基于OpenCV的运动目标检测与跟踪

基于OpenCV开源平台开发了一种多运动目标检测和跟踪的自动化智能方案.针对多个运动目标在复杂场景中的情况,无法根据背景差和帧间差的方法来确定目标是否首次出现,根据新目标期望出现的位置范围和轮廓面积大小采用筛选法来判断目标的性质.利用CAMShift跟踪算法提取每个目标的颜色特征信息,实现对多个运动目标的跟踪,最后将运动目标的轮廓和运动轨迹描述出来.实验结果表明,在目标颜色特征明显的情况下文中方法具有很好的鲁棒性和精确性.     

基于OpenCV运动目标的检测研究

在Visual C＋＋6.0环境下,介绍一种结合背景差分法和瞬时差分法,能在视频序列中识别运动目标算法,结合OpenCV给出了具体过程和部分代码。该算法利用瞬时差分法得到当前帧中运动目标的轮廓信息,在更新背景模型时不更新运动目标轮廓内区域,避免了由运动目标引起的背景模型更新误差,当发现移动物便自动发出警告声。     

智能视频监控中运动目标检测的研究

针对某武器试验中背景复杂,现有的背景差分法在背景模型的维持和更新不能用于长期和复杂的场景,以及对近地目标提取检测困难的问题,提出一种改进的背景差分法。该算法采用结合邻域信息的背景差分法和最大方差阈值法,能够在一定程度上减小背景滞后更新引起的运动目标检测误差,且使目标边缘提取更加明确,从而提高了系统的运行速度,实现复杂背景下的运动目标检测。在Visual C＋＋6.0中用OpenCV实现了相关算法的设计,并给出了完成系统任务所需的部分关键代码,实现了运动目标和试验场景的分离与提取。仿真实验验证了该算法的有效性以及实时性。     

利用OpenCV的运动物体智能视频图象处理监控系统设计

目前,无论是家庭还是社会安全性一直都备受关注。随着计算机视觉、视频智能识别等技术的高速发展,实现监控系统的实时分析报警已成为了可能,本文从运动物体的检测、运动跟踪及行为判断三大技术出发,利用OpenCV设计了一个运动物体智能视屏图象处理监控系统,该系统不但有效的实现对所监控区域的实时监控与报警,而且也对传统视频监控系统进行了革新,重要场所的安全运行提供了强有力的保障。     

一种基于OpenCV实现的三帧差分运动目标检测算法研究

运动目标检测在视觉监控系统、医学图像分析、工业检测和军事等领域有着广泛的应用。运动目标检测处于这些应用的最前端,检测结果的准确精度对后续处理有很大的影响。文中提出了一种三帧差分运动目标检测算法,利用OpenCV函数库进行了仿真测试,并与基本帧间差分算法进行对比分析,结果表明该算法准确率高,运算速度快,能满足实时要求。     

一种改进的帧差和背景减相结合的运动检测方法

针对帧差和背景减相结合的运动检测方法存在的不足,进行了以下3个方面的改进：①利用灰度拉伸变换和结合了灰度值信息的邻域相关系数计算方法,解决了背景的误判问题;②通过在帧差和背景减相结合的策略中加入运动分析,解决了缓慢运动目标的漏检问题;③采用运行期更新法更新背景模型,避免了复杂场景下背景模型的退化。实验结果表明,改进后的方法显著改善了帧差和背景减相结合的运动检测方法在背景误判、缓慢运动目标漏检以及背景模型退化等方面存在的问题。     

基于RGB颜色空间的减背景运动目标检测

在计算机视觉领域中,运动目标检测与分割是一个基础而又关键的问题.减背景法是其中一个比较经典和常用的方法,其难点在于如何获取背景以及实现背景的自适应更新.针对该问?提出一种基于RGB颜色空间的运动目标检测算法,充分利用了图像序列在RGB空间中的变化特点,首先通过抽取帧图像进行背景重构,即对图像序列中每个像素点的RGB值进行排序后取中间值作为该点背景像素的RGB值;在此基础上引入学习率对背景进行自适应更新,然后在RGB空间中进行前景目标提取,最后利用数学形态学和连通性分析对结果进行后处理.实验结果表明,该算法快速有效、能够满足实时要求.     

利用OpenCV实现人脸检测

OpenCV全称是指开放的计算机视觉资源代码,它具有统一的结构和功能定义、强大的图像和矩阵运算能力、方便灵活的接口等特点。在Visual C＋＋2005环境下,给出了利用OpenCV函数库开发人脸检测程序编程实现的方法,简单、方便,并具有较强的实用价值。     

一种用于运动物体检测的自适应更新背景模型

提出一种能自适应更新的背景模型,使得运动物体检测中场景变化时提取的背景能进行相应的更新.该模型利用特征点信息将场景中的像素点分类,并针对不同类别像素点计算其更新速率;然后对像素点采用相应速率进行更新,从而能根据场景不同变化进行自适应更新.实验结果表明,该模型能较好地处理混合高斯模型因采用同一更新速率导致的背景模型更新错误问题.     

基于聚类的背景建模与运动目标检测方法

为克服目前动态背景建模方法中计算量和存储量大的问题,提出了一种基于聚类的动态背景建模与运动目标分割方法。由于动态背景下每个像素的取值在时间轴上呈多峰分布形式,因此将每个峰看成一个子类,用聚类技术快速实现了动态背景的建模与更新,然后利用建立的背景模型快速、准确地实现运动目标的分割。实验结果表明：提出的背景建模方法能有效捕获并适应背景的动态变化,可显著降低目前动态背景建模方法的计算量和内存需求量,易于在基于DSP 或 FPGA等硬件系统上实时实现。     

利用 OpenCV 实现在 Android系统上的图像边缘检测

论文提出了利用OpenCV实现在Android系统上图像边缘检测的方法。介绍了Android NDK开发环境的搭建,利用JNI调用OpenCV中的Canny算子,采用Android NDK生成动态链接库。实验结果表明在Android系统上图像边缘检测功能和性能良好。     

使用OpenCV技术实现的交通检测系统

针对基于视频的交通检测提出了一套解决方案.使用了Vistual Studio 2008作为开发环境,并结合了微软的DirectShow视频处理库和Intel公司的OpenCV图像处理库进行开发.通过对三种不同场景的实验结果表明,对于车辆的识别度高达90%以上.此系统在一般的设备下流畅运行,它能够满足实时性的要求,并且适...     

基于背景差与HOG-LBP的快速运动人体检测

针对单目静止摄像机近距离监控的情形,结合运动目标外接矩形长宽比,提出一种HOG特征联合LBP特征并通过PCA降维的快速运动人体检测算法。该方法包含两个步骤：运动目标提取和运动人体检测。使用帧差与背景差相结合的方法提取运动目标,帧差用于更新背景,背景差用于提取运动目标。运动目标判别即人体检测分为两个部分：单运动人体检测以及多运动人体检测。首先根据运动目标外接矩形的长宽比,把目标分为单目标以及多目标;然后,根据肤色的分布判断单个行人。对于多目标,提取HOG-LBP特征,用PCA降维,结合线性SVM进行群人目标判定。实验结果表明,该方法不仅提高了人体检测速度,还提高了人体检测率。     

基于背景减法和时空熵的运动目标检测新方法

从图像序列或视频中检测运动目标是计算机视觉领域中一个基础而关键的任务,但是,运动目标的检测结果通常会因背景变化(光照、背景抖动)而受到干扰.针对以上问题,提出了一种结合背景减法和时空熵的运动目标检测新方法.算法首先利用改进∑-⊿方法构建背景图像,然后用当前帧图像和背景图像做差,得到差分图像.通过计算差分图像的时空熵,可以有效地检测出目标.实验结果表明,新方法可以检测复杂背景下的运动目标,而且对阈值不敏感,算法耗费时间少,易于实现.     

基于OpenCV的图像分类软件的设计与实现

本系统针对图片分类问题进行分析和讨论,旨在提取图片中的脸部轮廓,利用脸部的详细信息对比不同图片中人脸的相似度,从而实现对相册图片的自动分类管理。利用OpenCV中提供的人脸检测和人脸识别的功能,即使用哈尔小波变换(Haar)和Adaboosting算法进行检测,找出图片中脸部所在区域,进而使用局部二进制模式直方图(LBPH)对人脸进行预测,获得两张脸部之间的相似度,依照目录整理后,可达到图片按人脸分类的效果。在此基础上设计用户操作界面,实现简易、快捷的操作。软件测试结果表明,该软件人脸检测和人脸匹配的成功率较高,为生活提供了便利。     

利用OpenCV实现在Android系统下的人脸检测

本文提出一种基于开源计算机视觉库 OpenCV（Open Source Computer Vision）实现 Android 系统下人脸检测的方法。简单介绍了开发环境搭建以及利用 Android 程序框架实现此应用程序的过程,同时详细阐述了利用 JNI（Java Native Interface）调用 OpenCV 相关函数的具体步骤,以及采用 Android NDK（Native Development Kit）生成共享库的关键过程。实验结果表明此 Android 应用程序人脸检测功能性能良好。     

一种基于对称差分和背景消减的运动检测方法

该文提出一种综合利用对称差分和背景消减来进行运动检测的方法。首先通过建立一个可靠的背景更新模型,由背景消减法得到基本准确的前景图像,然后和对称差分法得到的差分图像综合,得到完整可靠的运动目标图像,最后用形态学滤波和连通区域面积检测进行后处理,以消除噪声和背景扰动带来的影响,并用区域填充算法来填补目标区域的小孔,从而将视频序列中的运动目标比较可靠地检测出来。实验结果表明,该方法快速、准确,有一定的实际应用价值。     

基于OpenCV的摄像机标定问题研究

介绍了可用于图像处理与计算机视觉编程的强大类库 OpenCV,对其应用于双日视觉中摄像机标定问题的主要数据结构进行了说明,重点分析了在 VC 环境下调用 OpenCV 相关库函数的实现摄像机标定的没汁问题,并探讨了该方法中须注意的程序没计问题.该算法对于图像处理与计算机视觉方面的应用设计具有实用价值,对于利用 OpenCV 进行视觉研究有一定参考价值.