基于单类支持向量机的视频车辆检测研究

针对现有视频车辆检测方法存在高误检率、不完整及需要分类的样本数量大等问题,提出一种基于单类支持向量机的视频车辆检测方法.方法通过基于视频多帧统计的方法获得完整的车道背景图像,采用单类支持向量机获得车道背景模型,应用此模型检测车辆目标区域.实验结果表明,该算法具有所需样本量小,车辆检测完整,对光照的变化具有一定的自适应能力等特点.     

基于帧间差分的自适应运动目标检测方法*

本文提出了一种基于帧间差分的自适应运动目标检测算法。算法利用直方图统计各像素点处最大概率灰度的方法提取出连续视频的背景图像;相邻帧利用帧差法得到运动区域图像;利用运动区域图像与背景图像差分的方法提取出运动目标。实验结果表明,该算法能在多个不确定性因素的序列视频中较好的提取背景图像,能及时响应实际场景变化,提高运动目标检测的质量。     

视觉监视中基于柯西分布的统计变化检测

为了更好地进行视觉监视,该文给出了一种新的基于柯西分布的光照不变的统计变化检测算法。该算法首先将两帧图像间的灰度比值作为背景建模和剔除的特征,并且在假定背景图像中,当每个像素点观测的时序灰度变化由白噪声引起时,两帧背景图像中对应像素间的灰度比值的分布符合柯西分布;然后基于该变化检测方法,将YCbCr颜色空间的亮度、色调和饱和度用来识别和消除视频序列图像中的阴影。实验结果表明,该新算法不仅可以承受整体或局部的、缓慢或突然的光线变化,并且可以滤除由场景背景中小的扰动而导致的噪声。     

基于改进混合高斯模型的井下目标检测算法

煤矿井下监控视频图像质量差、噪点多、光照易突变,采用传统混合高斯模型进行目标检测存在运行速度慢、算法复杂度高、易受光照影响等问题。针对该问题,提出了一种基于改进混合高斯模型的井下目标检测算法。使用改进的暗通道去雾算法对井下图像进行预处理,对井下雾图的缩略图求暗通道图,并采用双线性插值得到去雾图像;在混合高斯模型的基础上,使用改进的块建模策略降低建模复杂度,提高算法运行速度;结合三帧差分法,根据图像前景所占比例对高斯建模前期和建模后期设定不同的学习率,以抑制光照对目标检测的影响,提高建模速度和准确度。实验结果表明,当光照发生突变时,该算法能较好地描述检测对象,对光照变化有明显抑制作用;与三帧差分法、传统混合高斯模型相比,该算法可有效提高处理速度。     

结合分块的改进三帧差和背景差的运动目标检测

针对运动目标检测易受背景影响及帧间差分易产生空洞的问题, 提出了一种基于分块的改进三帧差分和背景差分相结合的运动目标检测算法. 该算法利用边缘检测法和均值法建立初始背景模型, 将视频图像划分成多个子块, 对利用改进的三帧差分和背景差分获取的图像的各个子块进行自适应阈值检测, 获取图像中的运动前景目标, 背景图像采取自适应更新方法. 实验结果表明, 该算法能完整的提取运动目标, 背景适应性强, 具有较高的准确性和效率.     

一种有效的车道线识别与偏道预警方法

室外自然光照条件下进行车道线检测时,光照强度和视野角度变化常常会对识别的结果产生较大影响.为此提出了一种基于自适应视频源参数调解的车道线实时检测方法.该方法通过实时动态调解视频源参数(白平衡、Gamma值)等适应室外光照环境.采用Adaboost算法训练分类器获得感兴趣车道线区域图像,有效地缩小了图像处理范围,减少了运...     

基于GrabCut算法和四帧差分法的目标提取算法

提出了一种基于Grab Cut算法和四帧差分法相结合的运动目标检测和提取算法。首先,利用四帧差分法对视频中连续的四帧图像进行二次差分;然后,对差分后的图像分别做水平投影和垂直投影,计算运动目标区域;最后,使用Grab Cut算法分割目标区域得到完整的运动目标。实验结果证明,该方法既能精确和完整地检测出运动目标,又能有效地去除空洞、拉伸等现象。     

基于脊波运动检测的监控视频压缩方法

研究了一种基于运动检测的监控视频压缩方法,即先判断出相对于背景场景来说具有感兴趣运动变化发生的图像帧,再对判断出的图像帧进行低损失或无损失的压缩,剩余的图像帧进行高比率的压缩。为判断视频帧有无感兴趣运动变化发生,研究出基于新的多分辨率分析工具——脊波和背景减除法的混合方法,该方法能有效地定位出具有感兴趣运动变化发生的图像帧,并具有计算量较小、人工干预较少、受光照变化影响较小的优点。     

基于视频序列的双背景建模算法

在研究传统码本和滑动平均背景建模算法的基础上提出了一种基于视频序列的双背景建模算法, 并利用统计的方法提出了一种基于HSV特征的背景更新方法, 有效滤除了噪声点, 解决了光线突变下背景更新的问题。实验表明该算法对光照突变鲁棒性强, 响应速度快, 适合实时图像处理。     

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。