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。     

一种基于码本背景模型的运动目标检测方法

针对减背景算法中复杂背景下背景帧的提取问题,给出了一种码本背景提取方法。利用视频图像序列中的颜色和亮度信息,为每一个像素点创建一个码本,且码本随着其中码字的更新而更新,所有像素点的码本构成一个完整的背景。用当前视频帧和码本进行比较得到前景运动目标。结果表明：算法运算量小,适合做实时处理。     

一种改进的视频运动目标检测算法

该文提出了一种改进的视频运动目标检测算法。该算法采用动态选取模型数的混合高斯的方法建立背景模型并实时更新,与当前帧比较进而提取出视频运动目标,通过扩展的区域生长法对运动目标进行定位。在背景差图像经过阈值化及形态学膨胀、腐蚀的基础上,定义扩展区域的大小,并设定区域内前景点个数的阈值,进行连通区域合并和前景区域定位。采用不同的视频测试序列,从检测效果及耗时上研究了改进的视频运动目标检测算法的性能。实验结果表明,该算法具有良好的检测效果和实时性能。     

一种基于空间信息的运动目标检测方法

针对现实生活中由于光照变化、背景噪声干扰、摄像机抖动等因素对运动目标的检测与识别存在巨大挑战的问题,提出了一种基于空间信息的运动目标检测算法。通过对像素点及其区域的亮度和角度差分等信息提取特征,建立背景模型,去除光照因素的干扰,比较当前帧和背景模型的相似系数确定前景区域,并且采用了自适应阈值的方法二值化前景图。实验证明,该方法能克服光照突变等复杂背景的干扰,实现对运动目标实时准确检测。     

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．     

一种新的运动目标自适应图像分割算法

提出了一种新的运动目标自适应图像分割算法．在设置自适应跟踪波门对运动目标进行跟踪的基础上,依据最大类间方差函数准则自适应地求出调节系数,再用设置门限分割法完成图像的自适应分割．对该算法进行了详尽的图像分割实验,与著名的Otsu法、迭代法、最大熵法相比较,该分割算法不仅能适应多种复杂背景,而且分割精度高、速度快,是一种实用有效的图像分割方法．     

复杂背景图象的一种分割方法

具有复杂背景的图象已经相当接近于实际图象，对它的分析是比较困难的。但它无疑又是计算机视觉中有重大意义的一个领域，一般认为分割是这项工作的第一个难点。本文提出一种基于区域分割的合并分割算法，即对图象先作一区域分割，再用边缘检测的方法加以修正。并对一些复杂背景下的积木物体进行了实验。     

基于随机样本的背景建模方法

为了解决目标检测跟踪背景建模所面临的复杂性和提高目标跟踪的响应速度,提出了一种基于随机样本的新的背景建模方法。该方法对每一个像素建立一个背景模型,模型由一系列像素值样本构成,这些样本取自于该像素的历史像素值或其邻域像素值。该像素属于前景目标还是背景通过和模型进行比较来判断。如果像素值属于背景,则用该像素随机替换样本像素值进行模型更新。该算法改进了传统背景建模方法中更新最旧像素值的做法,对背景的光照渐变、突变、动态背景、阴影和噪声都有较强的鲁棒性。实验证明,比较其它背景差技术,本文算法在运算速度和检测正确率方面都具有较好的效果。     

基于改进DRLSE的运动目标分割方法

为了得到精准、连续的运动目标轮廓,提出将帧间差分法和改进的距离规则水平集演化(DRLSE)方法结合应用于运动目标分割.采用帧间差分法得到运动目标的初始轮廓;使用在能量泛函的外力项中融入运动序列时空变化信息的DRLSE方法进行轮廓演化,避免演化受背景边缘干扰,得到精准的运动目标轮廓;根据精准目标轮廓的反馈估计运动方向,并结合帧间差分法为后续的DRLSE提供一个较佳的初始轮廓,能显著提高运动目标的分割速度.实验结果表明,与现有算法相比该改进方法能够更精确、更快地得到运动目标轮廓.     

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.     

一种复杂场景下位置改变运动目标的检测方法

针对三帧差分法不能够实现将复杂场景中的位置不变运动目标与位置变化的运动目标分开,本文提出了一种三帧差分法的改进方案,该方案首先利用三帧差分法检测出场景中所有运动的物体,然后利用背景辅助识别的方法将位置不变自身变化的运动物体识别出来。实验证明该方法可以有效地减少三帧差分法存在的误判现象。     

一种复杂场景下位置改变运动目标的检测方法

针对三帧差分法不能够实现将复杂场景中的位置不变运动目标与位置变化的运动目标分开,本文提出了一种三帧差分法的改进方案,该方案首先利用三帧差分法检测出场景中所有运动的物体,然后利用背景辅助识别的方法将位置不变自身变化的运动物体识别出来。实验证明该方法可以有效地减少三帧差分法存在的误判现象。     

一种基于二维网格的自动视频对象分割及跟踪方法

提出了一种基于二维网格的自动视频对象分割及跟踪方法。该方法首先检测图像中的特征点，然后将特征点分为运动和静止两类，再提取、构造粗糙运动对象轮廓，再进一步得出较精确的运动对象边缘，最后跟踪分割出的运动对象，实验证实算法是有效的。     

时空结合的视频对象分割方法

视频对象分割是MPEG(Moving Picture Experts Group)-4视频编码的关键技术.针对常用方法的不足,提出了1种新的视频对象分割算法.形态学滤波后利用分水岭算法实现空域分割,时域分割采用二次帧差求交集的方法获取运动区域,然后时空结合.仿真结果表明该算法简单、快速、准确.     

时空结合的视频对象分割方法

视频对象分割是MPEG（Moving Picture Experts Group）-4视频编码的关键技术．针对常用方法的不足，提出了1种新的视频对象分割算法．形态学滤波后利用分水岭算法实现空域分割，时域分割采用二次帧差求交集的方法获取运动区域，然后时空结合．仿真结果表明该算法简单、快速、准确。     

复杂静态背景下多移动目标实时检测系统的FPGA实现

设计了一个基于FPGA的复杂静态背景下多移动目标实时检测系统。系统采用背景差分算法进行移动目标检测;采用中值滤波、像素漂移、腐蚀膨胀、Sobel边缘检测算法对差分结果进行处理。实验结果表明,在复杂静态背景下,系统可以精确地检测到视野内的移动目标,能够提取清晰的目标轮廓,并及时报警;通过多重去噪技术,基本将噪声滤除干净;系统处理速度快,能够满足智能视频监控系统实时性的要求。     

局部背景边缘干扰下运动视频完整轮廓检测方法

针对传统相邻帧差算法在对轮廓检测过程中无法有效解决局部背景边缘干扰的问题,提出基于高速并行细化算法的运动视频完整轮廓检测方法.基于Sobel算子对运动视频轮廓进行粗检测,通过形态学后处理对粗检测获取的运动视频目标轮廓进行腐蚀运算,过滤其中的噪声,使图像边缘向内紧缩;采用两次膨胀处理恢复并增强运动视频目标图像的连通区域,引入高速并行细化算法对图像进行细化处理,采集图像骨架,并获取线条平滑的完整运动视频目标轮廓图像.结果表明,所提方法检测出的运动视频目标轮廓更为完整、清晰,并且检测效率高.     

基于单目视觉的运动障碍物检测

针对室内结构化环境中光照和外界环境的实时变化,提出一种基于单目视觉的改进的运动障碍物检测算法。利用单目摄像头截取图像,进行灰度转换和中值滤波,将混合高斯模型背景差分法和帧差法相结合,并引入面积信息,对二值化后的差分图像进行形态学处理和连通性分析,有效的解决了空洞问题,得到完整的运动目标信息。实验结果表明,该方法能准确快速检测所观测区域内的运动障碍物,实时性,鲁棒性好,对光照等外界条件的变化有很好的适应性。     

Automatic Video Segmentation Algorithm by Background Model and Color Clustering

In order to detect the object in video efficiently, an automatic and real time video segmentation algorithmbased on background model and color clustering is proposed. This algorithm consists of four phases:backgroundrestoration, moving objects extract,moving objects region clustering and post processing. The threshold of thebackground restoration is not given in advanced. It can be gotten automatically.And a new object region cluster     

面向高速公路抛洒物检测的动态背景建模方法

针对高速公路抛洒物检测中传统的固定背景建模方法容易因开放环境变化产生大量的前景噪声,动态背景建模方法容易因抛洒物的静止特性导致前景对象快速融入背景,提出基于背景分离高斯混合模型（BS-GMM）的动态背景建模方法. 该方法对传统高斯混合模型的背景划分和模型匹配方法进行改进,设计基于像素点的高斯分布背景模型权值的衰减状况进行背景建模和背景更新的方法,既能减少开放环境大量环境噪声的影响,也能对抛洒物快速进入静止状态后的准确检测,在计算性能上能够达到实时检测的效果. 实验结果证明,BS-GMM方法在抛洒物检测过程中产生的噪声数量比其他方法少,且对静止超过20 s的物体能够作为前景目标提取,因此能够有效地应用于高速公路抛洒物的准确识别.