带有阴影消除的室内运动人体的提取与跟踪

描述了一种带有阴影消除的对室内运动人体进行提取与跟踪的方法。该方法使用自适应背景减除法初步得到人体区域，在此基础上利用色度的不变性来消除阴影区域的影响，可以对提取出的比较精确的运动人体进行跟踪。     

基于运动检测的多车辆跟踪方法研究

针对交通监控场景中多目标粘连造成跟踪上的困难和前后两帧车辆关联困难,提出了区域运动相似性分割方法和相似度关联矩阵的解决方案;在运动目标检测过程中, 首先使用背景差分法提取运动区域,经过消除缺口、空洞和分离等处理,在运动区域所在范围内进行块匹配搜索和局部光流计算区域运动矢量,然后使用模糊聚类方法对运动矢量区域融合,完整的分割出粘连运动目标;在目标跟踪部分,目标跟踪建立在目标关联的基础上,提出建立连续两帧目标间距离和局部二元模式相似度关联矩阵的方法进行运动目标标定,从而实现多目标关联;使用公共视频库的图像序列进行测试,所提算法都能实现连续的跟踪和准确的运动目标分割,且处理速度快,表明了算法具有鲁棒性和适用性。     

基于层次HMM的运动目标分割

提出对差分图像用三层统计模型表示的思想：前景运动汽车层、背景运动汽车层和运动阴影层,并分别建立了各层的统计模型,应用HMM对运动图像序列进行模型参数估计,通过模型进行运动汽车分割。HMM利用图像序列帧之间的图像像素空间相关性和时间相关性,从而完成模型参数的识别。通过MAP算法完成模型参数具体化,不但用模型完成图像前景目标的分割,同时在分割中自然区别了背景运动目标和阴影,实现了复杂背景图像的运动汽车分割。实验结果表明方法能够有效地完成分割目的。     

基于改进活动轮廓的视频对象自动分割及跟踪算法

为了能够从视频序列图像中准确地提取出运动视频对象,提出了一种基于改进活动轮廓的视频对象自动分割及跟踪方法。该方法首先采用连续帧间差的4次统计量假设检验来确定视频对象的运动区域,并使用形态滤波消除残余噪声和空洞;然后根据3帧序列图像得到的前后运动区域的相与运算来有效地解决运动视频对象前后帧的遮挡问题,以获得视频对象模板,当提取出视频对象模板的边缘轮廓后,再用梯度向量流场作为外力的改进活动轮廓算法来获得视频对象的精确轮廓;最后以此视频对象的轮廓为基础进行运动补偿,以得到下一帧图像的初始曲线,再使用改进的活动轮廓算法对下一帧图像进行分割,即可实现视频对象的跟踪。该方法不仅能够消除差分图像中的显露背景,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。     

视频图像序列运动参数估计与动态拼接

本文采用多重分层叠代算法来估计全局运动参数，并提出应用于动态拼接的运动分割新方法，实现既有摄像机运动又有物体运动的视频图像序列自动拼接。我们的方法基本步骤如下：首先进行全局运动参数的初始估计，并且在分层叠代过程中进行区域分类，得到初始运动模板。接着空间分割原始图像，先根据图像的空间属性由底向上分层合并图像空间区域，再利用视频图像时间属性进一步向上合并，得到图像空间分割结果。然后结合初始运动模板和图像空间分割结果，采用区域分类新方法重新对图像空间分割结果的每个区域进行分类。然后根据分类结果逐步精确求解全局运动参数。最后进行图像合成，得到全景拼接图像。我们的方法利用了多重分层叠代的优点，并且充分考虑到视频图像空间和时间上的属性，实现了运动物体和覆盖背景的精确分割，避免了遮挡问题对全局运动参数估计精度的影响。而且在图像合成时我们解决了拼接图可能产生模糊或某些区域不连续等问题。实验结果表明我们的方法实现了动态视频图像序列高质量的全景拼接。     

基于背景差分法的运动目标分割

运动目标分割在基于视频的运动目标检测与识别研究中发挥着重要作用。以图像差分法为基础,实现了一种复杂背景下快速分割运动目标的方法。通过中值滤波对原始图像进行预处理;运用改进的Surendra算法快速提取并更新背景图像;利用数学形态学运算对差分二值图像进行处理,进行运动区域的初始检测;将RGB图像转换到HSI域中进行适当的阴影去除,完成运动目标分割。实验结果表明该方法能够较为有效地分割出感兴趣区域(ROI)内的运动目标。     

基于改进的OTSU算法的视频处理

针对跳水运动视频中的人体运动目标分割问题,提出利用颜色信息进行运动目标检测和分割的算法。首先采用色相和亮度两个彩色分量加强图像中的颜色差异,使用OTSU算法对图像进行阈值分割,同时结合RGB颜色空间启发式肤色聚类,确定运动目标所在的连通区域,从而完成首帧运动目标的自动检测。在后续帧的处理中,以数学形态学方法进行自适应运动区域预测,运用改进的OTSU算法,提高了分割速度。实验表明,本方法有效地克服了复杂背景变化的影响,能够快速实现跳水运动目标的分割,且对运动对象的快速运动有较强的鲁棒性。     

多自由度人体运动动态图像目标检测方法仿真

采用当前方法对人体运动动态图像进行目标检测时,无法消除图像中存在的阴影区域,导致图像清晰度低、位置误差大和检测效率低.提出多自由度人体运动动态图像目标检测方法,构建高斯背景模型,分离图像的背景区域和目标区域,将目标区域变换到HSI空间中,结合小区域去除方法和数学形态学处理,根据阴影区域饱和度高和亮度值低的特点确定目标区域中存在的阴影,通过匹配补偿去除目标区域中的阴影部分.根据目标区域的灰度分布构建目标更新模型,实现多自由度人体运动动态图像目标的检测.实验结果表明,所提方法的图像清晰度高、位置误差小、检测效率高.     

室内视频中基于边缘的运动阴影去除算法

针对运动提取算法总是将运动阴影错误检测为运动前景,提出一种基于边缘信息的室内运动阴影去除算法.首先用Canny算子提取输入图像的边缘,同时对输入图像进行梯度分割;其次利用运动边缘的属性提取属于真实前景的运动边缘;再次得到靠近运动边缘的真实前景的部分边界;最后通过文中提出的边界跟踪技术构建出完整的前景边界,从而提高运动前景的检测精度.仿真实验表明,对不同的光源距离、不同的阴影投影方向及不同颜色前景引起的运动阴影,算法都能鲁棒地分离目标及其阴影区域.     

基于梯度统计和区域生长融合的运动车辆阴影检测方法

针对在视频对象分割时,运动阴影常被误分为视频对象的问题,提出了一种融合阴影模型和特征的阴影检测方法。用聚类识别的算法提取背景,获得包含阴影的前景,算出前景与背景梯度差。对梯度差投影,根据投影后得到的序列及其差分序列进行阴影区域初步检测,根据初步检测结果,运用区域生长算法搜索出全部阴影。实验结果证明,本方法检测效果好,速度快,能够应用于车辆阴影的实时检测。     

结合色度和纹理不变性的运动阴影检测

目的：在运动检测中,运动物体产生的阴影常常被错误地检测为运动物体本身,为了将阴影从检测结果中消除,本文提出了一种色度不变性和纹理不变性相结合的运动阴影检测方法。方法：首先从阴影的物理模型出发,直接在RGB颜色空间利用色度不变性来获得候选阴影区域,然后根据颜色信息对候选阴影区域进行分割,对每个子区域,利用一种基于局部二值模式的指标来度量其与对应背景区域的纹理相似程度,进而判断该子区域是否是阴影,从而得到最终的检测结果。结果：在公开测试集上的实验结果表明我们的方法可以有效地检测出运动阴影,相对于几种常用的阴影检测算法具有一定的优势。结论：本文将像素级水平和区域级水平阴影检测方法结合起来,提出了一种结合色度不变性和纹理不变性的运动阴影检测方法。实验结果表明,在多类复杂场景中,本文方法都能有效地将运动阴影检测出来,具有较强的鲁棒性。     

基于运动点积累的视频运动目标提取

通过对视频中运动目标特点的分析,提出了一种提取背景图像的算法。使用运动点积累的方法来更新背景图像,然后应用背景差分准确检测出场景中的运动目标。由于视觉的相似性,使得检测出的目标包含阴影,最后使用阴影滤波函数去除阴影,得到完整的运动物体。实验结果表明,本算法具有较好的实时性和适应性,能检测出比较完整的运动目标信息。     

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。     

融合线性特征的局部纹理运动车辆阴影检测

提出了一种融合线性特征的局部纹理运动车辆阴影检测方法。首先基于连续帧视频图像信息建立初始背景模型;通过背景差法获取包含阴影的运动目标区域,同时依据该运动区域信息实时更新背景;结合亮度信息,利用改进局部二值模式的纹理算子描述运动区域纹理,并根据海明距离进行粗分类,快速检测出运动区域中的阴影覆盖区;进一步对阴影覆盖区域进行纹理信息的线性特性判断,排除车辆自阴影区域,获取背景阴影,得到真实车辆目标。实验结果表明,该方法提高了阴影和车辆自阴影的检测准确度,且速度快,可满足实时性要求。     

动态阈值的Vibe运动目标检测

Vibe算法是一种高效的像素级背景建模算法,但是它同混合高斯模型一样,不能适应光线突变的问题,在对Vibe算法的基础上提出了一种在静态场景下对光照变化鲁棒的运动目标检测方法。该方法首先利用Vibe模型建立背景样本集,并利用Vibe模型对判别为背景的像素对背景帧进行更新。其次视频当前图像帧与背景帧差分,并采用Otsu算法计算图像的分割阈值来检测运动目标。实验结果表明,改进的方法能够很好地消除由于环境光照变化引起的“曝光”现象,提高了运动目标检测的精确度,并且改进的算法对室内场景下的阴影也有较好的抑制作用。     

昆虫运动图像分割中的阴影消除算法

昆虫运动图像分割是昆虫步态提取、跟踪及分析的基础,根据昆虫运动图像中阴影点灰度小和色度保持稳定的特点提出一种适合室内运动检测的图像分割及阴影消除方法。先将当前帧图像与当前的背景图像对应像素点的像素值相除,比值小于1的点可能包括阴影和运动目标;然后计算比值小于1的点在RGB空间中的向量与对应背景点向量的夹角余弦。因为阴影色度保持不变,其夹角为0或极小,所以可将余弦接近1的点判为阴影。实验表明该方法简单有效,提取出来的昆虫前景图轮廓清晰,特征部分保持完整,为昆虫步态检测、分析及机器人步态规划提供支持。     

基于低秩矩阵分解的运动目标检测

运动目标检测是视频监控任务的基础问题之一,针对灰度信息,目标检测存在的阴影识别能力差、检测精度低等问题,提出在HSV颜色空间下基于低秩矩阵分解的运动目标检测算法.首先将获取的RGB图像转为HSV颜色空间分量,分别对H、S、V通道构建低秩观测量,进行低秩矩阵优化分解,分离出不同颜色通道的前景和背景分量;组合H、S、V通道分量的前景图像,得到粗略的运动目标区域;再采用HSV颜色阴影去除去除前景图像中的阴影;最后经噪声去除和空洞的填充,检测得到准确的前景运动目标.实验验证表明,与其它方法相比,能够有效地提高运动目标检测的准确度.     

视频监控系统中运动目标的检测和阴影抑制

提出了一种室内静止摄像机条件下的运动目标检测和阴影抑制方法。该方法采用一种自适应的背景估计方法来实时更新背景,用基于概率分类法检测运动目标,并在联合HMMD色彩空间和光度特征来抑制阴影之后,用Sobel边缘检测来修正运动目标。实验结果表明,该方法能够有效地检测运动目标和抑制阴影。