基于YC_bC_r颜色空间的背景建模及运动目标检测

高斯混合模型广泛应用于基于背景建模的运动目标检测中。首先在YCbCr颜色空间采用自适应高斯混合模型对背景的每个像素建模;然后,对输入的当前帧图像的每一像素值与该像素点对应的高斯混合背景模型的各个高斯模型进行比较,将前景运动区域（包括运动目标、投射阴影）从场景中提取出来;最后,采用局部二元图（Lo-cal Binary Pattern,LBP）来提取纹理特征,利用背景在阴影覆盖前后的纹理相似性去除投射阴影,同时结合阴影的空间几何特性优化运动目标检测结果。实验结果表明,该算法能有效地检测出投射阴影和运动目标,具有较高的实际应用价值。     

基于自适应阈值的前景提取算法

针对固定场景视频监控中运动目标提取的问题,提出了一种基于自适应阈值的前景提取方法。该算法通过混合高斯模型(GMM)对背景建模及更新,利用自适应阈值的方法,实现了模型门限的自适应调整和前景目标的分割。然后通过阴影抑制,滤波以及形态学处理的方法对前景目标进行后处理,改善了前景目标分割的质量。通过对不同场景的测试仿真表明,该算法能够有效地并且比较完整地提取出运动目标。     

基于鲁棒主成分分析的运动目标检测优化算法

针对鲁棒主成分分析(Robust Principal Component Analysis, RPCA)算法中将动态背景误检为运动目标的问题,该文提出一种运动目标检测优化算法。在RPCA算法初步检测出运动目标后,利用动态背景在时间域上满足高斯分布的特性,以及动态背景和运动目标在整个视频流上检出点均值和方差的差异特性,进一步将动态背景和运动目标分离开来。实验结果表明,所提算法能够有效地处理动态背景的问题,并在一定程度上完整检测出运动目标。     

Video inpainting under constrained camera motion.

A framework for inpainting missing parts of a video sequence recorded with a moving or stationary camera is presented in this work. The region to be inpainted is general: it may be still or moving, in the background or in the foreground, it may occlude one object and be occluded by some other object. The algorithm consists of a simple preprocessing stage and two steps of video inpainting. In the preprocessing stage, we roughly segment each frame into foreground and background. We use this segmentation to build three image mosaics that help to produce time consistent results and also improve the performance of the algorithm by reducing the search space. In the first video inpainting step, we reconstruct moving objects in the foreground that are "occluded" by the region to be inpainted. To this end, we fill the gap as much as possible by copying information from the moving foreground in other frames, using a priority-based scheme. In the second step, we inpaint the remaining hole with the background. To accomplish this, we first align the frames and directly copy when possible. The remaining pixels are filled in by extending spatial texture synthesis techniques to the spatiotemporal domain. The proposed framework has several advantages over state-of-the-art algorithms that deal with similar types of data and constraints. It permits some camera motion, is simple to implement, fast, does not require statistical models of background nor foreground, works well in the presence of rich and cluttered backgrounds, and the results show that there is no visible blurring or motion artifacts. A number of real examples taken with a consumer hand-held camera are shown supporting these findings.     

一种有效的图像阴影自动去除算法

目标跟踪与检测研究中,在检测运动前景时也会检测到运动目标投射的阴影。阴影使得运动目标发生几何变形,可能造成运动目标粘连,甚至造成检测不到目标。阴影去除后才能较真实的得到运动目标重心。本文研究一种利用图像YCbCr颜色信息去除阴影的方法。首先利用背景减的方法得到带影子的目标区域,其次进行YCbCr空间的背景减,由于影子和目标物体在YCbCr空间背景减信息有较大差别,因此可以通过阈值判断得到去影之后的精确目标区域,目标物体识别的精确性和鲁棒性将会得到提高。实验结果表明,该方法在去除阴影的同时又较好地保留了前景目标的信息,是一种有效的阴影去除方法。      

基于DSP的无背景模型车流量检测

针对车流量检测中遇到光照变化、树阴、树枝摇动等一系列问题,在运动物体法,背景建模法和时间差分法的基础上,提出了一种基于DSP的无背景模型的新型车流量检测方法。笔者依次使用基于块的帧差法、双重前景融合法、基于纹理对象分割法、假前景滤波法对车流量进行检测。经实验验证,采用无背景模型算法能成功有效地检测车流量,检测准确率达88%,提高了车流量检测的精度。     

低秩稀疏分解下多尺度积的运动目标检测方法

针对基于矩阵分解的运动目标检测方法易受自然场景中背景的小幅抖动和摄像头抖动等因素影响的问题,提出了一种利用多尺度积的低秩稀疏矩阵分解算法。算法假设,静态背景视频序列中,每帧图像背景可近似视为处于同一低秩子空间中,图像前景则可视为偏离低秩空间的残差部分。首先对图像序列进行滤波、仿射变换等预处理得到视频序列观测数据矩阵;然后对数据矩阵进行低秩稀疏分解得到序列图像的低秩背景部分和每帧图像的稀疏前景部分;最后对稀疏前景部分采用小波变换模极大值与多尺度积方法检测目标边缘,并进行形态学处理,得到准确的运动目标。实验结果表明,算法检测到的运动目标清晰、完整,能有效地处理光照变化、摄像头小幅度抖动、图像背景局部小幅度变化等情况下的运动目标检测。      

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。     

复杂背景下基于贝叶斯-全概率联合估计的前景检测

针对复杂背景下前景提取较为困难或者提取准确率较低等问题,该文提出了基于贝叶斯-全概率联合估计的目标检测模型并引入了背景误差控制变量的概念。通过选择适当的特征向量,在贝叶斯-全概率估计模型下,背景像素将会分为静止与运动两种不同的类型,进而准确提取前景像素点。实验结果表明,该模型是一个较为通用的目标检测模型,在目标提取时,该文算法对各种类型的视频背景环境(包括复杂背景)都具有较好的适用效果。     

背景渐变的视频对象分割算法研究及实现

提出了一种有效的背景渐变的视频对象分割算法.首先将前一帧分成前景和背景两部分,然后采用灰度投影匹配算法对当前帧进行全局运动估计和补偿,将当前帧与上一帧进行差分运算,便可得到差分图像.通过对差分图像进行二值化处理,得到运动模板并与前景信息进行相与计算,再结合当前帧信息便可得到运动目标.在TI公司的TMS320DM642芯片上验证了该算法,实验结果表明该算法不仅对亮度变化和环境变化具有鲁棒性,而且可独立、精确地分割出运动目标.     

一种抗光照突变的前景提取方法研究

针对经典前景提取算法无法在光照突变情况下正确提取前景的问题,根据LBP算子对光照不敏感的特性,提出了一种基于截尾均值的纹理特征提取算法,即通过对噪声的抑制及对平坦区域序列的稳定性处理,解决了原有LBP算子易受噪声干扰,平坦区域序列不稳定及得到的纹理图信息冗余的问题.结合高质量纹理特征,根据纹理特征的光照不变性,设计了一种能有效应对光照突变情况的背景更新模型,实验结果表明,本文提出的融合纹理特征的前景提取模型不仅能够在光照缓慢变化的情况下有效地对运动目标前景进行提取,而且在光照突变情况下仍然能够进行准确提取,前景提取的准确率相比平均背景模型提高61.7%,相比混合高斯模型提高59.3%.     

基于图像融合的运动前景检测方法

提出了一种有效的运动前景检测方法。该方法根据图像融合思想,将背景帧与监控视频的当前帧在R,G和B颜色通道分别进行融合,形成包含背景帧和当前帧视觉信息的单一融合图像。之后根据背景区域与前景运动目标在饱和度上存在较大差异的现象,使用大津算法分割融合图像的饱和度分量图,形成运动前景二值图。经形态学处理后,形成了目标区域较完整、背景干净的运动前景检测图。实验结果显示,该算法具有较好的前景检测性能,解决了背景减法过分依赖背景帧的缺陷。     

基于HSV颜色空间的自适应性运动目标检测

格拉斯曼尼(Grassmannian)算法是一种可以由高度不完整信息追踪子空间的在线学习算法,它在视频运动目标跟踪时具有鲁棒性和低复杂度等优点,可以应用在视频前景与背景的实时分离的情况.针对格拉斯曼尼算法在前景分离中,面对室内全局光线突变会产生大量噪声的问题,提出了一种优化的预处理方法.通过HSV色彩空间变换对视频进行阴影检测,根据阈值判断光线变化情况并自适应调整前景内容,最终实现在光照变化情况下的运动目标检测,并有效去除了原格拉斯曼尼算法在光线突变会产生的大量噪声,提高了对光照变化的鲁棒性.     

运动目标的自动分割与跟踪

该文提出了一种对视频序列中的运动目标进行自动分割的算法。该算法分析图像在L U V空间中的局部变化,同时使用运动信息来把目标从背景中分离出来。首先根据图像的局部变化,使用基于图论的方法把图像分割成不同的区域。然后,通过度量合成的全局运动与估计的局部运动之间的偏差来检测出运动的区域,运动的区域通过基于区域的仿射运动模型来跟踪到下一帧。为了提高提取的目标的时空连续性,使用Hausdorff跟踪器对目标的二值模型进行跟踪。对一些典型的MPEG-4测试序列所进行的评估显示了该算法的优良性能。     

基于时空信息的自动视频对象分割算法

提出一种在通用视频序列中从背景里分离出运动对象的方法.首先,使用全局运动估计和补偿、场景变化检测技术进行预处理.然后,使用四阶统计显著性检测方法从帧差图像中分离出前景和背景,并使用连通成分标记算法和一连串形态学开启、闭合操作得到修正后的二值模板图.接着,使用对称差分技术消除覆盖\显露的背景以及部分噪声.最后,使用模板匹配和更新,不仅能够得到快速变化的对象,而且能够得到视频对象暂时停止运动的部分.     

一种基于内容的视频对象分割算法

提出了一种基于内容的视频对象分割算法。该算法先对分块的图像进行运动估计，利用运动矢量初步分割运动前景和背景，对于产生的背景噪声使用改进的中值滤波算法滤除，并用形态学的方法恢复出运动物体。实验结果表明：该算法能够较好地从视频序列中分割运动前景和背景，比较适合于在基于内容的视频编码标准MPEG-4中使用。     

基于混合高斯模型的运动目标检测改进算法

针对传统混合高斯模型法的不足,提出一种基于混合高斯模型的运动目标检测改进算法。首先对模型的参数更新机制进行了改进,不同阶段采用不同的更新率,并选择性地更新背景模型;其次,将改进后的混合高斯模型法与和帧差法结合,进行两次与运算和一次形态学膨胀处理,得到最后的运动目标。实验结果表明,该方法能够有效地消除复杂环境中的噪声,并对阴影有一定的抑制作用,提高了运动目标检测的准确性。     

Tracking deformable and occluded objects using particle filtering and GVF-Snake

An adaptive object tracking algorithm based on particle filtering and a modified Gradient Vector Flow (GVF) Snake is proposed for tracking moving and deforming objects. The original contours of objects are obtained by using the background differencing method, and the true contours of objects can be con-verged by means of the powerful searching ability of a modified GVF-Snake. Finally, an Energetic Particle Filtering (EPF) algorithm is obtained by combining particle filtering and a modified GVF-Snake, and by us-ing K-means and the EPF algorithm, multiple objects can be tracked. The proposed tracking tactic for par-tially occluded objects can effectively improve its anti-occlusion ability. Experiments show that this algorithm can obtain better tracking effect even though the tracked object is occluded.     

Vehicle Tracking and Speed Measurement system (VTSM) based on novel feature descriptor: Diagonal Hexadecimal Pattern (DHP)

Object detection and tracking is an important and active research area in computer vision community. The proposed Vehicle Tracking and Speed Measurement (VTSM) system can find out speed parameters of the vehicles. Speed parameters are used to take judgment on accidents at a low cost. The main objective of this paper is to develop an algorithm that can detect foreground, track specified object and calculate speed parameter of the object. Identifying stationary background from moving objects in a video is a critical task. To achieve superior foreground detection quality across unconstrained scenarios, a novel dynamic background subtraction and object tracking algorithm using a novel Diagonal Hexadecimal Pattern (DHP) is proposed. Metric F-score and MOTA are used to measure the performance of the proposed system. From the results, it is observed that the proposed system gives good results for the background subtraction and tracking.     

融合颜色信息与深度信息的运动目标检测方法

基于颜色信息的运动目标检测易受光照、阴影等影响,基于深度信息的运动目标检测存在目标边缘噪声大,无法检测距离背景较近的目标等问题。针对上述问题,该文利用CCD相机获取的颜色信息及TOF相机获取的深度信息分别为每个像素建立颜色与深度信息的分类器,根据像素点的深度特征及前一帧的检测结果,自适应地为每个分类器的输出分配不同的权值,实现运动目标的检测。该文采集多组视频序列进行实验,实验结果表明该方法能有效解决单独利用颜色或深度信息进行运动目标检测时出现的问题。