视频图像中的运动目标检测

视频图像中的运动目标检测是计算机视觉领域的重要研究内容。文章提出了一种基于背景差分的运动目标检测算法，采用高斯模型描述每一被观察的像素，建立自适应背景模型，运动检测后对图像进行阴影检测和噪声去除，消除背景扰动、阴影等带来的影响。实验结果表明该方法是有效的。     

基于Snake技术的运动目标轮廓提取

提出了一种利用改进的Snake技术检测视频序列巾活动目标的方法,首先改进内能项,用控制点之间的距离平方和作为弹性能量项以取代传统的长度,并构造局部能量窗锼索最优解,提高了Snake收敛速度。通过改进外部能量项,引入梯度矢量流算子,使Snake能够较好地收敛到目标的凹形边缘。最后对控制点初始位置、采样密度等影响收敛效果因素的选定作了适当的改进,给出了一种在Snake运动中动态调整其形态以提高收敛效果的策略,使Snake曲线能更快速、更准确地拟合活动物体的真实轮廓。实验证明,该算法能对视频序列图像中的活动目标轮廓进行较好的提取。     

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。     

视频序列中的运动目标检测

针对室内安全监控的场景特点,提出一种稳健的运动目标检测方法,对每个背景像素使用多个矢量表示,利用当前帧和背景帧像素的色度分量差分进行运动检测,并选择性地更新背景模型.实验表明,该方法能有效消除背景中振动对象的干扰,提高运动目标检测的准确性,有利于消除由于虚假目标而导致的误报警.     

视频图像序列中运动目标区域检测算法研究

文章针对视频图像的特点,提出一种基于背景差分法的运动目标区域检测算法。该算法利用当前图像与背景图像作差分,并采用一阶Kalman滤波实现动态背景图像的更新,接着采用自适应阈值法进行运动区域分割,经过滤波处理即可得到运动目标区域。实验结果表明所提出的算法具有较理想的效果。     

视频序列中运动目标检测算法

提出一种结合区域级和像素级背景差分法的目标检测算法,可以有效解决视频序列中噪声分布不均问题。利用一种基于熵能的局部自适应阈值划分出前景和背景,在此基础上对前景和背景邻接区域像素点进行检测,并提出一种自适应光线变化的背景更新算法。实验结果表明,该算法比传统单阈值背景差分法抗噪能力更强,检测目标轮廓更加完整,能够准确检测出运动目标。     

视频序列中自适应背景的运动目标提取

在视频序列的运动目标实时检测中常用的方法是背景差分法,但因背景图像未随监视场景光照变化及时更新而限制了本方法的适应性.对此,本文首先提出了一种自适应背景更新方法,得到差分二值图像;然后引入散布函数准则计算出差分图像的最佳分割阈值,实现运动目标的自适应阈值分割.实验结果表明:本文提出的背景更新方法可随着光照条件的变化实时、准确地更新背景图像,在此基础上提出的基于散布函数准则的自适应阈值分割方法可以实现运动目标的完整分割,这为运动目标的后续识别与理解奠定了基础.     

基于视频图像的运动目标检测与识别

运动目标检测是场景监控的核心技术,而目标的阴影在很大程度上影响了目标的形状,干扰了真实目标的检测.本文提出以混合高斯模型为基础,利用背景差分法获得目标图像,将亮度,色度信息和归一化互相关函数的阴影检测法相结合对视频图像的阴影进行消除,并用形态学的方法对检测结果进行处理,实验证明该方法是可行的和有效的.     

视频图像中运动目标检测算法的提高

基于士兵对抗射击系统,研究复杂环境下运动目标检测算法的提高,从提高算法处理效率和降低外界干扰对算法准确性影响两方面进行讨论. 对士兵对抗射击系统中大尺寸的视频流图像,先在下采样图像中判断运动目标的位置,再根据运动目标的位置,到原图中进行精确分析,从而提高算法的处理速度. 通过背景融合方法更新图像背景,用不断更新的图像背景结合背景差分法获取运动目标,可以有效消除场景光线变化和相机抖动等因素对检测结果的影响,提高算法的准确性.     

视频图像活动轮廓目标检测跟踪研究

研究视频图像目标跟踪定位精确度问题。由于在图像中通常会发生缩放,造成图像目标模糊不清。传统的目标跟踪算法该类算法仅以目标发生平移运动为假设前提,图像质量差。为解决上述问题,提出了一种活动轮廓目标跟踪定位检测算法。首先选择合适的滑窗,采用减背景法来确定视频对象的运动区域,采用卡尔曼形态滤波来消除残余的噪声,然后针对目标在活动轮廓局部内具有较高灰度值的特征,通过自适应阈值来判别滑窗中心位置是否存在目标。当滑窗遍历整幅图像后,就可以得到目标的定位结果。仿真结果表明,改进算法不仅能够消除差分图像中的显露背景,从而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,具有一定的实际应用价值。     

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。     

Key Frame Extraction of Surveillance Video based on Moving Object Detection and Image Similarity

For the traditional method to extract the surveillance video key frame, there are problems of redundant information, substandard representative content and other issues. A key frame extraction method based on motion target detection and image similarity is proposed in this paper. This method first uses the ViBe algorithm fusing the inter-frame difference method to divide the original video into several segments containing the moving object. Then, the global similarity of the video frame is obtained by using the peak signal to noise ratio, the local similarity is obtained through the SURF feature point, and the comprehensive similarity of the video image is obtained by weighted fusion of them. Finally, the key frames are extracted from the critical video sequence by adaptive selection threshold. The experimental results show that the method can effectively extract the video key frame, reduce the redundant information of the video data, and express the main content of the video concisely. Moreover, the complexity of the algorithm is not high, so it is suitable for the key frame extraction of the surveillance video.     

自然图像中的对象自动检测和提取

引入基于例子的抠图模型,实现对自然图像的自动训练和检测,采用视觉单词的层次空间直方图改进特征包分类检测技术,提高自动检测和定位的精度。从检测结果中自动提取背景信息和前景信息,使用graph—cut技术完成自动抠图。对Pascal VOC2006测试集的测试结果表明,该方法的检测率较高,其自动抠图效果达到了现有交互式图像提取工具的水平。     

复杂物体轮廓提取

图象分割是图象处理中的一项重要工作,虽然目前手工与自然相结合的分割方法已在实际工程中得到了广泛应用,但由于图象的多义性和复杂性,许多分割工作仍无法利用计算机来自动完成,为了解决这一问题,根据图象经Maar变换后的特征,采用新的判断准则,提出了一种复杂物 体边缘定位算法,用该算法 具有尖角特征的特体轮廓进行快速准确地提取,同时由于利用了矢量化方法来消除毛刺,从而使跟踪获得的边界更符合物体的实际轮廓特征,通过对多种图象的实验表明,该方法十分有效。     

一种基于图像的运动物体检测及高度分析算法

现代监控系统要求做到无人值守, 而智能视觉监控能很好满足这个要求.文中为实现这种智能视觉监控系统做了一些算法上的研究工作:实现了对运动物体进行实时检测和追踪,并利用透视几何中的消影点、消影线以及交比的约束方法对运动物体高度进行了分析.试验结果表明,此方法将自适应阈值应用到物体检测中使检测结果更加精确,并且自动估算出的物体的高度误差也很小,具有一定的实用性.     

基于图像块和边缘增强的运动目标检测

针对复杂背景下的噪声、动态背景和阴影等影响,提出一种基于图像块和边缘增强的运动目标检测算法。用图像块建模,按掩膜结构特点修补断桥使掩膜连续,采用高层图像金字塔建模得到目标质心,用于提取目标,用Sobel平移算子得到细化的边缘,按边缘信息对掩膜进行增强处理从而得到完整的目标。实验结果表明,该算法可有效提取目标,消除单高斯建模法去除不了的复杂背景和阴影,克服传统帧差法常见的边缘不完整的缺点。     

一种基于图像的运动物体检测及高度分析算法

现代监控系统要求做到无人值守，而智能视觉监控能很好满足这个要求。文中为实现这种智能视觉监控系统做了一些算法上的研究工作：实现了对运动物体进行实时检测和追踪，并利用透视几何中的消影点、消影线以及交比的约束方法对运动物体高度进行了分析。试验结果表明，此方法将自适应阈值应用到物体检测中使检测结果更加精确，并且自动估算出的物体的高度误差也很小，具有一定的实用性。     

基于自适应分块和SSIM的运动目标检测

研究了目标检测方法。针对传统背景更新方法易受噪声干扰、算法执行速度慢等弊端,对背景差分法予以改进,提出一种基于自适应图像分块和结构相似性(SSIM)的运动目标检测方法。根据视频最初几帧得到初始背景模型,再对视频后续的每帧进行自适应分块处理,利用相邻帧对应分块的结构相似性计算局部更新率,建立背景模型,将背景与当前帧差分即得到运动目标。实验结果表明,与传统的背景差分法相比,改进后的方法具有更好的检测效果。     

基于区域提取与改进LBP特征的运动目标检测

树叶晃动、光照变化等自然场景下的动态背景会影响运动目标检测的准确性,区分动态背景和前景目标的变化是复杂场景下运动目标检测的首要任务。针对现有的前景提取算法逐点提取前景从而导致计算资源浪费的问题,提出了一种区域提取与改进LBP(Local Binary Patterns)纹理特征相结合的运动目标检测算法。首先,将图像分为大小相等的图像块,利用各图像块的统计特性建立核密度估计(Kernel Density Estimation, KDE)模型,并用KDE模型估计出前景区域。然后,计算前景块中所有像素点的改进LBP纹理特征直方图。最后,通过直方图匹配提取所有的前景像素实现目标的精确提取,并用概率模型更新背景。实验结果表明,该方法在快速提取运动目标前景区域的同时能够消除大部分动态背景产生的干扰,相比传统算法更适用于自然场景下的运动目标检测。