运动目标检测算法的探讨

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。但由于运动目标的提取易受到背景、光线变化、阴影、运动速度等因素的影响而造成失败，所以如何更好的实现运动目标检测具有相当重要的意义。该文从运动目标检测的基本概念出发，探讨了运动目标检测的广泛用途、目前所面临的主要问题与困难、实现运动目标检测算法的基本分类，并结合近几年公开发表的一些算法与实现对当前主流运动目标检测实现方法的基本思想和最新进展进行了分类综述，讨论了各类方法的主要优缺点，并展望了该领域未来的发展趋势。     

结合DM8168的实时运动目标检测系统设计

结合DM8168多核多通道的特点,设计了一个实时运动目标检测系统,能够实现视频数据的采集、实时运动检测、编解码以及传输等功能。采用Vi Be的目标检测算法,并利用中值滤波进行改进,解决了背景中容易出现Ghost区的问题,提高了运动目标识别能力。最后采用像素扫描标记法实现了目标跟踪。实验结果表明,所提出的方法能在达芬奇平台上实现实时鲁棒的运动目标检测和跟踪。     

基于AForge.NET的车辆运动视频检测方法

运动检测的目的是如何快速准确地检测出监控视频中的运动目标,介绍了常见的运动检测方法,利用AForge.NET类库,实现一种相邻帧差车辆运动检测方法,利用图像灰度差的绝对值是否大于所取阈值进行检测,实现结果表明,该方法可以有效、快速地检测出视频序列中的运动目标.     

基于OpenCV的视频运动目标检测与跟踪

针对视频文件中运动目标检测与跟踪这一问题,提出一种先检测后跟踪的方法.首先利用平均背景法完成对背景模型的更新,从而检测出运动目标,在此基础上利用投影法来投影出运动目标的大小,最后再利用MeanShift算法对运动目标进行跟踪.在跟踪过程中,通过OpenCV编写程序实现对运动目标的检测与跟踪.实验验证,该方法在实现运动目标的精确检测与跟踪的基础上,减少了运算量,提高了跟踪的速度.     

基于视频的入侵检测研究

视频监控系统是安全防范系统的一个重要部分。该文探讨了视频运动目标检测技术中的预处理,以及包括了减背景、背景差以及光流法的运动目标分割的检测方法,着重讨论了针对该三种方法的改进算法的优缺点,并展望了该领域的发展趋势。     

基于运动显著性的移动镜头下的运动目标检测

针对移动镜头下的运动目标检测中的背景建模复杂、计算量大等问题,提出一种基于运动显著性的移动镜头下的运动目标检测方法,在避免复杂的背景建模的同时实现准确的运动目标检测。该方法通过模拟人类视觉系统的注意机制,分析相机平动时场景中背景和前景的运动特点,计算视频场景的显著性,实现动态场景中运动目标检测。首先,采用光流法提取目标的运动特征,用二维高斯卷积方法抑制背景的运动纹理;然后采用直方图统计衡量运动特征的全局显著性,根据得到的运动显著图提取前景与背景的颜色信息;最后,结合贝叶斯方法对运动显著图进行处理,得到显著运动目标。通用数据库视频上的实验结果表明,所提方法能够在抑制背景运动噪声的同时,突出并准确地检测出场景中的运动目标。     

一种基于差分算法的视频运动目标检测技术

依据目前基于视频图像的交通监控方式,提出了一种运动目标检测方法。该方法利用大津法（Otsu法）对连续三帧差分图进行分割,并对分割得到的运动目标进行数学形态学处理,以消除图像分割后出现的不连续和孔洞,最后,通过提取目标质心实现运动目标的定位。实验结果证明,此运动检测方法简单、有效、速度快,有较强的实用性。     

基于视觉的无人飞艇地面目标检测

针对无人飞艇地面目标检测中细节信息缺失的问题,提出一种静态目标和运动目标的检测方法。利用Lucas-Kanade方法跟踪目标区域内特征点,从而实现静态目标的连续检测。通过图像特征点的跟踪估计相邻帧图像间的全局运动,进而对图像进行运动补偿,利用补偿后的帧差图实现运动目标的检测。采用上海交通大学“致远一号”无人飞艇采集的实际视频数据进行实验与分析,结果验证了该方法的有效性。     

基于改进光流特征的运动目标跟踪

在城市智能视频监控中需要对运动目标进行实时跟踪,针对传统的运动目标检测中出现的跟踪目标易丢失、跟踪率低、实时性差等问题,提出一种基于改进光流特征的运动目标跟踪检测方法,对运动行人目标进行跟踪。该方法首先采用改进的Vibe运动背景建模法对视频中存在的运动行人进行检测,再将Shi-Tomasi角点检测与LK光流法进行结合,将角点检测结果融入到LK光流法中,并对检测到的角点进行运动光流特征提取,最后通过卡尔曼滤波对出现的行人进行预测跟踪,采用匈牙利最优匹配算法实现对运动目标的持续匹配以及对运动目标的跟踪。仿真结果表明,本文提出的方法能够对视频中出现的运动目标进行检测跟踪,具有较好的识别效果,且检测效率得到提高。      

融合光流速度与背景建模的目标检测方法

为了克服传统基于像素的背景建模方法不能很好地描述背景运动的问题,提出了一种融合光流速度与背景建模的目标检测方法。结合像素的灰度信息、空间信息和时间信息计算出每个像素的光流速度,利用光流速度在时间域上的统计信息为背景建立光流速度场模型。利用建立的背景模型快速、准确地实现运动目标的检测。实验结果表明,融合光流速度的背景建模方法能有效地描述背景的运动,显著降低运动背景产生的噪音,鲁棒地实现运动目标检测。