复杂环境下的改进Camshift算法研究

针对Camshift算法要求相邻两帧之间的目标必须具有较大的颜色相似性,对于目标在高速运动情况下和跟踪目标受到遮挡的情况下容易出现目标丢失,并且在目标遇到相似颜色干扰的时候容易受到干扰的问题,提出一种基于加权颜色概率分布,引入局部搜索引导机制,结合kalman滤波预测的改进camshift算法,实验证明,该算法在复杂背景,物体高速运动或遇到遮挡的情况下都有较好的跟踪效果,并且跟踪效率得到的提升。