一种区块特征匹配与边缘差分结合的运动目标检测算法

由于动态背景中存在运动目标检测准确率不高、耗时过长,提出一种区块特征匹配结合边缘特征的运动目标检测算法。首先将视频图像目标检测块与背景块分离,对相邻帧背景块进行运动补偿;进而对连续多帧图像进行边缘特征提取,最后对多帧的边缘图像差分,经由形态学处理和阈值分割得到运动目标区域。该算法能有效减少特征提取耗时,降低背景噪声的干扰。实验结果表明,该算法检测运动目标的准确性较好,且抗噪表现较好。     

应用级联分类器检测安瓿内弱小运动目标

针对序列图像内具有低信噪比和低对比度特征的运动目标,提出了一种基于级联分类器的弱小目标检测算法。该算法从安瓿瓶序列图像内提取绝对差分值、局部差分对比度和局部相关系数3个图像特征。每个图像特征对应一个分类器,通过三层级联形式实现序列图像中的小目标检测。第一个节点与传统帧间差分法类似,主要去除大量背景图像并检测出大颗粒运动目标,后两个节点则用于检测弱小目标、排除光流和瓶身污渍产生的噪声点。实验结果显示,相对于传统的帧间差分法,本文算法具有高检测精度和高抗干扰能力等特点,不仅可以检测出图像中弱小运动目标,同时也消除了复杂背景下的噪声影响,弱小目标的检出率达到99.3%,并且满足安瓿在线检测的实时性要求。     

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.     

基于帧差法的多波束前视声呐运动目标检测

针对多波束前视声呐图像中运动目标的检测问题,提出一种背景消除算法。该算法以声呐波束数据为处理对象,借鉴光学视频处理中的三帧差分法,从三帧声呐数据中得到运动目标的二值图像。分析了多波束前视声呐数据的结构和成像原理,对比了传统声呐图像处理以显控截图为处理对象和本文以声呐波束数据为处理对象的优缺点,同时也根据声呐图像的特点对三帧差分法进行了改进。实验结果表明,该算法能有效地将运动目标从背景中分离,并且以声呐波束数据为处理对象比以显控截图为处理对象效果好且实时性高,同时改进后的三帧差分法也对算法效果有提升。因此该算法可作为运动目标跟踪、检测和识别的基础,具有应用于水下监控工作的潜力。     

一种基于时空信息的多目标检测新算法

运动目标检测是计算机视觉中进行信息提取的关键技术之一.为了克服传统帧间差分法检测出的目标不完整的缺点,提出了一种基于时空信息的视频图像中多目标检测新算法.该算法将帧间差分得到的图像序列的时间信息和帧间边缘差分得到的图像空间信息结合起来检测图像中的运动目标,同时利用形态学闭运算和近区域合并方法进一步强化图像中的空间信息,利用小区域去除的方法去除图像中的噪声影响.最后通过3组实验对其有效性进行了验证,实验结果证明,其检测效果与传统算法相比有较大改善.     

序列图像中弱小运动目标检测方法

通过研究利用远距离拍摄获得的飞行目标运动轨迹的图像序列,分析图像的特点,研究目标自动识别的方法.采用基于块匹配技术的配准图像,对原始图像进行配准;采用基于能量累加的背景去除技术,获得包含目标及噪声的图像序列;采用自适应阈值分割技术,得到包含目标及噪声点的二值图像;利用目标帧间相关而噪声帧间不相关的特点,根据目标的速度梯度和方向梯度,对二值图像中所有的点进行帧间相关性判断,获取目标点.实验结果表明,该方法能够有效地在飞行目标运动轨迹的图像序列中准确识别出弱小运动目标.     

基于改进SIFT算子的动态障碍物检测方法

针对行车辅助驾驶系统在进行动态障碍物检测时遇到的背景复杂和实时性要求,提出了一种基于快速鲁棒的动态目标假设检测算法,算法首先采用相邻帧间特征点位置估计改进SIFT匹配算子,实现全局背景运动补偿参数快速估计,然后利用三帧差分法对图像处理后,通过改进背景方差估计,改善传统假设检验方法对图像边缘目标漏检的问题,进一步提高动态目标检测的准确性。实验表明,算法不仅保持了SIFT算子的优越性能,提高了参数估计精确性,而且极大地提高了特征配准和检测速度,满足系统的实时性要求。     

一种复杂背景下运动扩展目标识别算法

目标识别的关键在于提取出目标有别于背景的特有的特征.在复杂背景下,灰度特征、区域特征、形状及纹理特征难以对目标进行有效的识别,而运动特征是明显的有效特征,提出了一种基于稀疏运动场的目标识别方法,首先用改进Barnard算法对相邻两帧图像进行特征点提取,然后在特征空间用块匹配的快速算法估计出稀疏运动场,再进行C均值模糊聚类识别.实验表明这种算法能对复杂背景下高速运动的扩展目标进行快速稳健的识别.     

一种复杂背景下运动扩展目标识别算法

目标识别的关键在于提取出目标有别于背景的特有的特征.在复杂背景下,灰度特征、区域特征、形状及纹理特征难以对目标进行有效的识别,而运动特征是明显的有效特征,提出了一种基于稀疏运动场的目标识别方法,首先用改进Barnard算法对相邻两帧图像进行特征点提取,然后在特征空间用块匹配的快速算法估计出稀疏运动场,再进行C均值模糊聚类识别.实验表明这种算法能对复杂背景下高速运动的扩展目标进行快速稳健的识别.     

一种运动目标检测与跟踪的方法研究

针对视频序列中运动目标的检测与跟踪进行了研究,提出了一种基于视频序列的YCbCr模式归一化定义,利用三帧图像差分,区域生长生成运动矩形框的方法对目标进行运动分割;并利用基于速度差的粒子滤波器对运动框的移动进行预测,从而达到快速跟踪运动目标的目的。实验结果表明通过调节内部参数,在固定摄像机不复杂背景下对人、车运动目标检测与跟踪是快速且有效的。     

基于背景差分和光流法的运动目标检测与跟踪

本实验研究的系统是利用混合高斯背景建模的方法建立一个背景模型,通过背景差分法从一系列包含运动目标的图像帧中提取出运动目标,并对提取出的目标区域进行金字塔光流法,以目标区域的光流方向作为运动目标的运动方向。最后通过vc++平台和opencv库设计一个演示环境,实现在单一的场景中实现运动目标检测和跟踪,验证本系统算法的可行性。     

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FPGA的运动目标检测系统的设计

针对运动目标检测对实时性和准确性要求较高的问题,本文设计了一种基于FPGA的运动目标检测系统。首先,用CMOS摄像头采集视频图像,缓存入SDRAM存储器,对缓存的图像采用帧间差分法检测出运动目标;之后,对帧间差分法在画面中产生的空洞与噪声点,采用形态学滤波滤除;最后,将处理后的图像送入图像显示模块进行显示。在QuartusⅡ13.0环境下完成该算法的硬件设计。实验结果表明,设计的系统能够实时地检测出运动目标且准确性高。     

CenSurE特征和时空信息相结合的运动目标检测

提出一种结合中心环绕极值特征(CenSurE)和时空信息的运动目标检测算法,用于提高动态场景中运动目标检测的速度和目标的完整性.首先,根据CenSurE特征点提取的快速性和精确性,使用该特征和单应性变换模型快速、准确地配准运动序列帧间图像,从而补偿摄像机运动引起帧间背景的平移、旋转和缩放量.然后,在时域对背景配准帧用帧差信息生成运动前景掩模,根据前景掩模的空域信息建立动态更新的实时背景,并使用空域背景减除和一种基于概率统计的自适应阈值分割方法提取较为完整的前景运动目标.最后,通过标准视频序列进行测试以验证算法的有效性.实验结果表明,该算法能够达到15 frame/s的处理速度,且在保证检测速度的同时可得到完整的运动目标,基本满足动态场景中运动目标检测的快速性、抗噪性、光照适应性以及目标完整性等指标.     

视频图像中运动目标检测的快速方法

研究了基于Kalman滤波理论的渐消记忆递归最小二乘法,探讨了渐消记忆递归最小二乘法在图像序列重建图像背景中的应用,还提出两种检测移动阴影的快速算法,并用于视频图像运动目标的检测.先用背景重建算法对复杂背景进行更新预测,再用当前帧图像与预测背景差分提取动目标,最后检测并去掉目标的阴影.这里提出的检测方法简单、有效,便于用硬件快速实现.文中给出了实验结果.     

基于改进C-V模型的多运动目标分割

针对固定摄像机视频监控中多运动目标自动分割问题,本文提出了一种基于帧间差分和改进C-V模型的新方法。首先,通过自适应阈值获得滤波后的相邻帧差值图像。其次,通过连通域分析和设定阈值,消除差值图像中噪声的影响并标定出运动目标所在的区域,计算运动区域的运动窗口。最后,对所有运动窗口,采用改进的C-V模型作分割,得到封闭和完整的运动目标轮廓。针对C-V活动轮廓模型不能自适应地分割非匀质图像问题,提出利用全局梯度信息演化活动轮廓曲线,根据闭合活动轮廓曲线内外部的梯度信息重新定义图像分割能量函数。实验结果表明,该算法避免了对整个图像的分割,减少了运算量,能实现对刚体或非刚体的多运动目标的自动检测和轮廓分割。     

基于MATLAB的静态手势分割与识别研究

设计了手势的分割与识别程序系统,采用USB摄像头作为单目视觉下的视频输入设备,结合MATLAB软件对采集的目标图像进行识别。结合基于运动的手势分割与基于肤色的手势分割2种手势分割方法,提取运动肤色区域,通过计算此区域的均值与方差矩阵更新高斯模型,设定合理的肤色相似度阈值检测出图像中的肤色区域,从而将手势图像从背景中分割出来。最后,利用模板匹配的方法,对分割出来的手势进行快速识别。实验证明,程序具有很好的分割效果,在复杂环境下对裸手手势识别的成功率大于90%。     

基于Radon变换的空间目标运动方向检测

基于Stellarium开源天文软件获取的星空背景图像数据,在其上随机添加不同运动方向的小目标,并在不同的帧图像对小目标进行随机方向和大小的位移,模拟空间目标的形态特征和运动特征;在对序列帧图像进行预处理、去除噪声、图像分割、质心确定、图像配准、最大值投影等一系列操作后,生成包含运动目标轨迹和恒星背景目标的图像;之后使用Radon变换对空间目标的运动方向进行检测。实验结果表明,该处理方法和流程不仅能够对单个目标进行运动方向检测,而且能够检测多个运动目标的运动方向,计算得到的空间目标运动方向和实际设置运动方向的绝对误差精度均值为0.022 2°,支持对圆弧状运动轨迹进行分析,并对噪声有一定的抗干扰能力,能够有效地对空间目标运动方向进行精确、准确检测。     

全局运动序列的视频对象分割算法

针对全局运动视频序列，本文提出一种快速有效的基于边缘均灰度投影匹配的全局运动估计与补偿算法，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，从而能够沿用静止背景序列的视频对象分割算法。实验结果证明，该方法能够从背景变化的视频序列中较好地提取运动对象，具有较强的鲁棒性。     

基于混合智能算法的肇事车辆追踪系统设计

针对目前肇事车辆追踪难题和传统算法检测精度低、速度慢的缺陷,设计了一个基于混合智能算法的肇事车辆追踪系统.采用帧差分法得到目标运动区域,利用背景差分法提取精确的目标图像,然后提取目标特征点处的光流并对兴趣区域标注,克服了空洞、重复检测和光照影响的问题,降低了时间复杂度,使目标追踪结果更精确可靠,检测时间少.实验结果表明,与传统算法相比,该系统能够快速、准确的追踪肇事车辆,具有很强的有效性和实用性.