基于分级自适应背景差分的运动目标检测

针对经典自适应背景差分法中存在的问题,提出一种基于分级自适应背景差分的运动检测方法.方法结合了帧间差分法和背景差分法的优点,解决了运动检测中常见的拖尾问题和空洞问题.利用识别信息对感兴趣目标单独使用更新系数进行更新,在快速跟踪背景变化的前提下,能够保持对感兴趣目标的持续关注.     

基于背景差分和混合帧差的运动目标检测

针对利用核密度估计建立背景模型时计算量大,运动目标和外界环境容易发生变化,提出一种基于改进的核密度估计背景差分法和改进的混合帧差法相结合的运动目标检测方法。该方法在背景建模时,先对背景差分后的图像进行分块和分类,并简化了核密度估计的核函数,对前景块中的像素进行核密度估计,减少了计算量。在混合帧差法中增加了动态阈值,提高了对光线变化的适应性。实验结果表明该方法能够完整地提取出运动目标,提高了目标检测的准确率。     

基于减背景和混合差分的运动目标检测算法

针对固定摄像机条件下的视频监控问题,提出了一种基于背景相减法和混合差分法相结合的运动目标检测算法。该方法对彩色图像建立混合高斯模型,对背景模型进行实时更新;并对帧间差分法进行了改进,提出混合差分的思想。通过背景相减法和混合差分法的结合,采用形态学滤波的方法去除噪声点,检测到确切的运动目标。实验结果证明,文中提出的算法能准确地建立背景模型,既完整地提取运动目标,又适应复杂环境的变化,提高了运动目标检测的精确度和速度。     

视频监控系统中一种运动目标的检测方法

提出了一种基于改进的背景差分法的运动目标检测和识别的方法,该算法用于视频监控系统中运动目标检测和报警。双阈值法和动态阈值法有效地检测出图像中的运动目标。Matlab 7.0中对算法进行了仿真,实验表明,该方法有效去除了运动目标阴影及背景噪声,可准确地检测出运动目标。     

一种改进码本的运动目标检测方法

针对运动目标检测中存在的阴影及背景噪声和树枝摇摆等问题,提出一种改进型码本模型检测方法。该方法对YUV空间分通道进行处理以解决阴影问题,针对干扰和噪声等影响,在背景差分图像的基础上,对视频帧进行二维网格区域划分,然后再对各个区域进行处理。与原始码本算法及经典检测方法的对比实验表明,该算法检测效果更好,并能满足实时检测需要。     

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.     

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.     

基于改进的三帧差分法运动目标检测

为了提高运动目标检测的准确性和效率,提出了基于改进的三帧差分法检测运动目标的算法.该算法对传统的三帧差分法进行了改进,结合了单高斯模型背景提取、背景自适应更新和自适应阈值提取的方法,从而解决了传统三帧差分法中可能出现的无法检测出完整的运动目标的问题.背景的自适应更新和自适应阈值的提取减少了光线亮度变换以及噪声对运动目标检测带来的影响.实验表明,该算法与传统的三帧差分法相比可以更加完整地检测出运动目标,并且可以有效地避免出现“漏检”等情况,提高了运动目标检测的效率和准确性.     

基于五帧差分和模板匹配的运动目标检测识别

针对帧差法和背景差分法检测运动目标准确率低,自适应能力弱等缺陷,提出了一种改进五帧差分法与背景差分法和模板匹配相结合的运动目标检测和识别算法;通过改进的五帧差分和背景差分法融合的算法从视频图像序列中检测出运动目标;利用形态学方法去除噪声,改善运动目标提取效果;在Harris算法提取图像匹配特征值的基础上角点配准,提高图像识别的准确率,通过提取目标特征与自适应模板图像进行特征匹配的方法实现了目标检测识别和跟踪。仿真结果和实验表明该方法有噪声和部分遮挡的运动目标有良好的检测识别效果,识别率达到了95%。     

基于视频序列的运动目标检测

为了能够在数字视频系统中实时的检测出运动目标,提出了一种基于序列图像的运动目标实时检测方法.采用了改进的基于自适应背景提取与自适应阈值分割的背景差分方法提取运动区域,同时使用高斯滤波及形态学滤波消除噪声等,改善了对运动区域的提取效果.实际工程实践证明,该方法可以准确、有效的完成运动目标分割,经统计,检测准确率在95%以上.     

一种基于帧差法与背景减法的运动目标检测新方法

为改进单独利用帧差法或背景减法进行运动目标检测时存在的不足,提高运动目标检测的准确率和鲁棒性,提出了一种利用边缘信息的帧间差分法和背景减法相结合的运动目标检测方法.该方法首先通过基于边缘信息的三帧差法获得一幅前景图像,然后利用改进的mode算法进行背景差分获得另外一幅前景图像,最后将得到的两幅前景图像进行布尔或运算,得...     

基于RGB三通道分离的运动目标检测方法

背景图像的提取和更新是背景差分的关键。传统的背景差分法是对灰度图像进行处理,在检测前要对彩色图像进行颜色空间的转换,必然会丢失许多信息。对时间中值获取背景模型的不足加以改进,设计并实现了一种基于RGB三通道分离的运动目标检测方法。用形态学处理和连通性分析消除噪声,用区域填充技术填充目标区域内部空洞,在HSV空间去除阴影部分,得到比较准确的运动目标。实验结果表明,该算法在运动目标存在的情况下也能获得较准确的背景模型,当目标灰度值和背景灰度相近的时候,也可以检测到较完整的运动对象。     

基于高斯金字塔与差分法的多目标检测和跟踪算法

针对复杂背景下的多目标检测和跟踪问题,提出了将背景差分目标检测算法与高斯金字塔图像重采样相结合的运动目标检测算法．该算法采用高斯金字塔法对图像进行重采样,建立背景模型,使用背景差分法获得前景区域,并对前景区域进行阴影检测、去除,从而检测出完整目标．融入了高斯模型关于背景更新的算法,克服了由于背景突然改变而造成的误检测．在目标阈值的确定过程中,采用动态阈值确定法,以提高目标检测的正确性．同时将目标的颜色特征和运动矢量引入到多目标跟踪算法中,提高目标跟踪的准确性．实验结果表明,该算法对于场景中存在目标频繁出现、消失、交叉运动和遮挡等情形均有较好的检测与跟踪效果．     

自适应背景下运动目标阴影检测算法研究

智能视频监控系统的主要难点就是如何检测出运动目标的阴影并将他去除。用一种改进的自适应背景检测算法准确检测运动物体的位置和形状。然后根据阴影的颜色变化、结构等特点,分别采用基于RGB彩色模型和基于HSV彩色模型的阴影检测法检测阴影。在仿真实验中,对两种方法进行定量和定性的分析,在阴影检测率、识别率、复杂度和实时性等方面做出了比较。结果表明,两种方法都有较强的适应性,具有良好的阴影检测效果。根据各自的优缺点,可应用在不同领域中。     

对运动车辆检测之背景减除法的一点改进

采用背景减除法来进行运动车辆的检测,同时利用两次统计平均的方法以及适当的参数的选择,来进行背景的更新,通过数学形态学对结果进行修正,最后用Matlab对算法进行了仿真,证明该算法对运动车辆检测的有效性。     

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.     

基于自适应背景图像更新的运动目标检测方法

在运动目标的实时检测中常用的方法是背景图像差分法,但因其缺乏背景图像随监视场景光照变化而及时更新的合理方法,限制了本方法的适应性.对此,本文首先提出了一种基于光流场等技术的自适应背景逼近更新方法,并根据彩色差值模型得到差分图像;然后引入Gauss模型实现运动目标的自适应阈值分割.实验结果表明:本文提出的背景更新方法可随着光照条件的变化实时、准确地更新背景图像,在此基础上提出的基于Gauss模型的自适应阈值分割方法可以实现运动目标的完整分割,这为运动目标的后续识别与理解奠定了基础.