一种利用运动信息提取目标物图像的算法

提出了一种利用运动信息提取图像中的研究对象的算法。当要提取的目标物是运动物体，并且背景的绝大多数均为静止时，该算法适用。其基本原理是：将不包含目标物，全为静态背景信息的参考图像与在同一背景下拍摄的包含目标物的图像进行比较，把相同的成分视为背景消去，得到目标物图像；同时为了消除各种因素所产生的影响，在比较时引入适当的容差，对比较结果做去噪处理，并通过检验区域连通性，消去与目标域不连通的区域。试验表明，应用该算法无需人机交互，提取精度较高，抗干扰能力强，有较好的实用性。     

一种利用运动信息提取目标物图像的算法

提出了一种利用运动信息提取图像中的研究对象的算法。当要提取的目标物是运动物体 ,并且背景的绝大多数均为静止时 ,该算法适用。其基本原理是 :将不包含目标物 ,全为静态背景信息的参考图像与在同一背景下拍摄的包含目标物的图像进行比较 ,把相同的成分视为背景消去 ,得到目标物图像 ;同时为了消除各种因素所产生的影响 ,在比较时引入适当的容差 ,对比较结果做去噪处理 ,并通过检验区域连通性 ,消去与目标域不连通的区域。试验表明 ,应用该算法无需人机交互 ,提取精度较高 ,抗干扰能力强 ,有较好的实用性     

基于Vibe的鬼影抑制算法

Vibe算法是通用的运动检测算法,用视频序列第一帧初始化背景模型,这使得模型的初始化非常迅速,但是当待检测的前景目标在第一帧中出现时,鬼影将伴随着模型的初始化而产生.Vibe算法并未对鬼影做任何特殊处理,以至于Vibe需要花费很长的一段时间才能完成对鬼影的抑制.为了解决这个问题,依赖于Vibe模型本身,提出了一种快速抑制鬼影的算法.当某像素值被Vibe模型判为前景时,将它与邻域像素点模型中的像素值继续比较,当与邻域的匹配达到阈值时,则认定此像素值为鬼影像素值,继而从前景中消去此鬼影点,并重新初始化此像素点的背景模型.实验表明,改进后的算法,与原算法相比,能够迅速的抑制鬼影.     

一种基于马尔可夫随机场的运动目标检测算法

本文提出了一种基于马尔可夫随机场的运动目标检测算法.针对传统时间分割使用主观固定阁值的缺点,使用马尔可夫随机场模型对差分图像建模,并提出了一种新的模型阶次选择算法,以及一种可以加速收敛过程的随机场迭代算法.采用期望最大算法获取高斯分布参数并检测运动变化区域,利用形态学运算修正时间分割模板;空间分割部分提出了基于人眼视觉特征的改进分水岭算法,有效地解决了过分割问题;最后对时、空间分割结果进行信息融合处理,从而得到完整的运动目标.仿真实验结果证明了本文算法可以有效地分割视频运动目标.     

一种特征点跟踪的运动目标检测

提出一种基于特征点跟踪的运动目标分割算法。在角点跟踪过程中,8等分匹配点邻域,构造方向子邻域提高匹配精度;提出一种新的聚类准则抽取最优特征子集估计运动参数;结合统计方法消除残差噪声;采用时域滤波滤除孤立区域检测出运动目标。对200帧可见光视频序列和100帧红外图像序列中运动汽车进行检测分割实验,检出率分别达到96%和94%。     

序列图像中运动目标检测

提出动态背景下序列图像中的运动目标检测算法。利用像素邻域的各向同性对图像进行归一化,消除亮度变化等因素的影响;利用光流信息并结合小波变换由粗及精计算速度场来配准图像;用当前帧作参考图像,通过时域积分校正背景图像。当前帧与校正后背景图像作差得到差分图像。假设该差分图像中噪声分布为高斯分布,由高斯分布的3σ特性滤除差分图像中的噪声,则粗定位出目标;最后以聚类方法确定运动目标区域。分别对200帧可见光和200帧红外图像序列进行实验,检测率分别为95%和94%。     

一种视频图像序列中运动对象的分割与跟踪算法

本文提出了一种视频图像序列中运动对象的分割与跟踪算法。该算法通过Canny算子检测出差帧图像的边缘信息,并结合当前帧与背景帧的边缘图像,提取出运动对象。在后续帧中通过建立前帧感兴趣运动对象与当前帧中各运动对象的帧间向量来跟踪当前帧中感兴趣的视频对象。实验结果表明,该算法可行,而且由于该算法简单、计算复杂度小,能很好地满足实时监控系统中对感兴趣运动对象的提取与跟踪。     

用于鬼影抑制的区域检测算法

Vibe是近期受到广泛关注的一种有效的视频运动目标检测算法,采用背景像素点的穿插更新策略抑制鬼影的产生,抑制过程缓慢.现在原始Vibe算法的基础上提出改进,改进包括:为了处理鬼影和短暂停留的前景,引入缓冲模型和第二背景模型替换穿插更新策略;为了避免基于单像素点判别造成的误判,对处理后的分割掩码图片进行区域检测.实验结果表明,相比于原Vibe算法,改进后的算法不仅能够有效地处理噪点和鬼影,同时能够有效处理短暂停留的前景目标.     

基于背景抑制与改进多尺度LSD的声呐小目标检测算法

针对声呐小目标检测由于水下环境复杂、目标回波信号弱等因素造成虚警率和误检率较高的问题,文章提出基于背景抑制和改进直线分割检测(Line Segment Detection, LSD)的检测算法。首先对原始声呐数据截取序列片段,构建多周期累积历程图,凸显运动目标轨迹线特征;其次设计边缘滤波算子,有效滤除部分背景噪声,并结合投影变换进行线特征增强,不仅实现了断裂直线重连,还抑制了剩余噪声;然后基于图像金字塔改进了多尺度LSD直线分割检测算法,有效缓解了过检测问题,大幅增加了直线平均长度;最后为了合并冗余检测信息,利用运动轨迹时空一致性特征设计后处理模块,提高了检测定位精度。通过多组无人遥控潜水器(Remotely Operated Vehicle, ROV)、潜水员、空心球靶小目标序列的湖试、海试数据的定量与可视化结果定性分析,实验结果显示,文中算法与传统LSD相比,误检率和漏检率分别降低了11.2和3.9个百分点,定位误差下降了1.495个像素。结果表明,文中所提算法大幅提高了声呐小目标检测精度,为后续水下目标识别、跟踪等任务奠定重要基础。     

遗失目标的实时检测算法

针对视频安全监控问题,提出一种实时的遗失目标检测算法.首先,帧间差分用于获取像素级运动特性,并构造双重背景用于检测双重前景.而后,将像素级特性及双重前景综合以维持双重背景的更新.最后,通过累加证据图像来处理实际应用中的虚警和遮挡问题并证实遗失目标.在不同视频序列下的实验表明该算法能够有效地从嘈杂的场景中检测出遗失目标.此外,对于352x288的序列而言,该算法的运行速度达到约54帧/s,能够满足实时的监控任务需求.     

基于差异积累的视频运动对象自动分割

针对视频运动对象的自动分割,本文给出了一种基于差异积累的自动分割算法。与传统的基于运动信息变化检测方法不同,该算法通过累积的帧差信息构建出可靠的背景,与当前帧比较进而提取出视频运动对象。本文提出了一种增强的基于Otsu法的自适应阈值化方法,能更准确地对背景差图像进行阈值化分割,克服了传统Otsu法阈值化容易失效的问题。改进的基于区域生长的定位方法更能避免传统方法的误定位及重定位的问题。实验结果表明,本文算法具有较好的实时性、自适应性以及鲁棒性,可以较为可靠地建立背景模型并进行实时更新,适用于刚体或非刚体存在平缓的光照变化以及摄像头微抖动的视频运动对象的自动分割。     

复杂背景下运动目标的提取

提出了在复杂背景以及摄像机运动的情况下运动目标提取的算法。采用了新的局部投影的方法,在图像中合理地划分了投影区域,在求投影偏移量时提出了峰值匹配的算法,合理地检测到了投影偏移量。求得各个局部运动矢量后,采用出现频率最高的局部运动矢量代表全局运动矢量,成功的补偿了背景的运动。实验结果表明该算法在图像背景复杂且由于摄像机运动使背号发生明显变化的情况下,可稳定准确地提取出运动目标,并能有效克服背景中存在的运动干扰。     

一种新的运动目标检测与跟踪算法

常用的运动目标检测算法无法解决在摄像机运动-目标运动情况下的运动目标检测，为此提出了背景匹配法。通过相关匹配算法使背景对齐，结合帧间差分技术有效地将运动目标提取出来；然后利用卡尔曼预测器对运动目标在图像中的位置进行预测，结合增量式带死区的PID控制算法，控制摄像机对准目标。实验结果表明，匹配块的选择加快了处理速度和提高了算法的稳定性，卡尔曼预测器使得跟踪更为平稳可靠。本方法具有简单、通用、抗噪等特点。     

Real-time action detection and temporal segmentation in continuous video

Temporal segmentation of actions has been under intensive focus in the field of computer vision for a prolonged period. The present study proposed a template-based framework to resolve the issues concerning timeliness and real-time performance in the temporal segmentation in a continuous video. A complete action can be detected, based on the previous frames, and the action can be segmented immediately without waiting for the follow-up frames. Herein, characteristic frames are selected by a martingale-based method, followed by the formation of the corresponding motion history through backtracking along the characteristic frames, and the final segmentation is determined according to the recognition model trained by the extreme learning machine. In the experiment on the IXMAS database, the average rate of the detection of action reached 91%, and the accuracy in the frame level reached 83.5%. In the experiment on the 3D skeleton data based on Kinect, the detection rate reached 94%.     

基于背景重构和水平集的多运动目标分割

针对固定摄像机监控中多运动目标自动分割问题,本文提出了一种基于背景差分和水平集的新方法.首先,该方法通过求解连续三帧图像的对称差分,确定出当前帧中的背景像素点,并对背景像素点的灰度值进行统计,最后选择频率最高的灰度值作为该点背景像素灰度值来重构背景.其次,提出了基于8-邻域搜索的区域生长算法完成连通区域的检测,并通过设置阈值和连通域分析,消除背景块噪声并标定出运动目标区域.最后,对所有运动目标区域块,分别采用无需重新初始化的水平集算法作分割,得到封闭和完整的目标轮廓.实验结果表明,该算法能实现固定摄像机滥控中刚体或非刚体的多运动目标的自动检测和轮廓分割.     

一种快速移动对象轨道聚类算法

针对已有轨道聚类(TRACLUS)算法的线段聚类模块需要对划分后的每条线段进行邻域查询的问题,将取样技术引入轨道聚类,提出一种快速移动对象轨道聚类(FTCS)算法。FTCS算法根据基于极大连通子图的合并原理,对核心线段的Eps邻域以及与该Eps邻域相重叠的所有轨道聚类进行合并,避免了TRACLUS算法中核心线段Eps邻域内线段的不必要邻域查询操作。在真实和合成轨道数据集上的大量实验结果表明,FTCS算法显著降低了邻域查询操作次数,在保持TRACLUS算法轨道聚类质量的同时,成倍提高了轨道聚类的时间效率。     

基于累积光流的运动对象检测

利用解析小波和M估计求解光流约束方程,得到一种精度高的、稳健的光流计算方法,并在此基础上引入扩展累积光流,针对累积光流计算中的几个特殊问题进行了相应的处理,实现了一种稳健的运动对象检测算法.实验结果表明,该算法正确检测运动对象的精度高,能够检测出慢速物体和小目标的运动,并较好地解决了遮挡问题.     

A sub-region image registration algorithm with weight-based hierarchical importance sample consensus for moving target detection

The image registration is the key part in moving target detection (MTD), including extracting feature points, matching feature points and estimating motion model. While MTD always confronts with camera irregular movement and complex scenes where many small moving targets are mixed with the background, the accuracy of motion model estimation is seriously affected by these problems. So, our job focuses on estimating a motion model. We present a novel sub-region image registration algorithm with weight-based hierarchical importance sample consensus (WHISAC) to efficiently estimate motion model. Image registration based on sub-region is for removing background motions in different regions called sub-region, and the motion models of sub-regions are separately estimated. Then, in WHISAC, for overcoming the flaws that the ratios of outliers' increases in sub-regions and small moving targets are regarded as inliers wrongly, weights combining into a quality function are proposed to indicate the types of correspondences for guiding sampling. Samples in the WHISAC are drawn hierarchically a different number in the data set sorted by the quality function. Finally, the motion model based on the consensus is obtained by WHISAC. Compared to RANSAC and LMeds, WHISAC has more accurate consensus, faster convergent speed and different images with less interference which facilitates the subsequent target detections in the MTD system.     

基于阴影消除和混合高斯模型的视频分割算法

针对固定场景监控中复杂背景、光照变化、阴影等影响视频分割的问题,提出了一种有效的混合高斯模型的自适应背景更新算法,各像素点根据其像素值出现的混乱程度采取不同个数的高斯分布描述,通过对背景模型的学习与更新、高斯分布生成准则等方面的改进和优化,采用基于形态学重构的阴影消除方法使得前景目标分割的性能得到了有效地提高.文中同时给出了光照突变检测及其背景更新方法.通过对各种实际场景的实验仿真表明,该算法能够快速准确地建立背景模型,准确分割前景目标,与其它算法比较具有更强的鲁棒性.