基于视频图像中运动目标检测算法的研究

运动目标检测是从实时捕获的视频序列图像或视频文件中将与背景存在相对运动的目标找出来。帧差分法和背景差分法是运动目标检测中常用的方法,文章主要研究了背景差分法中的单高斯背景模型和高斯混合背景模型的基本原理,对这两种算法进行了详细描述,对高斯混合背景算法进行了改进,实验结果表明,改进后的算法在目标检测质量是相对于原来的背景的基础上差分法,混合高斯模型数据量很小。     

基于高阶鲁棒主成分分析的视频前景与背景分离

运动目标检测的发展历史由来已久,出现了基于均值方法、中值方法、直方图方法和高斯混合模型等各种检测算法。然而,这些目标检测方法往往未考虑图像背景之间的时间相关性以及前景对象内的空间连续性,也未考虑视频中的其他结构信息。采用微观视角,将目标视频中每个帧像素的张量化进行了扩展,即将原始图像的像素邻域扩展为一定阶数的数组。因此,原始图像转化为了一个形式上的高阶图像。所提出的模型旨在应用于诸如视频前景背景分离等任务,以增强图像算法的有效性。     

长期视频监控系统的多分布模型背景差方法

提出在长期视频监控系统中采用背景差进行运动目标提取时算法所要满足的基本要求，并提出了一种能够满足这些要求的背景差方法。该方法用色度、亮度窨的多个分布模型来建立背景模型，描述彩色视频图像的背景像素点及其统计特性，在对背景模型更新的时将均值、方差的更新速率和多个模型的更替速率分开。对像素值属于多个分布模型的情况，用最小相似距离确定更新的模型。该方法利用提取的前景像素点信息反馈以检测光强的突变，利用亮度信息消除运动目标的阴影。实验证明该方法很好的满足了长期视监控系统的要求。     

一种有效的两阶段视频图像处理方法

传统混合高斯模型是背景估计中常用的方法,但传统混合高斯模型一般为每个像素分配固定的高斯分布个数,从而造成了背景形成速度的减慢和系统资源的浪费;同时也存在着高斯模型背景建模中的缓慢或滞留运动物体造成目标误判现象的问题,即所谓的空洞问题.文中提出了一种有效的两阶段视频图像处理方法.该方法在第一阶段根据像素点的优先级大小自动地调节高斯分布的数目,在第二阶段首先对像素点进行所属区域的划分,进而对目标区域和非目标区域采取不同的更新手段.通过实验表明,采用该两阶段视频图像处理方法能明显的改善背景建模的速度,也能有效的解决提取目标出现的空洞问题,从而验证了该算法的有效性.     

基于改进高斯混合模型的体育视频运动目标检测与跟踪

针对当前体育视频运动目标检测存在的弊端,提出改进高斯混合模型的体育视频运动目标检测与跟踪方法。通过分析高斯混合模型的弊端,保留原有的"背景重建-模型更新-背景更新-目标检测"处理进程,将彩色图像转换为灰度图像,在像素相似度差别小的背景区域进行动态扩张,加入基于灰度直方图的目标跟踪进程,提高高斯混合模型对体育视频运动目标的处理效率与精度。实验结果表明,所提方法对体育视频的干扰处理能力强,检测范围大,检测与跟踪效果好。     

视频图像中的运动目标检测

运动目标检测,是指从视频图像中将运动变化区域提取出来的检测技术,是图像处理技术的基础。在军事公安、交通管理、视频监控、医学检查等领域应用广泛。为了改进单独采用帧差法或背景减法进行运动目标检测时存在的不足,本文提出一种利用边缘信息的三帧差法与基于混合高斯模型的背景减法相结合的运动目标检测算法。该方法对视频图像中连续的三帧图像两两差分,对3个差分图像取均值,二值化,再经过形态学处理,并对中间帧进行Canny边缘提取,将二者进行"与"运算,即得到运动目标的边缘,用背景减法提取中间帧的前景,二值化,将其和目标的边缘进行"或"运算,经过形态学处理便可得到运动目标。实验结果表明,使用该方法目标检出率提高了9.7%~72.1%,误检率降低了0.090%~2.900%。这种二者相结合的方法相对于单一的检测算法能够有效、可靠地提取出运动目标。     

视频序列中目标的检测与跟踪

视频序列中,为降低背景变化对目标的检测与跟踪产生的影响,提出了一种新目标检测与跟踪算法。首先,以像素为基础建立时间序列背景模型,提高了目标检测的精度。然后,采用KD-tree算法进行目标跟踪,获得了运动目标的完整路径。实验结果表明,该方法在视频序列目标的检测与分析中,适应环境变化的能力强,达到实时处理的效果。     

基于视频的行人闯红灯检测方法

针对行人闯红灯的研究,固定在交通路口的单目摄像机拍摄的视频图像背景基本不发生变化,但是室外环境下受光照、温度、天气以及其他原因造成摄像机自身抖动的影响,背景会随着时间发生一定的变化,需要采用自适应的背景建模方法。现采用了混合高斯背景建模的方法提取运动目标。在梯度方向直方图特征(HOG)基础上,运用MIT行人和汽车数据库通过SVM分类器训练,运用训练结果对视频图像当中运动目标进行分类,识别出视频图像当中的行人,运用颜色直方图、位置和轨迹特征对运动行人进行跟踪,结合交通信号和可行区域判断行人是否构成了闯红灯的行为。对视频图像的处理用于行人闯红灯研究,经实验论证切实可行。     

基于视频的车型分类算法研究

对视频图像处理中车型分类算法涉及的摄像机标定和目标分割算法进行研究。通过摄像机标定实现像素坐标到世界坐标的映射,进而准确获取车辆长度及宽度信息。建立车辆高度信息计算模型,获得车辆高度信息。对实时视频图像进行目标分割,并通过车辆长度、高度及长高比等信息实现高速公路中车型分类。经过验证,该方法能够比较准确地进行车型分类,满足实际应用要求。     

车载视频下改进的核相关滤波跟踪算法

针对相关滤波跟踪算法在车载视频下由于环境复杂及目标尺度变化等情况下容易跟踪失败的问题,该文提出一种基于背景信息的尺度自适应相关滤波跟踪算法。首先利用背景感知相关滤波跟踪器融合方向梯度直方图特征预测目标下一帧位置,然后根据预测位置选取图像块进行检测,最后结合动态尺度比例金字塔模型对目标进行尺度估计。实验选取了KITTI数据库中23段车载视频和标注国内的4段车载视频进行测试,实验结果表明,该算法能有效降低车载环境的复杂背景、目标尺度变化等因素干扰,整体性能优于KCF, DSST, SAMF, SATPLE等主流相关滤波算法,对车载环境下复杂背景和尺度变化的目标跟踪具有鲁棒性。     

基于视频增强的昏暗背景下目标检测方法

昏暗背景下视频图像对比度低，通常的检测算法很难实现对运动目标的检测。提出了一种基于视频增强的昏暗背景下目标检测方法，首先通过直方图均衡与时空混合高斯滤波相结合的方法进行视频增强，然后对增强后的视频用传统检测方法进行目标检测。实验表明该方法在昏暗背景下能较好地检测出运动目标，具有较强的鲁棒性。     

基于统计的灰度视频自适应背景建模算法

针对灰度视频的目标检测依赖先验知识、召回率低以及单一算法无法同时兼顾静态与动态背景等问题,提出一种基于统计的背景建模算法。该算法无需先验知识,根据统计信息可以准确区分静态背景和动态背景,并采取不同的检测策略提取目标。对于静态背景,采用改进的三帧差分法自适应设置阈值,可以保证较高的召回率。对于动态背景,采用改进的概率密度估计法可以有效降低虚警率。采用所提算法对光照变化以及阴影进行处理,可以进一步提升算法的性能。在公开数据集与实际采集红外数据进行验证实验。实验结果表明,所提算法在多种场景中处理灰度视频的结果比其他传统算法好,在保证准确率的同时可以极大地提升召回率,并且有效提高目标的完整性。     

基于连通性检测的视频监控运动目标提取

针对背景相对静止、主要检测对象为行人的视频监控序列,提出了一种基于连通性检测的目标提取算法,它把形态学滤波与连通性检测相结合,对分割后的二值化图像进行噪声干扰去除,在获得若干连通区域后,利用面积、外界矩形及其特征对连通区域进行识别,通过区域重心标注目标在各帧位置,实现目标提取.实验结果表明,该算法简单可靠,具有实时性,易于硬件实现,可应用于实际系统.     

基于背景差分和信息熵的运动目标检测算法

提出一种目标检测算法,首先选取视频的第一帧作为背景帧,运用加权累加图像方法更新背景图像,背景图像的更新速率通过相邻帧的差分结果决定,再运用背景差分算法提取出运动目标。计算运动目标的区域的熵值,通过熵值判断出特征目标。实验结果表明,该算法简单,稳定性好,能够较好解决动态背景的问题并且检测出特定目标。     

基于背景重构的视频分割技术及应用

针对背景静止的立体视频提出了一种快速的基于背景重构的视频分割算法.先利用帧差法分别确定出左右视频的前景运动区域,再重构出该区域的背景图像,最后,通过视频图像和背景图像的对比来准确地提取运动前景.然后,先匹配左右图像序列的背景图像,并保存它们的匹配结果,再分别对各立体图像对的运动前景进行匹配.采用该方法将立体视频分割可以...     

一种背景运动视频中运动目标的检测方法

针对成像平台运动情况下的运动目标检测问题,提出了一种从特征点稀疏运动场估计到运动分类的目标检测算法.首先通过快速特征点检测与跟踪恢复出图像稀疏运动场;然后依据特征点之间运动一致性关系实现属于同一运动模式的特征点分类,根据分类得到的各组特征点计算场景图像重建误差,剔除重建误差最小的特征点组,实现对前景目标的检测.仿真实验对该算法在复杂场景中检测运动目标的有效性进行了验证.     

基于视频处理的运动车辆检测算法的研究

车辆检测技术是现代智能运输系统的重要组成部分,现有的相关视频检测算法能够检测目标且对环境具有一定的适应性,但其在算法实时性、识别率等方面仍有待提高。提出了一种基于Fisher准则函数法的自适应阈值背景减法和对称差法相结合的运动车辆检测算法,该方法采用surendra算法提取背景,通过背景减法提取出目标前景,再将其与对称差法相结合得到准确的运动目标区域并实时地完成背景更新。实验表明该方法快速、准确,具有一定的实用价值。     

基于RX算子的背景杂波抑制

红外图像复杂背景杂波抑制是红外监视告警系统发现远距离弱小目标的难题。文章根据红外图像中目标和背景杂波的特性,提出了一种将RX算子与非线性扩散方程相结合的弱小目标背景抑制新方法。该方法首先采用非线性扩散方程对图像进行多尺度分解,获得图像的多尺度特征,然后,根据目标和背景杂波信号系数在不同尺度之间的差异,通过应用RX算子进行处理,从而将红外图像中弱小目标和背景杂波分离,达到抑制背景的目的。实验结果显示,与二维最小均方误差滤波方法相比较,该方法能有效地检测出信杂比在1.6以上的目标。     

红外小目标的分类背景预测与图像分块技术

基于复杂天空背景下红外小目标的特性分析,提出了一种利用分类背景预测与图像分块技术进行红外小目标检测的有效算法。该算法以背景预测理论为基础,通过边缘检测技术、最大均值和局部最相似分类背景预测技术获得较为准确的图像背景,进而采用统计分割算法从残差图像中提取出较为精确的目标位置。其中,通过图像分块处理,提高了算法计算效率。最后,选取了三组具有代表性的红外序列对算法的性能进行了检验。实验结果表明,所提出预测算法在检测准确性、鲁棒性以及计算效率上都具有明显的优越性。     

一种基于梯度图像帧间差分和背景差分的运动目标检测新方法

提出一种基于梯度图像,融合帧间差分和背景差分的运动目标检测新方法.其特点是采用混合高斯背景模型,先利用针对梯度图像的帧间差分检出变化区域,再利用背景差分从变化区域中检出运动物体,最后利用连通性检验消去噪声和阴影.针对真实视频序列的实验结果表明,该方法既简单有效,又具有较小的运算量和较好的鲁棒性.