基于维纳线性预测的Horn-Schunck光流运动矢量优化算法

针对Horn-Schunck光流运动估计的矢量中可能出现局部错误估计点的问题,提出一种基于维纳线性预测的光流运动矢量优化算法。首先,将光流运动矢量从笛卡尔坐标转换到极坐标下;其次,根据制定的判决规则,对于判决中的可疑点做进一步判定,而对于判决中的错估点采用维纳线性预测的方法进行重新估值;最后,将极坐标下的光流矢量转换到笛卡尔坐标下,到此就完成了光流运动矢量的优化。与直接求出的Horn-Schunck光流矢量相比,优化后的Horn-Schunck光流矢量中幅度和角度错估点的误差明显减小,光流矢量的准确性获得了一定程度的提高。将直接求出的Horn-Schunck光流矢量和优化后光流矢量分别应用到图像和视频序列的运动补偿中。结果表明:基于维纳线性预测的Horn-Schunck光流运动矢量优化算法取得了比较好的效果。     

基于帧间差分和光流法的红外图像运动检测

在红外图像运动目标检测的研究中,针对IR探测器在不同的工作状态下所获取的复杂红外图像序列,为了从中有效地检测出中的运动目标,提出了一种用帧间差分和Lucas Kanade光流法的运动检测组合算法。在分析IR探测器工作状态的基础上,建立了IR探测器与目标的相对运动关系。对IR探测器在静止和运动时分别采用帧间差分法和Lucas Kanade光流法进行运动检测。对实地拍摄的红外图像序列进行仿真分析,实验结果表明通过对IR探测器工作状态的分析,智能地转换运动检测算法,可实现对目标的准确有效地检测。     

基于光流和Snake算法的运动目标检测

提出一种帧间双差分法、自适应光流、snake算法相结合的运动目标检测方法.通过帧间双差分法提取运动区域,针对运动区域进行光流计算,对光流计算结果进行C-均值聚类,最后用聚类结果作为snake算法的初始值,通过贪婪算法对活动轮廓进行收缩,把运动目标的轮廓精确的包围起来.由运动目标真实图像序列的实验结果充分证明了算法的优良性能,可以有效地从复杂自然场景的图像序列中检测出完整的运动目标.     

基于背景差分的人体运动检测

本文对视频序列中的运动目标检测方法进行了研究,提出了一种基于背景差分的运动目标检测算法.首先通过建立混合高斯模型,获取背景图像,并对背景进行实时更新.然后通过背景差分法确定运动目标区域,再进行图像处理,得到较为精确的运动目标.最后利用八连通域算法,对多个目标进行分割.实验证明,该方法能够快速、准确的检测出多个运动目标.     

基于光流周期特性的视频帧率上转篡改检测

视频帧率上转是视频时域篡改的一种常见篡改手段,它通过周期性地在两个视频帧中间插入中间帧的方式,实现将视频由低帧率转换到高帧率的目标.本文提出了一种基于光流周期特性的视频帧率上转篡改检测算法,首先将视频转为帧图像序列,然后采用Horn-Schunck光流法计算每帧图像每个像素点的光流矢量,并计算相邻帧图像光流的变化率.最后利用快速傅里叶变换对光流变化率数据进行频谱分析,根据最高谱线的幅值与平均幅值的比值阈值来判别视频是否经过篡改.实验表明,算法不仅能够准确识别待测视频是否经过帧率上转篡改,并且提高了视频压缩的鲁棒性能,具有一定的实际应用价值.     

基于虚拟窗口的自适应车流量检测应用研究

基于视频交通检测中实时性和准确性要求,研究了三帧差分、背景差分及动态阈值等算法,提出增加虚拟窗口的方法,使整个车流量检测算法只针对有效序列图像信息进行处理.该方法通过排除差异大图像求均值,快速初始化虚拟窗口背景模型,在检测窗口内使用三帧差分和动态阈值准确定位运动车辆目标,实时更新背景后,根据背景差分法得到的窗口图像信息统计车流情况.实验结果表明,该方法可以有效应用于基于视频的实时车流量检测中.     

基于GrabCut算法和四帧差分法的目标提取算法

提出了一种基于Grab Cut算法和四帧差分法相结合的运动目标检测和提取算法。首先,利用四帧差分法对视频中连续的四帧图像进行二次差分;然后,对差分后的图像分别做水平投影和垂直投影,计算运动目标区域;最后,使用Grab Cut算法分割目标区域得到完整的运动目标。实验结果证明,该方法既能精确和完整地检测出运动目标,又能有效地去除空洞、拉伸等现象。     

一种有效的运动物体检测方法

为了从监控视频中检测出较高质量的运动物体,文章提出了一种基于帧间差分和背景差分相结合的运动目标的检测方法,并且采用像素级和帧级背景更新相配合的一种背景更新策略。算法求取各像素点处的最大概率灰度,从而提取出连续视频的背景图像;相邻帧则利用帧间差分法以及背景差分法得到两幅运动区域图像;将两幅运动区域图像相与,提取出较为准确的运动目标。实验证明,该算法对光线的变化鲁棒性较高,运算速度较快,且能够及时的响应监控视频的实时变化,提高运动目标的检测质量。     

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。     

一种运动背景下移动目标的检测方法

针对全局运动视频序列中的目标检测,提出了改进的灰度投影算法.通过对灰度投影相关曲线的分析,根据其单峰性特征,提出了三点局域自适应搜索算法,该方法能够快速的估计出前后两帧之间的运动矢量.然后以参考帧图像背景为参照,映射当前帧的背景信息,以此补偿全局运动矢量,将连续几帧图像的相同背景稳定在同一幅图像的相同位置上,从而能够利用改进的连续三帧差分法准确地检测出运动目标,并根据目标的特征进行分类识别.实验结果表明,该方法能够有效地从视频序列中提取和识别出运动目标.     

视频监控中人的运动检测方法研究与实现

为了提高视频监控的实时性、准确性和可靠性,引入运动目标检测非常必要,而在此基础上的人运动检测更是后续各种高级处理的基础。根据视频监控的特点,采用一种基于自适应背景图像估计与当前多帧图像的混合差的算法来实现快速精确地检测和提取运动目标区域,并充分利用视频图像的时域连续特性和人脸肤色信息,实现快速可靠的人脸定位,从而准确定位人运动区域。实验表明,该算法对人的运动检测在光线、姿势变化等情况下具有良好的鲁棒性,适于实时监控系统的应用。     

基于运动图像序列的异常行为检测*

针对公共重点区域的智能监视问题,研究了一种基于运动历史图像（motion history image,MHI）的行人异常行为检测方法。利用运动图像序列得到的MHI获取视频帧中运动目标的运动方向,由运动方向的变化分类确定人体运动模式和行为是否异常,同时给出相应的实验结果。结果表明,该方法实现简单,具有较好的实时性与鲁棒性,可以作为实时监控系统中异常行为检测的有效方法。     

基于少量关键序列帧的人体姿态识别方法

针对传统人体姿态识别数据采集易受环境干扰、难以解决人体运动姿态的相似性和 人体运动执行者的特征差异性等问题,提出一种基于少量关键序列帧的人体姿态识别方法。首先 对原有运动序列进行预选,通过运动轨迹取极值的方法构造初选关键帧序列,再利用帧消减算法 获取最终关键帧序列;然后对不同人体姿态分别建立隐马尔科夫模型,利用 Baum-Welch 算法计 算得到初始概率矩阵、混淆矩阵、状态转移矩阵,获得训练后模型;最后输入待测数据,应用前 向算法,得到对于每个模型的概率,比较并选取最大概率对应的姿态作为识别结果。实验结果表 明,该方法能够有效的选取原始运动序列的关键帧,提高人体姿态识别的准确性。     

一种新的基于统计的背景减除方法

提出了一种有效的彩色视频背景减除的新方法。首先对彩色视频采样得到图像序列,统计序列中各像素的RGB值并归类,用出现概率最高类的RGB均值来构建背景模型;然后根据颜色差异和亮度范围综合条件,结合形态学处理进行背景减除。实验结果表明,此法可以很好地克服灰度视频背景减除中很难识别与背景灰度相近目标的缺陷,同时比传统的彩色视频背景建模快速,且样本中允许运动目标存在。对背景减除的准确性和实时性有一定程度地改进。该文还针对光照和背景变化提出了一些有效的背景更新策略。     

基于时空信息的运动目标检测

在充分研究基于时间信息的帧间差分法和基于空间信息的背景差分法的基础上,提出了一种综合利用视频图像序列的时间信息和空间信息的运动目标检测算法。该算法不仅有效地消除了噪声,还保证了运动图像的完整性。实验表明该算法检测准确、实时性强。     

彩色图像序列中运动人体轮廓提取

在视频序列的人体运动分析中,实时提取出运动人体轮廓,是很多研究起始的关键步骤.而彩色图像由于具有比灰度图像更多的视觉信息,受到了越来越多的重视.采用了一种新的色彩背景模型;运用改进的背景差分方法在复杂背景下获得运动人体的轮廓.实验结果表明上述算法对噪声抑制和人体图像断裂处填充都是有效的,在目标物是运动物体,且背景绝大多数均为静止时,该算法适用,能够实时提取出运动人体的轮廓.     

帧间差分与码书模型相融合的运动目标检测算法

针对视频检测对实时性和准确性的要求,提出了将帧间差分与码书模型相融合的运动目标检测算法.首先,选取某个t时间内采集到的视频图像作为训练图像,对图像的每一个像素点建立码书模型.把码书模型中表示前景的码书去除,余下的作为背景模型用于检测.检测运动目标时,先将待检测的相邻帧图像进行帧间差分,得到变化区域和没有变化的区域,将有变化的区域与背景模型进行拟合,区分出前一帧运动区域和目标运动区域.更新背景模型时以不同的更新方法对前一帧运动区域和目标运动区域进行更新.     

摄像机运动情况下的运动对象检测

在监控应用中,由于场景是已知的,因此可以使用背景减去法检测运动对象.当摄像机进行扫描和倾斜运动时,需要使用多个图像帧才能完整地表示监控场景.如何组织和索引这些背景帧属于摄像机跟踪问题.提出一种无需摄像机标定的背景帧索引和访问方法.这一方法需要使用图像配准技术估计图像初始运动参数.提出一种屏蔽外点的图像配准算法,综合利用线性回归和稳健回归快速估计初始运动参数.为了快速计算连续帧之间的运动参数,提出一种基于四参数模型的优化算法.利用非参数背景维护模型抑制虚假运动象素.室内和户外实验结果表明本文方法是有效的.     

基于动态阈值对称差分和背景差法的运动对象检测算法*

提出一种基于动态阈值对称差分和背景差法的运动对象检测算法.首先通过建立一个基于统计的可靠背景更新模型,由背景差法得到基本准确的前景图像;然后与用对称差分法得到的差分图像综合;最后得到完整可靠的运动目标图像.中间采用了一种动态的最优阈值获取方法,然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.     

脑部数字减影图象增强研究

针对数字减影图象中，因运动引起的图象质量下降问题，提出了一种基于图象配准的数字减影图象增强算法，该算法通过选择合适的控制点和相似测度，采用快速样条插值算法以及鲍威尔优化搜索方法，并用块匹配方法对造影图象和掩膜图象进行配准，实验结果表明，配准后的减影图象质量良好，不仅具有较高的临床诊断价值，并且该算法具有较快的计算速度。