序列图像中运动目标的分割定位

针对序列图像中运动目标的分割定位,给出了在复杂环境下一种快速识别运动目标、有效去除背景噪声及运动目标准确定位的方法。该方法主要由运动目标检测和运动目标定位分割两部分组成:对运动目标检测采用简单差分方法提取运动目标,快速中值滤波与数学形态学方法结合去除噪声;对运动目标定位提出了一种改进的区域生长分割算法RGSA(RegionGrowingSegmentationAlgorithm)定位目标,并求出目标重心。实验结果表明,该方法正确有效,结果令人满意。     

基于全方位视觉的运动目标检测与定位方法

针对全方位视觉的运动目标检测,存在背景非常复杂,光照变化等噪声干扰明显等难点;在进行运动目标定位时,也需要消除当目标发生一定分裂时对定位结果的影响.为了滤出噪声,对目标准确定位,提出一种采用改进的背景消减法和区域成长法的运动目标检测与定位方法.本文首先采用背景消减法分割运动目标,在背景消减时利用最大方差比阈值法来滤除噪声,然后利用改进的区域成长法定位出目标.实验结果表明方法简单有效,能准确检测与定位出全方位视觉复杂背景下的运动目标.     

基于相关系数的运动目标检测算法

运动目标检测是实现目标跟踪、交通监控、行为分析等任务的基础。通过计算相邻两帧之间对应行和列的相关系数,利用运动目标区域相关系数相对较小的特点,分割出运动目标区域,进而利用逐点匹配算法准确地检测出运动目标。该算法可以使用于复杂背景下多运动目标的检测,算法具有运算量小,对噪声不敏感等特点。实验表明,该算法可以准确分离检测出所有运动目标,稳定性好,运行速度快,适合于对运动目标的实时检测。     

基于累积绝对差图像与交叉熵分割的运动目标检测与定位

提出了一种新的运动目标检测与定位方法。针对位移变化较小的运动目标，先对运动序列中所有相邻两帧图像作绝对值差分运算，然后再将绝对值差分结果进行累加，从而得到累积绝对差图像。利用交叉熵分割法对累积绝对差图像二值化，并结合形态学方法去除噪声，求取出目标的运动区域。对运动序列的首帧和尾帧进行差分运算并二值化．为了去噪，将首尾帧差图像与累积绝对差图像进行逻辑与运算，确定出目标在首尾图像中的位置。实验结果表明了本方法的有效性和鲁棒性。     

彩色序列图像中移动目标定位与区域提取

提出一种基于彩色序列图像提取移动目标区域的新方法。首先采用时态差分法进行运动目标定位,对彩色序列图像进行差分;然后通过选择阈值将彩色差分图像转化为二值图像;为了克服背景扰动和摄像头抖动,采用了对称差分算法,使得运动目标的定位更为准确。最后在对称差分的基础上,通过投影提取移动目标区域,为了消除扰动造成的影响,采用了杂块去除和区域合并方法。实验结果表明所提方法能有效快速地提取出移动目标。     

基于图像块差分和Mean Shift算法的运动目标检测

运动目标检测是计算机视觉中的一个重要研究内容,现有算法中的一个重要问题是噪声对分割结果的影响。提出了一种时空域信息相结合的运动目标检测算法：首先利用图像块的重心位置在时间域上差分结果初始化目标轮廓,图像块差分的方法可以消除噪声的影响及减少目标内部的空洞;然后采用Mean Shift算法对初始轮廓进行迭代,使其逐步贴近真实的目标边缘。实验表明该算法能快速准确地分割出序列图像中的运动目标。     

视频中运动目标检测方法的研究与应用

介绍了一种在视频中运用序列图像检测运动目标的方法。采用累积差分图像的策略，突出目标、消除干扰，去除背景并降低平均噪声；将图像序列分为两个阶段。分别求取差分图像的累积图像，以便消除背景中周期性的运动；结合形态学分析方法去除噪声、斑点，求取目标的运动轨迹和定位目标。     

一种基于对称差分和背景消减的运动检测方法

该文提出一种综合利用对称差分和背景消减来进行运动检测的方法。首先通过建立一个可靠的背景更新模型，由背景消减法得到基本准确的前景图像，然后和对称差分法得到的差分图像综合，得到完整可靠的运动目标图像，最后用形态学滤波和连通区域面积检测进行后处理，以消除噪声和背景扰动带来的影响，并用区域填充算法来填补目标区域的小孔，从而将视频序列中的运动目标比较可靠地检测出来。实验结果表明，该方法快速、准确，有一定的实际应用价值。     

基于遮挡区域建模和目标运动估计的动态遮挡规避方法

对于运动视觉目标，如何对遮挡区域进行规避是视觉领域一个具有挑战性的问题.本文提出了一种新颖的基于运动视觉目标深度图像利用遮挡信息实现动态遮挡规避的方法.该方法主要利用遮挡区域最佳观测方位模型和视觉目标运动估计方程，通过合理规划摄像机的观测方位逐渐完成对遮挡区域的观测.主要贡献在于:1）提出了深度图像遮挡边界中关键点的概念，利用其构建关键线段对遮挡区域进行快速建模；2）基于关键线段和遮挡区域建模结果，提出了一种构建遮挡区域最佳观测方位模型的方法；3）提出一种混合曲率特征，通过计算深度图像对应的混合曲率矩阵，增加了图像匹配过程中提取特征点的数量，有利于准确估计视觉目标的运动.实验结果验证了所提方法的可行性和有效性.     

视频监视中运动目标检测与识别方法

针对户外监视应用背景，提出了彩色图像差值模型，自适应阈值分割算法、图像形成学噪声滤除方法，实现了户外场景中运动目标的有效检测；对分割后的目标，撮不变矩特征，然后利用人工神经网络实现了运动目标责任制的快速识别。实验结果验证了上述方法的有效性。     

Adaptive robust estimation of affine parameters from block motion vectors

In this paper, we propose an affine parameter estimation algorithm from block motion vectors for extracting accurate motion information with the assumption that the undergoing motion can be characterized by an affine model. The motion may be caused either by a moving camera or a moving object. The proposed method first extracts motion vectors from a sequence of images by using size-variable block matching and then processes them by adaptive robust estimation to estimate affine parameters. Typically, a robust estimation filters out outliers (velocity vectors that do not fit into the model) by fitting velocity vectors to a predefined model. To filter out potential outliers, our adaptive robust estimation defines a continuous weight function based on a Sigmoid function. During the estimation process, we tune the Sigmoid function gradually to its hard-limit as the errors between the model and input data are decreased, so that we can effectively separate non-outliers from outliers with the help of the finally tuned hard-limit form of the weight function. Experimental results show that the suggested approach is very effective in estimating affine parameters reliably.     

实时图像的运动目标检测及跟踪

在复杂背景的运动目标实时检测算法的研究中,由于目标受到外界环境影响,目标不能正确提取。针对克服背景干扰因素提取,干净的目标像素,大多数背景建模与背景更新算法计算复杂,难以满足视频监控的实时要求。为解决上述问题,提出一种根据像素特征的背景差法,将目标的边缘特征融入减背景算法,通过对离散的目标边缘梯度像素进行网格密度聚类法实现目标像素的提取,采用改进的均值漂移跟踪算法,在DM642平台上实现目标检测与跟踪。实验结果表明,改进的算法可以有效的克服光线变化、背景抖动、噪声等问题,实时检测、跟踪多个目标,并能解决目标遮挡问题。     

Semantic Plane-Structure based motion detection with a nonstationary camera

This paper presents a novel method to accurately detect moving objects from a video sequence captured using a nonstationary camera. Although common methods provide effective motion detection for static backgrounds or through only planar-perspective transformation, many detection errors occur when the background contains complex dynamic interferences or the camera undergoes unknown motions. To solve this problem, this study proposed a motion detection method that incorporates temporal motion and spatial structure. In the proposed method, first, spatial semantic planes are segmented, and image registration based on stable background planes is applied to overcome the interferences of the foreground and dynamic background. Thus, the estimated dense temporal motion ensures that small moving objects are not missed. Second, motion pixels are mapped on semantic planes, and then, the spatial distribution constraints of motion pixels, regional shapes and plane semantics, which are integrated into a planar structure, are used to minimise false positives. Finally, based on the dense temporal motion and spatial structure, moving objects are accurately detected. The experimental results on CDnet dataset, Pbi dataset, Aeroscapes dataset, and other challenging self-captured videos under difficult conditions, such as fast camera movement, large zoom variation, video jitters, and dynamic background, revealed that the proposed method can remove background movements, dynamic interferences, and marginal noises and can effectively obtain complete moving objects.© 2017 ElsevierInc.Allrightsreserved.     

Motion detection with pyramid structure of background model for intelligent surveillance systems

This paper proposes a pyramidal background matching structure for motion detection. The proposed method utilizes spectral, spatial, and temporal features to generate a pyramidal structure of the background model. After performing the background subtraction based on the proposed background model, the moving targets can be accurately detected at each frame of the video sequence. In order to produce high accuracy for the motion detection, the proposed method also further includes a noise filter based on Bezier curve to smooth noise pixels, after which the binary motion mask can be computed by the proposed threshold function. Experimental results demonstrate that the proposed method substantially outperforms existing methods by perceptional evaluation.     

基于加权运动估计和矢量分割的运动补偿内插算法

提出了一种基于加权运动估计、矢量分割和可变块层次化处理的运动补偿内插(Motion-compensated frame interpolation, MCFI)算法. 首先, 提出一种加权运动估计改善了运动矢量(Motion vector, MV)的准确度, 其次, 通过矢量聚类分割将视频帧分割为运动区域和背景, 然后对运动区域的运动矢量进行了可变块层次化处理. 此过程中, 采用可变块合并算法保证了运动物体的边缘结构信息不被损坏. 同时考虑到部分可变块的多方向性, 使用了自适应矢量中值滤波器和矢量平滑降低了运动块大小, 能有效地消除传统方法中出现的方块效应和重影现象. 实验结果表明该算法在内插图像的主观视觉效果和客观评估标准上都有所提高, 而且对于运动较快及背景较复杂的视频序列同样具有较强的适应性.     

航拍视频中运动目标检测算法研究

针对复杂背景下航拍视频中的运动目标检测问题,提出一种基于改进的特征匹配算法与全局运动补偿的防抖方法,以及结合多帧能量累积的运动目标检测算法。首先,采取局部区域匹配法加快该算法的处理速度,避免运动目标对背景补偿的影响;其次,利用尺度不变的SURF算法,结合快速近似最邻近搜索算法得到匹配点对,并通过双向匹配和K-近邻算法筛选优秀匹配点;然后,建立仿射变换模型,求解运动参数,并进行运动补偿;最后,通过多帧能量累积进行目标检测。仿真结果表明,该方法具有良好的运动目标检测效果。     

能量累积与均值漂移聚类结合的红外小目标检测方法

研究红外图像中弱小目标的检测问题,提出了一种基于能量累积与均值漂移聚类的红外小目标检测方法。首先利用滑动窗口处理实现图像序列中目标能量积累,去除图像中的随机噪声,提高信噪比;然后选用不同尺度的核带宽对原始图像进行两次均值漂移聚类滤波,将两次滤波所得的图像灰度进行差分来实现背景抑制,提高目标与背景的对比度;之后根据图像的统计特性确定阈值,用门限分割方法提取目标区域,实现候选目标的准确定位;最后利用序列图像中目标运动的连续性和轨迹的一致性筛选出真正的目标。该算法通过选用不同尺度的核带宽进行聚类来得到目标及背景图像,背景抑制的同时也滤除了噪声。实验结果表明,该方法能快速有效地提取复杂背景条件下的红外小目标。     

能量累积与均值漂移聚类结合的红外小目标检测方法

研究红外图像中弱小目标的检测问题,提出了一种基于能量累积与均值漂移聚类的红外小目标检测方法。首先利用滑动窗口处理实现图像序列中目标能量积累,去除图像中的随机噪声,提高信噪比;然后选用不同尺度的核带宽对原始图像进行两次均值漂移聚类滤波,将两次滤波所得的图像灰度进行差分来实现背景抑制,提高目标与背景的对比度;之后根据图像的统计特性确定阈值,用门限分割方法提取目标区域,实现候选目标的准确定位;最后利用序列图像中目标运动的连续性和轨迹的一致性筛选出真正的目标。该算法通过选用不同尺度的核带宽进行聚类来得到目标及背景图像,背景抑制的同时也滤除了噪声。实验结果表明,该方法能快速有效地提取复杂背景条件下的红外小目标。     

嵌入式系统中视频运动对象分割

提出了一种基于嵌入式系统的视频运动对象分割算法。首先利用差图像法抽取出运动的像素点，然后通过统计像素点的状态变化频率来区分运动物体和动态背景，并配合一权值状态矩阵将全局光照突变和动态背景像素自适应融合到背景中，从而分割出运动对象并进行跟踪。实验结果表明，该算法在嵌入式系统中实时跟踪运动目标取得了很好的效果。     

统计建模与对象更新机制相结合的背景减法

基于混合高斯模型（Gaussian Mixture Models,GMM）或码书模型（Codebook,CB）的传统背景建模算法和改进后的G-KDE算法被广泛地运用于运动目标检测中,但是在光照突变、非静止背景和运动目标短暂停留再运动的场景中不能正确地检测出运动目标。针对以上问题,提出了一种从静止摄像机的视频序列中检测运动目标的背景减算法。通过统计像素的经历作为时间序列,利用核密度估计判断背景像素是否受到运动目标干扰,使用K-均值聚类算法的两个连续阶段来确定可靠的背景区域,通过像素更新适应渐进的光照变化,提出一种基于对象的背景更新机制适应突然的光照变化以及非静止背景、鬼影等干扰。对实际摄取的视频进行了仿真实验,结果表明该算法比其他三种方法检测运动目标鲁棒性更好,准确性更高。