基于帧间差分背景模型的运动物体检测与跟踪

针对背景差分算法中在复杂背景下参考帧的提取问题,提出了一种新的背景提取方法;该算法用帧间差分法将帧中的背景象素点检测出来,再确立出背景帧;由于排除了帧中运动物体的影响,因而提取出的背景干净,效果很好,然后运用背景差分检测出场景中的物体,最后采用一种新的运动物体跟踪算法,实现了运动物体和静止物体的识别,克服了以往检测算法中的误检和空洞问题,实验结果表明,该方法快速有效,能够满足实时性的要求.     

基于改进的混合高斯模型的运动目标检测

针对现有方法在复杂多变环境下不能很好地检测出运动物体的问题,提出了改进的基于混合高斯模型的背景消减法,并对运动目标进行检测。模型初始化时,提出了一种能准确得到实际背景模型的方法;在模型更新中引入了加速因子和合理性反馈使得模型能更快、更准确地反应真实的背景。实验结果表明,同传统检测方法相比,改进的混合高斯模型方法能有效地消除物体发生运动时产生的拖影,并能很好地检测出运动物体。     

基于背景和帧间差分法的运动目标提取

在自动人脸识别系统中,人体目标的检测是该系统识别人脸的前期关键步骤之一。为了能快速准确地检测出运动的人体目标,提出了背景差分法和帧间差分法相结合的运动目标提取检测方法。针对视频中的背景因镜头摆动或物体的移入/移出而有所变动,给出了几种提取背景的方法,比较各种方法后决定采用中值法快速地进行背景建模,随后采用自适应背景更新,结合两种差分法检测运动目标。通过实验验证了本文算法的有效性。     

基于背景重建的运动目标检测与阴影抑制

提出了一种静止摄像机条件下的运动目标检测和去除阴影的方法。该方法采用以图像亮度和能量大小为判断依据的分块背景重建方法来快速更新背景,并结合背景相减法,网格化连通域检测,形态学滤波等步骤来检测和提取运动目标,同时运用边缘检测获取阴影边缘信息,并结合形态学运算来去除阴影区域,恢复出完整物体目标。实验结果表明,该方法能够有效地检测出运动目标和抑制阴影。     

基于OpenCv运动目标识别技术的研究

在智能视频监控系统中,快速、准确、有效地检测出运动目标成为人们研究的主要课题之一。本文根据背景差分与帧间差分各自的特点,提出一种基于高斯模型的背景差分与帧间差分相结合的运动目标检测算法。说明高斯背景建模原理以及算法的背景模型更新方法,最后介绍了算法的实现流程和实验结果。在VisualC++6.0环境下,利用计算机视觉类库OpenCV对算法进行了验证。实验结果表明:该算法能快速、有效地提取目标。     

视频监控中运动物体的检测与跟踪

针对固定摄像头下的交通监控场景,首先给出一种基于分块原理的背景重建算法,克服了平均法重建的背景图像模糊的缺点。然后用减背景方法检测运动物体,并利用数学形态学方法对得到原始前景点作处理,填补了运动物体内部的空洞,减少了噪声点,改善了检测性能。为适应背景的变化,对背景进行自适应更新,并且通过对Meanshift算法的改进提高了跟踪的准确性。实验结果表明,算法在有效检测到运动物体的同时能够快速准确地跟踪运动物体。     

基于改进动态阈值的运动车辆实时快速检测方法*

提出了复杂交通环境下一种新的运动车辆检测方法。基于背景差分获得运动图像,利用自适应阈值选取方法分别对差分图像的三个颜色通道进行二值化,从而实现运动目标的精确检测。根据检测结果,采用中值更新方法实现背景图像的实时更新。实验结果表明,这种基于改进动态阈值和自适应背景相结合的快速检测算法可以从复杂交通场景图像序列中快速有效地检测出运动目标,能够很好地满足智能交通监控系统中运动车辆实时检测的要求。     

复杂条件下运动物体的视频检测

提出了一种适合于复杂条件下运动物体视频检测的新方法。首先采用改进的点状相关图法检测出可能存在运动物体的区域,然后对可能存在的运动区域二值化并采用形态学算子去除环境噪音和光线的干扰,精确地确定运动物体的轮廓。大量实验验证了该方法的有效性和实用性。     

复杂背景下实时运动手指提取及指尖检测方法

基于视频的人机交互是实现机器智能化的一个重要研究领域。本文提出了一种简单有效的复杂背景下的实时的指尖检测方法。基于运动手指图像全局灰度变化特征，本文提出了一种的快速有效的前景分割方法，提出了一种基于连通区域检测的背景更新方法，提出了一种基于模板匹配的手指尖检测方法。实验表明在本系统在各种室内复杂背景条件下能有效的适应背景变化，并能较准确的检测到运动指尖。     

一种基于全向视觉的运动物体检测算法

针对静态摄像头条件下的运动物体,提出一种基于全向图像特性的运动目标检测算法.首先对全向图像进行展开,并应用非线性畸变模型对展开图像校正处理,利用自适应背景建模的方法建立和更新背景模型、去除背景,实现对运动物体的识别与检测.该方法利用全向校正图像分辨率低的特点较好地解决前景提取过程中的噪声和阴影问题.实验表明,该方法对于全向视觉条件下运动物体的检测是快速有效的.     

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.     

基于贝叶斯决策的运动目标检测方法

传统混合高斯背景建模存在难以解决背景复杂以及阴影等因素影响视频运动目标检测效果的问题,为此提出了一种基于贝叶斯决策的运动目标检测方法。该方法利用帧间差分进行像素变化检测,将像素粗分为变化像素和非变化像素;对于变化像素中的运动点和静止点,通过统计确立有效的数据结构,其中显著颜色分布统计量用来描述静止点,而显著颜色同现统计量描述运动点;从数据结构中提取颜色特征矢量,将特征矢量中的静止点和运动点按照贝叶斯决策规则进一步分类为背景点、前景点和颜色相似点。对颜色相似点进行局部加权处理以达到正确检测的目的;通过融合静止点集、运动点集和加权后的颜色相似点集结果提取出前景运动目标。仿真实验表明,该方法能够在不同复杂背景下较准确地检测出视频中的运动目标,相比传统算法具有较强的鲁棒性。     

融合运动特征和深度学习的跌倒检测算法

为了利用计算机视觉技术准确检测老年人的跌倒状况,针对现有跌倒检测算法中人为设计特征造成的不完备性以及跌倒检测过程中前后景分离困难、目标混淆、运动目标丢失、跌倒检测准确率低等问题,提出了一种融合人体运动信息的深度学习跌倒检测算法对人体跌倒状态进行检测。首先,通过改进YOLOv3网络进行前景与背景的分离,并根据YOLOv3网络的检测结果对前景人体目标进行最小外接矩形标记;其次,分析人体跌倒过程中的运动特征,将人体运动特征向量化并通过Sigmoid激活函数转化为0到1之间的运动权重信息;最后,通过全连接层将将运动特征与卷积神经网络（CNN）提取的特征进行拼接和融合从而实现人体跌倒分类判别。将所提跌倒检测算法与背景差分、高斯混合、VIBE、方向梯度直方图（HOG）等人体目标检测算法及阈值法、分级法、支持向量机（SVM）分类和CNN分类等人体跌倒判断方案进行了对比实验,并将所提跌倒检测算法在不同光照条件下和混合日常噪声运动干扰下进行了实验,结果表明所提算法在环境适应性和跌倒检测准确率上都优于传统的人体跌倒检测方法。该算法能有效检测出视频中的人体并对人体跌倒状态进行准确检测,进一步验证了融合运动信息的深度学习识别方法在视频跌倒行为分析上的可行性与高效性。     

视频图像中的快速人脸定位方法

本文给出了一种用于视频图像中的快速人脸定位方法。该方法首先利用变化检测法检测出运动目标区域，剔除静止背景的干扰，得到运动目标子图像。然后基于肤色聚类模型对运动目标子图像进行肤色分割，结合椭圆模板检测出人脸区域，投影法定位人脸边界。实验表明，该方法快速准确，能满足实时系统的需要。     

C#实现运动物体的检测方法

文章在VS .NET 2003环境下,利用C对图像及视频流的处理能力,实现对运动物体进行检测的方法.方法主要是在"背景帧"基础上,使用滤波技术,对运动物体进行自动检测,该方法简单、有效,有助于对运动物体的进一步识别.     

基于变化检测与时空滤波器的视频对象分割方法

随着基于对象视频应用的发展，视频对象的分割成为人们研究的熟点。本文提出了一种结合变化检测与时空滤波器快速分割视频对象的新方法，该方法利用t分布显著性检验检测帧问的变化，不需要知道噪声的方差；利用间隔为k的两帧图像代替连续两帧进行变化检测，可以很好地处理关节运动和慢运动。然后通过时空滤波器快速有效地消除由于视频对象运动而露出的背景区域，同时能够减少变化检测掩膜中的残留噪声。最后，通过形态学处理实现视频对象的分割。     

水下人造目标线特征快速检测算法

为了从水下复杂场景中快速检测人造目标,提出了一种在图像小波变换低频子带上进行直线实时检测的算法。首先,利用小波变换确定显著线特征检测的合适尺度;然后在确定的低频子带小图像上进行边缘检测,利用梯度直方图和迭代法相结合自适应确定边缘检测的分割阈值,得到显著特征的边缘点;再利用改进的Hough变换检测人造目标的直线特征;最后在原始图像上标记出直线检测的结果。实验结果表明:提出的算法可以准确检测出水下复杂背景中人造目标的直线特征,并且具有良好的实时性,满足水下人造目标视频检测的应用要求。     

一种复杂海面背景下的红外舰船目标检测方法

针对传统目标检测方法只能应用在缓慢变化背景中的不足,文章从分析背景与目标的不同成像特性入手,提出了一种复杂海面背景下的红外舰船目标检测方法.该方法利用成像目标与背景的不同梯度特性,构造多向梯度检测函数来区分目标与背景,并对多向梯度算法执行结果利用灰度形态学滤波来进行背景泄漏噪声抑制.利用实际拍摄的红外图像对该算法进行了实验并与传统分法进行了比较,结果表明利用该方法能有效地检测出高起伏海面背景下的舰船目标.     

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。     

基于混合高斯和平均背景的运动目标检测算法

本文提出一种基于混合高斯模型和改进了的平均背景减除法来进行运动目标检测的算法。首先,运用混合高斯建立背景模型,然后结合改进的平均背景减除法来确定运动目标。实验结果表明,该算法准确性高,稳定性好,能满足实时监控的需要。