复杂背景下运动目标的检测

提出了一种统计获取图像背景的方法，该方法与比特层相结合可完成复杂背景下运动目标的检测，与其它获取图像背景的方法相比较，这种统计获取图像背景的方法可同时完成背景的获得和更新．此运动目标检测方法运算简单，抗噪能力强，无需阈值选取．分割结果无重影．实验验证了本方法的有效性。     

一种复杂背景下的运动目标检测方法

提出一种复杂背景下的运动目标检测方法．它根据背景运动情况下,像素与它领域之间的相关性对实行运动目标的检测,消除由于背景运动所造成的错误检测,并采用自适应背景更新方法,提高算法的稳定性和可靠性．通过实验验证,本算法对光照变化、背景运动、前景和背景互化有很强的适应能力．     

一种基于背景重建的运动目标检测算法

根据视频序列的帧间信息，以平均亮度和图象能量为约束条件，提出一种改进的基于块的背景重建方法。利用重建得到的背景图象，通过背景消减实现了运动目标的检测，检测结果以运动目标的外接矩形表示。     

基于背景重建的运动目标检测算法

针对复杂背景下参考帧的提取问题,提出了一种改进的基于帧间差分的背景提取算法。该算法利用帧间差分将图像序列中的背景像素点提出来,从而确定背景帧;并利用序列图像背景点在时间上呈高斯分布,用“3σ原则”判断背景点是否发生变化来更新背景。实验结果表明,该方法可以有效的提取和更新背景,从而完整准确地检测出运动目标。     

基于改进的混合高斯背景模型的运动目标检测研究

针对传统混合高斯背景建模（GMM）在一些复杂场景下未能有效地描述背景,目标容易出现错误的检测,本文提出一种改进算法。该算法先对视频帧进行分块处理,然后对单模区域和多模区域采用不同的更新速率进行更新,最后在空域上对检测结果进行数学形态学的处理,从而提取运动目标。实验结果表明,该算法能够提高背景建立和运动目标检测的速率,在多种场景下运动目标的检测都具有良好的鲁棒性。     

复杂背景下运动目标检测的ViBe改进算法

针对ViBe运动目标检测算法在复杂背景下出现鬼影和鲁棒性低等问题,文中提出一种基于边缘梯度特征的自适应阈值改进算法.通过计算当前帧图像背景复杂度,自适应调整阈值R,提取前景目标;建立前景区域与运动区域的边缘梯度模型,通过判断模型之间的相似度,消除鬼影区域.经对采集的3个设定视频场景进行实验验证,结果表明,该算法对复杂场...     

基于HSV颜色空间静止背景中运动目标的检测算法

针对固定场景视频序列中的彩色运动目标检测,采用HSV颜色空间表示视频原始帧,使用自适应背景更新在原始帧中提取V 分量建立背景帧,利用背景差分法对视频序列进行运动检测,在运动区域二值化时结合原始帧中的H 分量对运动区域进行筛选,从而得到特定运动目标被点亮的前景帧。实验结果表明,该算法能够有效地实现在静止背景、多运动目标共存的视频中检测出特定颜色的运动目标。     

复杂背景及复杂运动前景下的指尖检测方法

人手指尖空间位置的检测是基于视觉的人机交互中的关键问题,该文提出了一种在复杂背景以及复杂运动前景的情况下也能快速、准确、鲁棒得检测指尖的方法。针对传统方法必须对背景、前景设定约束的问题,该文提出了感兴趣运动前景提取算法,即仅提取包含运动人手的前景图像。针对传统方法造成指尖误检测的问题,提出了结合多种人手轮廓关键几何特征来有效得检测指尖的算法,当采集的图像中未包含有伸出的手指时,该算法也能及时作出无指尖判断。实验结果表明该方法对指尖位置检测及无指尖的判断均有较高准确率。     

基于中值背景模型的运动目标自适应检测方法

目的 在保证准确性的前提下,降低运动车辆检测算法的计算量,加快处理速度,满足实时性要求,提出一种基于中值背景模型和自适应阈值的运动检测方法 .方法 基于当前帧与背景图像的差分图像,利用自适应阈值分别对差分图像的三个颜色通道进行二值化,从而实现运动目标的精确检测.同时,根据检测结果 ,采用中值更新策略实现背景图像的实时更新.结果 实验结果 表明,笔者算法可以从复杂交通场景图像序列中有效地检测出运动目标,并且算法计算量小,具有良好的鲁棒性与实时性.算法每帧处理时间比混合高斯降低43%,背景更新时间比一阶Kalman算法降低了45%.结论 算法能够很好地满足智能交通监控系统中运动车辆实时检测的要求.     

旋转复杂背景中红外运动小目标实时检测

针对旋转复杂背景中红外运动小目标检测误检率高、实时性差等问题,提出了目标检测新算法。首先对图像进行中值滤波预处理,计算图像光流场,提取特征点,估算背景光流;然后设置阈值,判断提取备选目标特征点集合;最后通过特征点光流矢量角度、目标灰度值区间、目标特征点区域边缘检测的方法,排除备选目标特征点集合中的背景特征点,实时准确检测旋转复杂背景中红外运动小目标。实验结果表明,该算法能够准确地检测出红外多个运动小目标,检测率93.8%,平均虚警率0.126次/帧,平均每帧耗时15.53 ms,每帧图像处理的最大时间为20.45 ms,能够满足运动目标检测对实时性的要求。     

基于改进的鬼影抑制和自适应视觉背景提取的运动目标检测

视觉背景提取算法(ViBe)利用第一帧图像对背景模型进行初始化, 很容易产生鬼影现象. 由于ViBe使用固定的分割阈值来实现前景和背景的分割, 对于高度动态的背景, ViBe的检测会产生很多的误检测. 针对这些问题, 本文提出了一种改进的 \"鬼影\" 抑制和自适应视觉背景提取算法. 首先, 利用像素的时间与空间信息, 在视频序列的奇数帧中, 利用一定组合的历史像素对背景模型进行初始化. 其次, 利用背景样本集与邻域像素相结合确定背景的复杂度, 得到自适应的分割阈值. 然后, 根据背景的复杂程度调整更新率. 最后, 对检测结果进行后处理, 以达到更好的检测效果. 结果表明, 改进后的算法不仅能快速抑制鬼影, 而且在复杂的动态背景下也能获得较好的检测效果.     

An algorithm for moving target detection in IR image based on grayscale distribution and kernel function

A fast algorithm based on the grayscale distribution of infrared target and the weighted kernel function was proposed for the moving target detection（MTD） in dynamic scene of image series. This algorithm is used to deal with issues like the large computational complexity, the fluctuation of grayscale, and the noise in infrared images. Four characteristic points were selected by analyzing the grayscale distribution in infrared image, of which the series was quickly matched with an affine transformation model. The image was then divided into 32×32 squares and the gray-weighted kernel（GWK） for each square was calculated. At last, the MTD was carried out according to the variation of the four GWKs. The results indicate that the MTD can be achieved in real time using the algorithm with the fluctuations of grayscale and noise can be effectively suppressed. The detection probability is greater than 90% with the false alarm rate lower than 5% when the calculation time is less than 40 ms.     

基于背景差分法和显著性图的海底目标检测方法

如何完整地提取视频中低对比度的小目标一直是运动目标检测中的热点和难点,尤其是处理水下移动设备拍摄的海底视频,更是具有很大挑战性。针对海底视频的特点,提出一种结合背景差分法和显著性图理论的弱小目标检测方法。该方法对减去背景后仍不清晰的含有目标的视频帧,采用显著性图理论提高目标的对比度,以利于更好地分割目标与背景;同时,利用单帧视频中最大目标个数的先验知识,来判断视频中是否有目标出现,避免因杂质太多而造成目标的错检,以提高检测系统的稳定性。在此基础上进行了与常规背景差分法的比较实验,结果显示该方法能够更好地检测到不清晰的目标。     

基于两视处理的单通道SAR地面运动目标检测和定位

提出一种基于两视处理的单通道合成孔径雷达运动目标检测和定位方法．该方法根据静止场景和运动目标的多普勒谱的偏移不同,先把回波的多普勒谱分成对称两段分别成像。然后对两子视合成孔径雷达图像进行非相干相减,从而对消地杂波,增强数据的信杂噪比,提高运动目标检测能力,在对运动目标进行定位时．从合成孔径雷达图像中加窗取出运动目标的复信号并计算其多普勒谱。通过估计运动目标多普勒谱相对于静止目标的平移量．可对运动目标进行较准确的定位并可进一步降低虚警概率。     

以扫描线为单位的背景提取与更新算法研究

基于背景差分法的视频车辆监控系统实时性与准确性的设计要求,提出了一种新的背景提取与更新算法.该算法以扫描线为单位进行运算处理,简单易行.在背景提取和背景更新阶段,分别利用帧间差分和背景差分检测运动前景,再配合适当的运动区域判定条件,很好地消除了运动前景的影响,提高了准确性.通过将背景更新任务分解到多帧中处理,大大缩短了处理一帧图像的耗时,提高了系统实时性.实践证明该方法可行.     

一种视频序列中运动目标检测算法

在现有方法的基础上,提出了一种基于Otsu动态阈值背景差法和三帧差法相结合的运动日标检测方法.首先通过改进的Surendra算法建立背景模型,并由Otsu动态阈值背景差分法得到二值图像,然后与三帧差分法结合,得到可靠的运动目标区域并进行背景实时更新.实验结果表明该方法满足视频序列运动目标检测的实时性和准确性要求.     

基于WinCE的智能网络视频监控系统设计

针对市面上常见的只能实现视频监控的网络摄像机,文章提出了复杂环境下运动目标检测与跟踪的改进算法,并将其集成到摄像机中实现云台控制.在无人干涉时,系统自动分析并提取敏感信息,若检测到入侵目标,则实时向监控人员报警.该系统采用最新的Silverlight技术构建应用程序,实现了UI开发与设备开发的迭代,从而大大加快了设备的开发速度.     

基于魔方旋转方法的量子彩色图像加密方案

为实现彩色图像安全高效加密,基于魔方旋转方法构建了一种量子图像置乱方案,并且设计出了对应的量子线路. 结合量子异或(exclusive OR, XOR)操作和量子交换操作,实现了一种以量子魔方旋转图像置乱为基础的量子彩色图像加密方案,并对该加密方案进行了全部量子线路设计与仿真实验,取得了良好的加密结果. 该加密方案的算法复杂度相对于其经典算法有指数级加速.     

背景变化鲁棒的微弱瞬态信号检测

在微弱瞬态信号检测中,由于信号完全淹没在背景和噪声中,因此当背景信号发生变化时,传统方法的检测性能会急剧降低。针对上述问题,提出一种基于核函数的对连续背景变化鲁棒的微弱瞬态信号检测方法。利用核函数将信号映射到一个高维空间来解决在原始空间中线性不可分的问题。根据信号和噪声特性对核函数加以约束,使检测方法在能检测出瞬态信号的同时还具有对连续背景变化鲁棒特性。将该方法应用于基于高帧频图像序列的微弱运动点目标检测中,实验证明该方法无论是在稳定背景情况下,还是背景连续变换情况下, 相比传统方法都有更好的检测结果,在背景连续变换的情况下优势更加明显。