一种时空联合的视频运动目标提取与跟踪新算法

提出了一种时空联合的视频运动目标提取与跟踪新算法。在空域分割中,针对分水岭方法过分割现象明显的缺点,对分水岭分割方法进行了改进;在时域分割中,首先对全局运动进行了补偿,随后为消除仅用两帧帧差进行对象分割所带来的误差,采用多帧帧差求和的方法,并自适应选取累积帧差的二值化阈值;时空分割结果进行投影融合后得到视频对象,提出用一种基于区域子块匹配的方法跟踪视频对象。实验结果表明,该算法简洁有效,能较好地把对象从运动背景中提取出来,并实现跟踪。     

基于二维直方图和彩色分割方法的运动目标检测

该文提出了一种新的彩色图像序列中运动目标提取的方法,它将彩色图像序列看作一个时空三维矩阵,在空域处理(帧内)中采用二维亮度直方图结合色度均匀性的方法进行空域分割;在时域处理(帧间)中采用时域梯度方法并利用时域色度差异分割出运动信息;然后将时、空分割图像采用子块相关方法合并成最终结果。实验结果表明,由于利用了空域分割结果,该方法具有很高的鲁棒性,可有效去除非目标运动信息及阴影等。     

时空结合的近景运动目标检测

运动目标检测是智能视频监控中图像序列分析的基础和研究热点,针对时域算法在检测近景大目标缓慢运动时,仅能检测出目标边缘、内部存在大量空洞等完整分割问题,提出了一种结合时空特征的近景运动目标检测算法。该算法在时域运动历史多模态均值背景模型的基础上,运用图像空域信息研究前/背景分割技术,通过能量最小化模型、网络构造及网络流理论,把目标检测转换成最大流/最小割问题。实验表明,该算法能在复杂环境中克服光照缓慢变化、背景扰动和摄像机轻微抖动,有效转换前/背景,准确完整地分割大运动目标。     

基于时空结构张量的高速公路视频车辆检测

详细分析高速公路车辆运动模式与视频监控序列图像的特征,本文针对目标运动速度较大时,背景差分法运算复杂和连续帧差法容易产生虚影的情况,提出基于时空结构张量的光流分析法进行高速公路视频车辆检测。实验结果表明,该算法简洁并且能对高速公路视频序列中的运动车辆进行较准确的分割,为下一步的运动跟踪提供了可靠的依据。     

基于多分辨率马尔可夫随机场运动目标分割

提出一种基于三维时空小波变换和马尔可夫随机场(MarkovRandomField)模型的多分辨率运动目标分割算法。该算法利用三维时空小波变换对图像序列进行分解得到多分辨率的图像序列,并在此基础上建立多分辨率的马尔可夫随机场模型,构造相应的能量函数。通过条件迭代模型优化算法(IteratedConditionalModes)求解能量函数的最优解,得出标记场,提取出运动目标。实验结果证明,该算法能够很好地消除了单一分辨率的MRF运动检测结果中"空洞"现象,对运动目标分割具有很好的分割效果。     

基于多分辨率马尔可夫随机场运动目标分割

提出一种基于三维时空小波变换和马尔可夫随机场(Markov Random Field)模型的多分辨率运动目标分割算法.该算法利用三维时空小波变换对图像序列进行分解得到多分辨率的图像序列,并在此基础上建立多分辨率的马尔可夫随机场模型,构造相应的能量函数.通过条件迭代模型优化算法(Iterated Conditional Modes)求解能量函数的最优解,得出标记场,提取出运动目标.实验结果证明,该算法能够很好地消除了单一分辨率的MRF运动检测结果中"空洞"现象,对运动目标分割具有很好的分割效果.     

MFR-MAP相结合的运动目标检测方法研究

针对运动目标检测的准确性和完整性要求,将静态图像分割算法的空域信息与运动目标检测的时域信息相结合,提出了采用基于MRF-MAP框架的时-空联合的目标检测方法。利用Mean-Shift算法进行空域检测,利用在显著性水平约束下的帧间差分法进行时域检测,构造了时-空联合的MFR模型和相应的能量函数,通过求解能量函数最优解,得到较为理想的运动目标检测结果。     

一种基于背景差分法的非法侵入监测

使用迭代的方法对背景进行及时更新,采用改进的背景差分法,用Otsu's法计算最佳分割阈值,从而实现运动目标的准确提取.实验表明,该方法能够从背景不变的图像序列中较好地提取出运动目标,具有较强的鲁棒性.     

一种有效的基于时空信息的视频运动对象分割算法

为实现视频编码标准MPEG-4中语义对象的自动提取,提出一种基于时空信息的运动对象分割算法。在时域上通过双边加权累积帧差和分块高阶统计算法得到目标的运动区域检测模板,以在充分利用时域信息的同时提高算法的速度;在提取空域信息时,先对视频序列的灰度图进行对比度增强处理,然后利用自适应Canny算子获取准确的空间边缘信息;最后进行时空融合,用空域边缘信息修正过的时域运动模板来提取运动对象。实验结果表明,本算法可以快速准确地分割视频运动对象。     

自适应权值的MRF分割与跟踪方法

提出一种基于自适应权值的区域马尔可夫随机场（MRF）分割与跟踪的方法,该方法利用了相邻像素区域的空间相关性,自适应更新系统能量函数中的参数β,可以更准确地分割出运动目标,在此基础上建立分片积分直方图特征模板,并结合Kalman预测与目标运动方向等信息,进一步提高算法准确性,实现目标匹配跟踪。实验结果表明,本文算法在部分遮挡、光线变化等情况下,能准确实现运动目标分割与跟踪。     

一种基于梯度模型的MPEG压缩域的运动对象分割算法

视频数据大都是经过压缩域的形式存储和传输的,且直接在压缩域进行视频对象分割无需运动估计等复杂的计算,速度较快。本文提出了一种基于梯度模型的MPEG压缩域的运动对象分割算法。首先利用DCT(AC[1]和AC[8])系数获得所有物体的边缘,然后综合在累积运动矢量基础上得到的边缘运动信息,从而获得感兴趣运动物体的边缘。仿真实验结果表明,它可以取得满意的分割质量。     

基于改进运动历史图像的多运动目标实时跟踪

提出了一种利用视频图像对运动目标进行实时检测与跟踪的新方法.该方法利用基于改进的时间片的运动历史图像(tMHI)的灰度阶梯轮廓方法对多个运动目标进行检测,通过卡尔曼滤波器对多目标进行跟踪,并得到了各个运动目标的轨迹曲线,进而实现了对视频图像中多目标的跟踪.同时,该方法对多个目标的遮挡问题获得了明显的改善效果.实验结果表明,该方法能够对复杂场景下的多个目标进行有效的识别和准确的跟踪,系统的实时性强,识别率高,而且该方法对于复杂视频监视系统场景中的光照变化、雨雾等干扰具有较强的稳健性.     

交互式分割视频运动对象的研究与实现

在 MPEG- 4视频编码标准中 ,为了实现基于视频内容的交互功能 ,视频序列的每一帧由视频对象面来表示 ,而生成视频对象面 ,需要对视频序列中运动对象进行有效分割 ,并跟踪运动对象随时间的变化 .在视频分割方法中 ,交互式分割视频对象能满足分割的效率与质量指标要求 ,因此提出了一种交互分割与自动跟踪相结合的方式来分割视频语义对象 ,即在初始分割时 ,依据用户的交互与形态学的分水线分割算法相结合提取视频对象轮廓 ,并用改进的轮廓跟踪方法有效提高视频对象轮廓的精度 ;对后续帧的跟踪 ,采用六参数仿射变换跟踪运动对象轮廓的变化 ,用平移估算的运动矢量作为初始值 ,计算六参数仿射变换的参数 .实验结果表明 ,该方法能有效地分割并跟踪视频运动对象     

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。     

基于Matlab实时运动目标跟踪检测系统

运动目标的检测跟踪是视频理解技术和计算机视觉的研究热点,其在解决智能视频监控,人机交互,智能交通系统等领域有着广泛而重要的应用,基于此利用matlab平台构建出USB摄像头实时图像采集处理系,从视频流采集到处理综合利用了背景估测,图像分割,目标检测与跟踪算法准确高效地检测出环境场景中的动态目标,并成功地对其进行实时追踪。利用matlab的simulink模块编程实现提取视频流YcbCr输入系统进行运算处理,并改进了背景估测和目标检测算法,提高系统的实时性。最终利用多次试验,对室内和室外运动目标实现检测跟踪,验证了系统处理实际问题的可靠性能。     

基于运动点积累的视频运动目标提取

通过对视频中运动目标特点的分析,提出了一种提取背景图像的算法。使用运动点积累的方法来更新背景图像,然后应用背景差分准确检测出场景中的运动目标。由于视觉的相似性,使得检测出的目标包含阴影,最后使用阴影滤波函数去除阴影,得到完整的运动物体。实验结果表明,本算法具有较好的实时性和适应性,能检测出比较完整的运动目标信息。     

OPTICS聚类与目标区域概率模型的多运动目标跟踪

目的 针对多运动目标在移动背景情况下跟踪性能下降和准确度不高的问题,本文提出了一种基于OPTICS聚类与目标区域概率模型的方法。方法 首先引入了Harris-Sift特征点检测,完成相邻帧特征点匹配,提高了特征点跟踪精度和鲁棒性;再根据各运动目标与背景运动向量不同这一点,引入了改进后的OPTICS加注算法,在构建的光流图上聚类,从而准确的分离出背景,得到各运动目标的估计区域;对每个运动目标建立一个独立的目标区域概率模型(OPM),随着检测帧数的迭代更新,以得到运动目标的准确区域。结果 多运动目标在移动背景情况下跟踪性能下降和准确度不高的问题通过本文方法得到了很好地解决,Harris-Sift特征点提取、匹配时间仅为Sift特征的17%。在室外复杂环境下,本文方法的平均准确率比传统背景补偿方法高出14%,本文方法能从移动背景中准确分离出运动目标。结论 实验结果表明,该算法能满足实时要求,能够准确分离出运动目标区域和背景区域,且对相机运动、旋转,场景亮度变化等影响因素具有较强的鲁棒性。     

基于区域活动轮廓运动目标跟踪方法研究

根据贝叶斯估计理论，首先建立了图像序列中运动目标的跟踪模型，然后用高斯分布来描述图像的区域信息，并通过对模型的分析，与区域活动轮廓模型建立对应关系，将问题的求解转化为能量最小化问题。同时为了克服目标在运动中发生的拓扑形变，采用水平集方法进行数值实现。实验结果表明，这种方法不仅可以对多个运动目标进行跟踪，并能非常好地逼近运动目标的轮廓，而且能够自然地处理运动目标的拓扑形变。     

Unsupervised motion detection with background update and shadow suppression

An algorithm is developed to detect moving object and suppress shadow.According to motion variations caused by some moving objects in a scene,a background update approach is proposed.The developed update method efficiently prevents undesired corruption of background and does not consider the adaptation coefficient or the learning rate used in some existing algorithms.A multi-scale wavelet transform methodology is used to segment foreground from a clutter background.The optimal selection of threshold value is automatically determined which does not require any complex supervised training or manual calibration.According to photometric invariant,a color ratio difference is proposed to suppress shadow.Some complete foreground motion object regions are extracted by integrating moving object segmentation in the multi-scale wavelet with shadow suppression in the color ratio difference.The mentioned method is less affected by the presence of moving objects in a scene.Experimental results show that the proposed approach is efficient in detecting motion objects and suppressing shadows by comparisons.