基于动态图像序列的运动目标检测与跟踪

运动目标的检测与跟踪在智能监控和车辆导航领域中得到了广泛的应用。该文提出了基于统计背景模型和α-β-γ滤波模型的运动目标检测和跟踪算法。在此方法中，首先建立背景的高斯模型，然后检测出场景中的运动目标，最后在目标检测的结果上，采用α-β-γ滤波器对检测出的运动区域进行运动参数估计，进而跟踪出运动目标的轨迹。实验表明，该方法能够有效地分割出序列图像中的前景目标，并提高了目标跟踪的稳定性。从而证明了该方法的有效性。     

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。     

短程线主动轮廓跟踪算法的研究--在复杂背景和非刚性运动目标跟踪中的应用

在复杂背景下对多个非刚性目标进行跟踪是计算机视觉中的一个难点。在短程线主动轮廓模型的基础上，利用力场正则化方法，并加入运动边缘信息，提出了一种在复杂背景下多个非刚性目标进行跟踪的方法。该方法由运动检测和跟踪两部分组成：运动检测利用运动边缘信息对运动目标的运动做出检测，让轮廓曲线运动到目标轮廓附近；跟踪利用当前帧中的静态边缘信息对运动检测的结果加以修正，而跟踪这一步引入的偏差将在下一帧的运动检测中得到修正。实验表明该方法能够有效地在复杂背景中对多个非刚性运动目标进行跟踪。     

基于小波提升框架的图像序列中运动目标检测算法

图像序列中运动目标的检测和跟踪是智能监测系统中的重要问题，为了提高运动目标识别的效率和准确性，同时解决日标运动中的形变造成的检测困难，首先针对传统的运动日标检测算法所存在的局限．把小波提升框架运用到运动目标的检测中，然后充分利用小波的多分辨率特性和提升框架可以直接在时空域内设计的优点，再结合可变模板方法，提出了一种新的基于小波提升框架的运动目标检测算法。实验结果表明，新方法较好地解决了目标运动中因形变造成的检测困难，并提高了检测效率和速度。     

基于灰度直方图的运动目标特征检测算法

为提高运动目标的检测效果和指导性，提出一种基于灰度直方图分析的运动目标特征检测算法。采用视觉成像技术进行运动目标图像采集和视觉特征分析，提取运动目标的动态视觉特征量。根据运动目标边缘差分变换和空间位置关系进行运动图像的特征分离，提取运动目标图像的边缘轮廓特征量。采用统计形状模型进行运动目标图像的二值化分离，构建运动目标图像的灰度直方图。根据灰度直方图中的统计信息进行目标特征检测和动态特征提取，实现运动目标图像的视觉检测和动态识别，有效提取运动目标的关键特征，实现目标特征检测。仿真结果表明，采用该方法进行运动目标图像的特征检测性能较好，对运动目标的动态识别能力较强。     

基于多特征背景模型的运动目标检测算法

运动目标检测是视频处理的基础，而目标的阴影在很大程度上影响了目标的真实形状，干扰了真实目标的检测。本文提出了一个以混合高斯模型为基础，结合多特征的运动目标检测方法。将阴影消除算子、帧差、方差及彩色信息融合到背景模型中，能较准确地检测运动目标并消除阴影的影响。     

基于运动区域的多目标检测

运动目标的检测在天文观测、气象分析、安全监视、交通管制等许多领域有着广泛的应用，它是机器视觉研究的重要课题。本文提出了基于运动区域的多目标检测方法，有效地解决了同一运动目标在序列图像中“远小近大”的问题，运用运动区域正确地检测出运动目标在序列图像中的位置。     

高速运动目标特征关联检测模型仿真

与静态目标不同，在高速运动过程中采集的视频图像存在阴影，为了实现对运动目标的高精度检测，提出基于深度学习的高速运动目标检测模型设计方法。采用光照评估方法判断图像中是否存在阴影，分割视频图像中的阴影区域，消除图像阴影；利用高斯核函数建立滤波器，对运动图像展开滤波处理，消除图像中存在的杂点，并通过剔除兴趣点中存在的冗余点以提高目标检测的准确度和效率，确定图像中的目标区域；采用深度特征网络提取目标特征，结合余弦距离和DeepSort算法展开特征匹配与数据关联分析，根据分析结果利用匈牙利算法构建高速运动目标检测模型，通过该模型实现目标检测。实验结果表明，所提方法的目标检测质量、目标检测精度和检测效率均具有较高的水平。     

一种基于立体视觉的运动目标检测算法

在目标检测中采用立体视觉方法。首先对立体图像对进行匹配求取场景的视差图，再运用基于视差的背景差分法获得含有运动目标的前景区域，最后根据前景区域的视差和位置分布准确定位各运动目标。立体视觉方法有效解决了单目视觉检测方法中的一些难点问题，可以克服光线的变化和阴影干扰对目标检测带来的影响，在多个目标发生部分遮挡时仍能正确区分各运动目标。     

方向小波变换及其在运动弱目标检测中的应用

定义了一种新的小波变换即“方向小波变换”，它不仅保持了传统小波变换良好的时频局部分析能力，还具有良好的方向分析特性，研究了它在运动弱目标检测中的应用，提出一种多尺度的运动弱目标检测方法，其可以充分利用目标的不稳定“面”信息，迅速有效地检测出运动弱目标的轨迹。     

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。      

基于运动点团的鱼眼图像中多目标检测方法研究

采用运动点团模式对鱼眼视频序列中的目标检测方法进行了研究和探讨。运动点团模式的运动目标检测分为三个层次,每个层次对应一个具体的检测算法,即基于像素层的背景提取和更新、运动点团层的点团检测和判定及运动目标层的目标标记和跟踪。对三个算法的原理进行了探讨,并结合鱼眼图像的特点进行了算法改进和优化。实验结果表明,以运动点团作为中间检测过程的方法能有效对圆形鱼眼视频序列中的多个运动目标进行检测,特别是图像边缘的大畸变、低分辨率目标,相比传统的检测方法具有更好的检测稳定性和准确性,在大范围智能视频监控中具备很好的实际应用价值。     

运动目标检测中的光流扰动效应

在一些运动目标检测过程中,需要自动判断是否检测到运动目标,虽然在场景中没有出现运动目标,检测结果却错误的判断为检测到了运动目标.为了找到这个错误的根源,通过实验,发现了光流扰动效应,并且设计了光流扰动效应检测算法,清晰地检测出了光流扰动效果.接下来,通过图像二值化方式,消除了光流扰动效应,避免了运动目标误判现象,得到了理想的运动目标检测结果.研究证明在空间中存在光流扰动效应,该效应会对运动目标检测造成干扰,消除光流扰动效应,可提高了运动目标检测与判断的准确度和可靠度.     

彩色序列图像中实时运动目标跟踪方法

提出了一种彩色序列图像中的实时运动目标跟踪算法,该算法首先利用综合帧间差分法与背景差分法两种方法优点的动态背景更新算法来检测各种运动目标,在后续的图像序列中,利用运动检测算法来确定目标跟踪的起始点,并利用Mean Shift算法来跟踪运动物体;然后再更新Mean Shift的目标模板。实验结果表明,该算法能够克服Mean Shift算法对尺度变化的物体的跟踪效果较差且不能检测突然出现在图像序列中的物体的不足,快速准确地跟踪各种物体。     

高阶统计量的背景估计法在运动目标检测中的应用

利用随机变量的各阶矩的性质,构造了一种基于高阶统计量的背景估计方法,并将其应用于静态背景下的运动目标检测。文中采用多分辨率思想对程序进行优化。同时,在检测的过程中利用检测结果,采用分区域的方式对背景图像进行更新。计算机仿真实验表明,基于高阶统计量的背景估计及更新方法在应用于运动目标检测、提高背景差法在运动目标检测对背景环境变化的鲁棒性方面是有效的。     

基于SACON模型和五帧差分法的目标检测算法

在充分研究现有运动目标检测算法的基础上,针对当前常用运动目标检测算法易受光照和噪声的影响,不易提取完整运动目标,提出了一种新的结合SACON背景模型与五帧差分法的运动目标检测算法.对传统的SACON算法进行改进得到运动区域,与五帧差分算法提取的运动目标相结合,采用动态阈值以适应光线突变,通过孔洞填充等后处理,综合得到运动前景图像.该算法有效地处理了孔洞和噪声问题,具有很好的实时性以及抗干扰能力,能够精确地检测出运动目标.     

联合两种颜色空间的阴影检测算法

在视频监控的运动检测中,由于光照、风吹等影响,运动阴影常常被误认为运动对象。为了有效解决动态背景下运动目标中存在的阴影问题,提出了一种归一化的RGB颜色空间和HSV颜色空间相结合的阴影消除方法。该方法首先在归一化RGB颜色空间下用背景减除法得到运动目标,然后在HSV空间下对阴影进行检测和消除,从而得到真实运动目标。实验结果证实：该方法在运动目标检测及跟踪方面取得了较好的效果,对动态背景的视频,能准确、实时地检测出阴影并进行消除。     

基于视频的快速运动检测方法及其应用研究

介绍了一种以视频图像为检测源的快速运动检测方法并给出了该方法在闯红灯监控系统中的应用实例。与传统的运动检测方法相比,该方法采用视频处理技术;通过先进的运动检测算法快速识别运动物体,并能判断出运动物体的运动方向。该方法在闯红灯监控系统中的应用结果表明该方法的快速性和可行性。     

基于背景减除法的视频序列运动目标检测

视频序列中运动目标的检测是目标识别、标记和追踪的重要组成部分,背景减除法是运动目标检测中被广泛应用的算法。针对光线变化、噪声和局部运动等影响运动目标检测效果的问题,提出一种基于背景减除法的视频序列运动目标检测算法。该算法结合背景减除法和帧间差分法,对当前帧像素点的运动状态进行判断,分别对静止和运动的像素点进行替换和更新,采用最大类间方差（Otsu）法对差分图像进行目标提取,并使用数学形态学运算去除目标中的噪声和冗余信息。实验结果表明,所提算法对于视频序列中运动目标的检测具有较好的视觉效果和较高的准确度,能够克服局部运动以及噪声等缺陷。