基于扩展的Kanade-Lucas的背景运动参数估计

复杂背景下运动分析首先需要进行背景运动参数估计。提出一种采用KLT算子并结合Kanade．Lucas跟踪算法来计算帧间特征点的匹配，然后利用帧间特征点间的匹配关系采用RANSAC算法来进行背景运动参数估计。实验结果证明这种方法具有计算量小，能实时实现并提供可靠的背景运动模型估计。     

一种基于RGB图像的复杂背景下的运动检测方法

在计算机视觉领域，人运动的视觉分析的研究具有广阔的应用前景，实时分割出运动的人体是研究起始的关键。然而由于人运动的复杂性，已有的研究方法对运动的人体和背景加了诸多的限制条件。本文提出了一种新的方法。该方法不对运动的人体和背景做限制，利用基于彩色RGB图像的背景减除法来获取运动人体目标的提取。     

视频监控系统中运动目标的检测和阴影抑制

提出了一种室内静止摄像机条件下的运动目标检测和阴影抑制方法。该方法采用一种自适应的背景估计方法来实时更新背景,用基于概率分类法检测运动目标,并在联合HMMD色彩空间和光度特征来抑制阴影之后,用Sobel边缘检测来修正运动目标。实验结果表明,该方法能够有效地检测运动目标和抑制阴影。     

基于自适应背景的实时运动物体检测

为了能够在监控系统中实时的检测出运动物体，提出了一种能够自适应获取并更新背景的运动检测方法。它是利用连续帧差分，当前帧与背景图像差分来获取运动信息，同时选择性的更新背景。实验证明该算法运算量小，鲁棒性好，算法中通过直方图分析来获取合适的阈值，提高了系统的自动化程度。     

复杂背景下人体骨架的提取

在计算机视觉领域，人体运动分析的研究具有广泛的应用前景。由于人体运动的复杂性，已有的研究方法对人体和背景加上了许多限制条件。本文提出了一种新的方法在复杂背景下来获得人体的骨架。     

动态背景下基于粒子滤波的运动目标跟踪方法

在智能视频监控系统中,实现对动态背景下的运动目标准确跟踪是一个难点问题。使用一种基于粒子滤波的方法来对动态背景下的运动目标进行跟踪。该方法基于贝叶斯估计,利用粒子集来表示概率,通过递推的贝叶斯滤波来近似逼近最优化的估计结果。实验结果证明,该方法可准确跟踪动态背景下的运动目标,是一种有效的目标跟踪方法。     

背景提取和水平集相结合的运动目标轮廓提取方法

提出一种基于背景提取和水平集的方法来进行运动目标的检测和轮廓提取。首先,通过一种改进的背景提取法将视频序列中的背景提取出来,然后通过结合背景差分结果和帧间差分结果检验出运动目标的运动区域,以检验出的运动区域的外接矩形为初始曲线,应用一种无需初始化的水平集的方法进行运动目标轮廓的提取。仿真实验表明,该方法能够实时有效地对运动目标轮廓进行提取。     

一种具有良好完整性的运动检测与跟踪方法

描述一种具有良好完整性的对运动人体进行检测与跟踪的方法。该方法针对场景的特点对室内无人的背景图像进行单高斯建模，从而初步区分前景区域和背景区域，然后使用了自适应背景减除法得到初步分割出来的人体区域部分并且对背景进行更新，最后使用8领域的方法消除阴影区域，通过这种方法来减小阴影区域对于分割结果完整性和精确度的干扰和影响，从而得到比较精确和完整的运动人体图像，进而对提取出的运动人体进行跟踪。     

一种基于卡尔曼滤波的背景更新算法

在基于视频的运动目标检测过程中．经常使用背景差法来检测运动目标．在背景差法中，背景的实时更新是很重要的一个部分．直接影响到检测效果。在研究过去的背景更新方法的基础上，提出一种基于卡尔曼滤波的方法来更新背景，并且把背模使型和当前帧图像的均值和方差等参数与目标检测结果相结合．实现了较好的背景更新结果。算法的复杂度抵、实时性好，能够适应工程的需要。     

基于减背景与对称差分的运动目标检测

本文提出了一种基于背景相减法和对称差分法来进行运动目标检测的方法。首先通过混和高斯模型建立运动区域的背景模型,并对背景进行实时的更新,然后通过背景相减法确定运动目标区域,再和对称差分法相结合,得到比较可靠的运动目标区域。     

改进混合高斯模型的运动目标检测算法

针对传统的混合高斯模型存在无法完整检测运动目标、易将背景显露区检测为前景等问题,提出了一种基于混合高斯模型的运动目标检测的改进算法。通过将混合高斯模型与改进帧差法进行融合,快速区分出背景显露区和运动目标区,从而提取出完整的运动目标。在运动目标由静止缓慢转为运动的情况下,为背景显露区给予较大背景更新速率,消除了背景显露区对运动目标检测的影响。在兼顾混合高斯模型在复杂场景中对噪声处理效果差的基础上,利用背景模型替换的方法来提高算法的稳定性。经过反复实验,结果表明改进后的算法在自适应性、正确率、实时性、实用性等方面有了很大的改进,能够在各种复杂因素存在的情况下正确有效地对运动目标进行检测。     

帧差累积和减背景相结合的运动对象分割方法

针对低比特率的多媒体视频序列,提出了一种综合利用帧差累积和背景减法来进行运动对象分割的方法。由一种改进的帧差累积方法得到初步的运动对象区域,通过背景减法得到运动对象区域,把由两种方法得到的运动对象区域相结合取得完整准确的结果,二值化后再经过形态学处理和二次扫描填充即可得到运动对象掩模,用原图像的灰度值填充该区域。实验表明,该方法快速,准确,并有一定的应用价值。     

基于对称差分和背景减的运动目标检测

通过对视频运动对象特点的分析,提出一种针对静态场景的运动目标检测算法。该算法采用一种改进的时间平均法初始化背景,在有目标的情况下也能构建出可靠的背景,并融合背景减法和多重对称差分法对背景进行自适应更新。实验结果证明,该算法计算简单,对光线变化具有适应性,能够完整地提取运动目标,改善了运动目标的检测效果,具有一定的鲁棒性。     

头肩视频中运动物体的自动精确提取技术

针对头肩视频序列,提出了一种头肩视频对象的自动精确提取算法.该算法运用改进的背景记录技术建立可靠的背景图像,结合背景差和帧差检测出运动物体区域;通过新的时域滤波器和后处理以增强检测结果的时域连贯性和空域完整性;最后提出一种改进的分水岭算法精确定位视频对象边缘.实验结果表明,文中算法能有效地提取出头肩视频对象以获得精确的边缘,且满足实时性要求.     

基于改进背景减法的视频图像运动目标检测

为解决传统背景减法在动态背景下受噪声干扰和运动目标检测准确性不高的问题,提出一种基于改进背景减法的视频图像运动目标检测方法。在背景建模阶段,为易于计算和提高检测精度,采用基于GMM的图像块均值方法重构背景模型;在目标检测阶段,采用数学形态学和小波半软阈值函数相结合的方法对检测到的运动目标进行去噪处理;在背景更新阶段,采用自适应背景更新方法进行背景更新。实验结果表明,所提方法提高了运动目标检测的准确性,验证了其有效性。     

基于改进Renyi熵的运动目标图像提取仿真

运动目标图像提取有助于通过计算机视觉实现复杂变化背景下的图像细节分析,现有图像提取方法通常针对某一类图像作为研究对象,致使应用场合受到一定限制。针对运动目标图像的提取应用,提出了改进Renyi熵的运动目标图像提取方法。首先利用直方图对运动图像的YCbCr颜色概率进行估算,根据图像YCbCr颜色计算Renyi熵,然后设计相应的目标函数来确定阈值,并结合中值处理提高算法的抗噪声性能,最后对颜色的Y、Cb与Cr通道分割得到原始中心点,利用迭代处理更新中心点,并搜索出像素的边界阈值,从而实现运动目标图像的提取。通过仿真,分别从提取时间、计算熵值、以及目标图像识别率多个方面进行比较验证,证明了提出的改进Renyi熵的运动目标图像提取方法能够有效应对运动图像复杂多变的背景,提高了处理速度与提取准确度,具有较好的抗干扰能力。     

基于改进活动轮廓的视频对象自动分割及跟踪算法

为了能够从视频序列图像中准确地提取出运动视频对象,提出了一种基于改进活动轮廓的视频对象自动分割及跟踪方法。该方法首先采用连续帧间差的4次统计量假设检验来确定视频对象的运动区域,并使用形态滤波消除残余噪声和空洞;然后根据3帧序列图像得到的前后运动区域的相与运算来有效地解决运动视频对象前后帧的遮挡问题,以获得视频对象模板,当提取出视频对象模板的边缘轮廓后,再用梯度向量流场作为外力的改进活动轮廓算法来获得视频对象的精确轮廓;最后以此视频对象的轮廓为基础进行运动补偿,以得到下一帧图像的初始曲线,再使用改进的活动轮廓算法对下一帧图像进行分割,即可实现视频对象的跟踪。该方法不仅能够消除差分图像中的显露背景,得到运动视频对象精确的轮廓,并且可进行多目标的分割与跟踪。     

实时运动目标检测与跟踪平台的构建*

构建了一个基于图像采集卡的复杂环境下实时运动目标检测与跟踪的实验平台。基于此平台提出并实现了一种改进的运动目标检测算法,它融合了帧间差分法和背景差分法的优点,以适应复杂环境的变化。实验表明,该算法利用所构建的平台,对变化场景中的运动目标实施了快速有效的检测与跟踪,为智能视频技术的研究提供了一个实用的实验平台。     

一种新的背景减运动目标检测方法

结合图像亮度归一化和二维交叉熵的思想提出了一种针对光照变化鲁棒性强的运动目标检测算法。该算法对每幅视频帧图像进行亮度归一化处理,采用一种改进的均值滤波法初始化背景并自动进行背景更新,这种改进的方法在初始化期间有目标出现时仍能得到满意的背景图像,利用二维交叉熵的思想自动选取阈值对背景减得到的差分图像进行分割以检测出视频序列中的运动目标区域。实验结果表明：该运动目标检测算法实时有效,且对光照变化具有很强的鲁棒性。