基于对数极坐标变换的中心视亚像素算法

为了利用仿生视觉中的碰撞时间参数实现主动避碰控制,对增强图像中心视目标物体区域进行了研究。首先,应用对数极坐标变换对视觉图像进行压缩变换,在变换中应用双三次插值对图像中心视区域进行亚像素增强;然后,对应用对数极坐标变换算法后图像的不同偏心率下的精度以及不同偏心率尺度下最小精度进行分析。实验结果表明应用变换算法后,图像数据得到了有效的压缩,中心视的目标物体图像仍得到了增强。     

基于机器视觉的铲斗目标检测

为实现挖掘机器人在挖掘工作中能够对挖掘轨迹进行自我认知,结合了机器视觉中比较常见的运动目标检测算法-帧差法和背景差分法,对挖掘机铲斗目标检测展开了研究。对帧差法中的二帧差法和三帧差法以及背景差分法中的混合高斯建模法进行了研究,基于这些算法对铲斗目标进行检测。基于Open CV进行程序设计,对挖掘机模型的铲斗进行检测,验证算法的可行性。通过实验结果对比分析,结合三帧差法以及高斯混合建模法能够更好地实现铲斗目标检测。     

基于DM642的运动目标检测与跟踪系统

运动目标的检测与跟踪在许多领域有着广泛的应用,是应用视觉研究的焦点之一。设计了一种基于DM642的运动目标检测与实时跟踪系统。运动目标检测采用基于Ⅲ矿色彩空间的单高斯背景建模结合形态学处理的算法;运动目标跟踪采用基于亮度纹理信息的CAMShifI跟踪算法。系统利用跟踪算法计算目标位置信息,通过P~$485总线控制摄像机伺服设备,以跟踪运动目标。在DM642EVM板上实现了该系统,实验表明这种检测和跟踪方法是快速有效的。     

基于亮斑的热红外图像运动目标快速检测新算法

红外目标检测是红外目标跟踪中的重要环节,准确有效地检测出目标是实现目标跟踪的前提.本文通过分析热红外图像地面运动目标的特点,针对地面运动体的辐射对比较高的区域(简称亮斑)进行频谱分析和建模,提出了一种在复杂背景下,简单快速且普适的红外目标检测算法.试验验证了该方法在多种目标在多复杂背景下的检测准确性.     

视频图像中运动目标检测算法研究

视频图像中运动目标的检测一直是视觉分析的研究热点之一,应用广泛。文中主要针对静态背景下即摄像头固定的情况下,提出一种基于高斯模型的背景差分法来实现运动目标的检测。算法首先建立混合高斯背景模型,然后再利用背景差分法提取运动轮廓,最后通过后续的形态学处理得到完整的运动目标。实验结果表明,该算法不仅能够检测到运动目标,而且检测效果得到了提高。     

基于图像融合的运动目标检测与跟踪方法研究

从运动背景中检测与跟踪运动目标是计算机视觉研究领域的热点,根据帧差法的基本原理,提出了一种针对复杂背景的运动目标检测方法.首先通过设定阈值滤除序列图像中的噪声,然后对三帧算法进行改进,即利用序列中多帧图像融合运动信息,并确定参考区域,通过对原图像进行回扫描,最终提取出完整的运动目标轮廓.最后采用一种运动物体跟踪算法,实现了运动物体和静止物体的识别,克服了以往算法中的误检和空洞问题,实验结果表明,该方法能够满足实时性的要求.     

基于元胞自动机的动态背景运动目标检测

针对传统运动目标检测算法在动态背景条件下难以准确检测出运动目标的问题,提出了一种基于元胞自动机的动态背景运动目标检测算法。首先,根据SLIC算法分割视频图像,并应用多模态混合动态纹理模型对视频图像进行背景建模。然后,融合空时显著性检测与基于元胞自动机的自动更新机制得到优化的显著性图。最后,通过对优化后的显著性图做适当的阈值分割处理得到视频图像中的运动目标。实验仿真结果表明,在动态背景条件下该算法可以有效的抑制视频图像中非运动目标的显著性物体对检测结果带来的影响,检测运动目标的精度较高,并且具有一定的鲁棒性。     

基于运动目标自适应检测的改进ViBe算法

传统视觉背景提取(ViBe)算法检测结果存在Ghost区域,且受环境变化影响,在提取前景时容易产生误检或漏检。针对这些问题,提出了一种基于运动目标自适应检测的改进ViBe算法。首先在背景模型初始化过程中,通过对均值背景建模设置调节参数方式获取真实背景,利用该背景初始化ViBe背景模型;其次在前景检测过程中,根据场景变化引入自适应半径阈值对前景进行自适应检测;最后对检测结果中存在的空洞进行数学形态学闭运算填充。实验结果表明,改进算法能够有效抑制Ghost区域,并在环境变化的情况下较完整地检测前景目标,与传统ViBe算法相比,检测的精确率提高了10%以上,误检率和漏检率分别降低了20%和7%,且改进算法满足实时性要求。     

基于背景学习的运动工件目标分割方法研究

精准的目标分割是实现工业机器人对工件目标跟踪和识别的前提和基础。在非限制场景中运动目标快速分割方法的基础上,提出通过高斯混合模型对传送带背景进行学习,实现了工业机器人视觉系统对传送带上运动工件目标的鲁棒分割。实验结果表明,利用该方法对运动目标进行检测,精度比视觉系统中原有的自适应阈值方法提高了7.5%。本文方法适用于具有稳态皮带背景的工业机器人视觉检测平台上的运动目标的高性能分割。     

基于运动目标自适应检测的改进ViBe算法（英文）

传统视觉背景提取(ViBe)算法检测结果存在Ghost区域,且受环境变化影响,在提取前景时容易产生误检或漏检。针对这些问题,提出了一种基于运动目标自适应检测的改进ViBe算法。首先在背景模型初始化过程中,通过对均值背景建模设置调节参数方式获取真实背景,利用该背景初始化ViBe背景模型;其次在前景检测过程中,根据场景变化引入自适应半径阈值对前景进行自适应检测;最后对检测结果中存在的空洞进行数学形态学闭运算填充。实验结果表明,改进算法能够有效抑制Ghost区域,并在环境变化的情况下较完整地检测前景目标,与传统ViBe算法相比,检测的精确率提高了10%以上,误检率和漏检率分别降低了20%和7%,且改进算法满足实时性要求。     

基于单高斯背景模型和双差分融合的运动目标检测算法

提出了一种新的运动目标检测算法,实现了只对帧图中感兴趣的运动目标区域进行背景匹配更新,能够较精确地检测出运动目标。该算法首先提出了双差分模型确定运动目标最大分布的可能区域,然后融合单高斯背景模型对此区域进行背景重建,再运用背景差分得到精确前景目标。仿真试验结果表明,该方法降低了运算的复杂程度,提高了检测精度,具有很好的鲁棒性。     

基于背景差和多层背景的目标持续检测研究

传统的目标检测方法只能检测出运动的前景目标,而进入监控场景后停止或移动缓慢的目标将被更新到背景里.文章提出了一种基于背景差和多层背景模型的前景目标持续检测方法,将背景分为动态背景和参考背景两层,采用改进的Surendra算法快速提取背景;曰标检测中,采用动态背景检测运动前景,通过动态背景与参考背景之差检测出静止前景.对...     

基于状态分割的运动目标实时跟踪

针对基于云台的移动式摄像头视频监控系统,为准确、实时地对运动目标实施检测、跟踪,提出了一种基于状态分割思想的运动目标实时跟踪方法。该方法将运动目标检测跟踪过程按摄像头的运动状态分为静止、运动2个阶段。在摄像头静止阶段,采用基于混合高斯模型的背景差法检测运动目标,提取目标的颜色特征信息;在摄像头运动阶段,采用Camshift算法对运动目标进行跟踪。开发了基于 OpenCV 开源库的算法程序。实验结果表明,在目标颜色特征显著的情况下,该方法实现了移动式摄像头对运动目标的精确跟踪,并具有较好的鲁棒性和实时性。      

背景运动补偿和假设检验的目标检测算法

根据背景与目标具有不同的运动特性这一事实,提出一种基于背景运动补偿和假设检验的目标检测算法。首先,采用特征点对应法求相邻帧间的运动;然后,用最小二乘法计算出摄像机仿射运动参数,利用此参数进行帧间背景运动补偿后得到稳定的背景;最后,用假设检验方法检测补偿后的帧差图像,经过简单的形态学和连通区域处理后检测出运动目标。仿真表明,该运动补偿算法能有效消除背景突出目标,补偿前后的差分图像信噪比提高了14.71 dB。该算法计算量小,可以成为一种通用的实时目标检测算法。     

改进的低秩稀疏分解及其在目标检测中的应用

针对传统低秩稀疏分解算法用于运动目标检测时,前景提取结果容易受噪声干扰以及检测结果不完整的问题,提出了一种新的低秩稀疏分解模型。考虑到视频前景目标呈结构化分布,以及动态背景对前景提取结果造成影响,该模型利用结构化稀疏范数对前景进行约束,且将稀疏部分所代表的运动区域进一步划分为动态背景部分与前景部分;然后采用广义交替方向乘子法对提出的模型进行求解,并分析了算法的复杂度;最后进行仿真实验将其应用到运动目标检测中。实验数据结果验证了提出的方法比其他基于低秩稀疏分解的运动目标检测方法更加稳定有效,更具有普适性,且对不同类型的噪声均具有一定的抗噪性。     

移动相机下基于三维背景估计的运动目标检测

室内环境中的运动目标检测是计算机视觉领域的研究热点,而移动相机造成的动态背景是运动目标检测的难点。本文提出一种基于同步定位与地图创建(ORB-SLAM)三维背景估计的运动目标检测算法,首先使用移动相机遍历整个室内环境,采用ORB-SLAM技术建立当前全局环境的三维背景特征点云模型;然后基于局部视频建立局部三维特征点云,根据定位信息将当前局部三维特征点云与环境三维背景特征点云进行嵌入,基于环境背景信息,采用三维均值漂移(3DMS)算法,对局部三维特征点云进行前景特征点提取;运用深度卷积神经网络,对提取的前景特征点所在候选区域进行运动目标确认。通过多个室内场景的实际实验进行验证,结果表明本文方法具有较高的运动目标检测准确率和召回率,提出的运动目标检测算法充分利用了三维背景信息,采用深度卷积神经网络进行确认,有效地改善了检测的准确性和鲁棒性。     

基于改进背景差法的运动目标检测

运动目标检测是视觉领域的重要研究内容,文章在研究了现有大量算法的基础上,提出了一种基于改进背景差法的运动目标检测方法,利用三帧差分图像法的主要思想,将背景差法和帧间差法结合起来,使它们优势互补,从而克服相互的弱点。实验结果表明,该方法可以很好地适应背景中存在周期运动干扰的情况,并且可以适应背景突变的情况。     

Centroid weighted Kalman filter for visual object tracking

In the visual object tracking, the Kalman filter presents commonly the state model and observation model uncertainty in the actual performance of Gaussian noise, so it makes the estimation of certain parameters produce errors in the model, and results in decreasing estimation precision. In order to enhance the stability of the Kalman filter, an algorithm based on centroid weighted Kalman filter (CWKF) for object tracking is proposed in this paper. The algorithm firstly uses background subtraction method to detect moving target region, and then uses the Kalman filter to predict target position, combining centroid weighted method to optimize the predictive state value, finally updates observation data according to the corrected state value. Tracking experiments show that the algorithm can detect effectively moving objects and at the same time it can quickly and accurately track moving objects with good robustness.