一种基于灰度相关性的背景更新算法

视频运动目标检测常用的方法是背景差分法,而背景差分法的关键是如何从视频中建立背景模型。IIR滤波器背景更新算法是采用较多的一种背景更新算法,但仍存在一些不足,因此,本文提出了一种基于灰度相关性的背景更新算法,并使用差分图像像素均值法获取阈值对图像进行分割,用基于形态学及连通性分析法对检测目标进行后处理。实验结果表明:该算法能够实得到的背景帧较为理想,能对运动目标进行准确的检测,具有很好的鲁棒性。     

视频监控的目标检测研究

为了实时准确的提取出运动目标,提出了一种基于帧问差分的背景重建算法及基于运动前景的背景更新算法。该算法先对摄像头采集的视频序列进行帧间差分背景重建,通过自适应阈值的背景减法得到运动前景,并分辨出运动目标和伪运动目标,然后进行区域性背景更新。当背景发生整体或局部变化时,该算法能够快速地检测出背景变化,并采用相应算法实时更新背景。实验结果表明,该算法能快速、准确地重建出背景,从而能够完整地提取场景中的运动目标。     

基于视频帧加权的台标自动检测方法

复杂背景切换以及半透明化趋势增加了电视台标检测的难度。针对当前台标检测中存在的问题,提出一种视频帧加权处理的台标自动检测方法。首先根据台标位置的先验知识,利用视频帧加权方法对视频图像帧作实时背景更新处理,得到稳定的灰度台标图像;然后采用Canny算法对实时灰度台标进行边缘检测,得到台标的轮廓图像;最后采用简化的分水岭填充算法得到单个台标图像。使用部分地方电视台台标进行实验,提取出的实时台标图像效果好,证明了该方法的有效性。     

基于车辆跟踪的实时拥堵等级界定

通过视频处理．在车辆跟踪的基础上．得到一定时间内的车流数和平均相对车速参数．并根据参数判定车辆的实时拥堵等级。车辆的跟踪通过背景差分和前景匹配算法实现．同时．为了在车辆拥堵的情况下实现背景的更新,用到了以candy边缘检测结果为参数的背景更新算法。采用道路实况视频对程序进行检验,得到的结果显示该算法的拥堵等级界定结果准确．实时性高．具有一定的现实意义。     

基于高斯背景建模的目标检测技术

研究了室内环境下的运动目标的检测技术。讨论了各种目标检测的算法,提出基于室内相对静止背景下的目标检测算法,利用高斯背景建模方法提取较为理想与"干净"的背景帧,并可进行背景的自适应更新,然后再利用所得的背景与当前视频帧进行相减,得到视频中运动目标的前景图像,经过平滑去噪处理得到较为理想的目标检测效果。     

基于稀疏表达残差的自然场景运动目标检测

本文提出一种基于稀疏表达残差的非参数化运动目标检测算法,在假设前景变化相对静态背景可以视为稀疏残差的基础上,采用视频前n帧初始化稀疏表达字典;利用字典对后续视频帧进行重构,提取每帧的重构残差;结合基于光照强度的全局阈值矩阵,将残差图像二值化,提取图像前景;利用前景区域和边缘点关系剔除ghost区域;采用增量PCA(Principal Component Analysis)算法和保守更新的思想对背景模型进行更新.在changedetection.net提供的shadow数据集上实验表明,采用全局更新和残差计算的方法,可以有效的解决由于自然场景光线变化导致的阴影变化,并且对自然场景中背景的小幅度抖动和相机抖动等问题也具有一定的抵抗能力.     

改进的高斯背景建模在车辆检测中的应用

研究实时环境下运动车辆的检测算法,针对存在渐变及重复性运动的车辆运动背景采用改进的高斯背景建模法,对背景进行更新,将所得的当前背景与前一帧视频图像进行相减,得到当前时刻车辆的运动图像。将所得图像进行数学形态学去噪处理得到较为理想的车辆检测效果图,并根据处理后的图像判断车辆是否运动以及其运动轨迹。实验证明该方法能去除噪声对图像产生的影响,对判断某一时刻车辆是否运动行之有效。     

基于改进的单高斯背景模型运动目标检测算法

针对传统单高斯背景模型(SGM)存在的背景模型不能很好地自适应背景变化、目标检测不完整的问题,提出了一种改进的单高斯背景模型运动目标检测算法,该方法结合单高斯背景模型和mean shift原理对运动目标进行检测。取前N帧视频样本的均值作为初始背景模型,对当前帧图像进行运动目标的初检测,根据单高斯背景模型更新原理用当前帧图像对检测为背景的点进行背景模型更新,对更新后的背景模型中不属于背景点的像素点进行mean shift修正,将进行mean shift修正后得到的背景模型作为最终的背景模型,再通过背景差分法最终检测出运动目标。实验表明,改进的算法能很好地克服背景模型不能自适应背景变化的缺点,目标检测完整度比传统的单高斯模型高。     

基于序列图像的复杂背景下字符识别技术研究

针对舰船模型其横摆度与纵摆度量的检测问题,研究了一种基于序列图像的复杂背景下字符识别方法用以检测舰船模型的摆度量。首先利用背景图像相邻区域灰度值变化缓慢的特性,采用高斯低通滤波算法对图像背景进行实时更新;其次提出了一种基于差分图像统计信息的自适应阈值分割算法,用以消除光线和环境的变化对背景的影响;最后研究了基于改进扫描线算法与模板匹配算法的字符识别算法。实验结果表明,研究的算法可以在不同光照情况下完整、快速地识别出舰船模型上印刷的字符,完全可以用于摆度量的检测,具有较大的实用价值。     

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。     

基于区域特征的视频序列人脸快速检测

提出了一种基于区域特征的快速人脸检测算法.采用瞬时差分和背景差分获取并跟踪运动目标.消除了运动目标引起的背景模型更新误差.在检测到的运动目标区域内.通过基于区域特征的马赛克三分图模型检测人脸区域,并利用频率直方图方法合并所检测区域,最终获得人脸位置.实验结果表明,平均检测时间为30ms/帧,检测准确率可达95.7%,算法复杂度低、检测效果好,适合各类视频图像的人脸实时检测.     

基于视频处理的运动车辆检测算法的研究

车辆检测技术是现代智能运输系统的重要组成部分,现有的相关视频检测算法能够检测目标且对环境具有一定的适应性,但其在算法实时性、识别率等方面仍有待提高。提出了一种基于Fisher准则函数法的自适应阈值背景减法和对称差法相结合的运动车辆检测算法,该方法采用surendra算法提取背景,通过背景减法提取出目标前景,再将其与对称差法相结合得到准确的运动目标区域并实时地完成背景更新。实验表明该方法快速、准确,具有一定的实用价值。     

基于分块背景建模的运动目标检测技术

研究了视频监控系统中的目标检测技术,在分析比较几种目标检测算法的基础上提出了一种使用分块处理的方式建立初始背景模型的方法。该方法对视频序列图像中的噪声有较好的抑制作用,并且能够有效地克服因平均而造成背景模糊和阴影残留的缺点。为适应背景变化,在背景更新方法中结合三帧差分寻找像素值变化较大的像素点进行自适应更新。仿真结果表明,在背景减除中使用该方法能够快速、完整、准确地检测出运动目标。     

基于高斯型点扩展函数的红外图像热源复原

为了复原红外图像的热源,采用高斯点扩展函数的方法来增强热源的清晰度和对比度。首先,确定热源图像的高斯点扩展函数,建立其退化模型;然后,采用维纳滤波的方法复原红外图像中的热源,对复原图像通过YIQ变换来复原其温度场彩色信息;最后,通过边缘锐度和标准差评价分析热源复原的质量,并与盲复原算法对比。结果表明,边缘锐度边缘锐度和标准差分别提高了0.502%和0.124%。基于高斯型点扩展函数的方法对红外图像的热源复原具有明显的效果。     

视频监视中背景的提取与更新算法

提出一种视频监视中背景初始化和更新算法。该算法采用在空域中基于象素中值的方法，来完成对背景的初始化：通过差分当前帧和背景帧，来进行当前帧的重构，应用Kalman滤波器完成背景的更新操作。     

一种基于监控系统的图像清晰度检测算法

视频图像的清晰度是衡量视频监控系统的重要指标。通过比较灰度变化函数、频谱函数、方差梯度函数、灰度熵函数评价图像清晰度的优劣,提出了一种新的清晰度评价函数。通过测试大量的图片和监控视频,对改进后的算法和其他检测算法的性能进行了比较,结果表明,提出的检测算法具有单峰性强、灵敏度高、无偏好性、信噪比高等特点,能够自动实时有效地完成对视频图像清晰度的检测。     

一种序列图像中运动点目标的检测方法

序列图像中运动点目标的检测按图像的成像系统不同,可分为红外图像中运动点目标的检测和可见光图像中运动点目标的检测,而现有检测算法多是针对前者。为寻找一种适用于两种类型图像的运动点目标的检测方法,以多云天空为研究背景,提出了一种新的运动点目标检测算法。采用高通滤波和形态学滤波相结合的方法进行背景抑制,基于检测前跟踪（TBD）的基本思想,根据相邻三帧进行目标分割,利用轨迹能量累积方法完成目标检测。理论分析和仿真结果表明,该算法简单易行．既适用于红外图像又适用于可见光图像的运动点目标,而且对目标的运动速度和方向无任何限制。     

一种实时可靠的视频交通流量检测方法

讨论了一种基于视频的交通流量统计方法,提出了相应的算法.采用叠加平均的方法从一系列图像序列中提取出静止背景,并通过减背景的方法提取出运动车辆并对其进行相应的处理,然后用聚类分析的方法对其进行车辆计数分析,并对背景进行自适应更新.实验证明该方法具有较好的性能,满足实时性处理的要求,稳定性较高.     

基于视频图像中运动目标检测算法的研究

运动目标检测是从实时捕获的视频序列图像或视频文件中将与背景存在相对运动的目标找出来。帧差分法和背景差分法是运动目标检测中常用的方法,文章主要研究了背景差分法中的单高斯背景模型和高斯混合背景模型的基本原理,对这两种算法进行了详细描述,对高斯混合背景算法进行了改进,实验结果表明,改进后的算法在目标检测质量是相对于原来的背景的基础上差分法,混合高斯模型数据量很小。     

利用核密度估计的空基视频运动目标检测

介绍了一种基于核密度估计的空基视频运动目标检测方法.首先,采用特征点对应法进行全局运动估计,根据特征点间的相互位置关系,剔除无效的特征点对,提高全局运动估计精度.并通过背景运动补偿,获取背景相对静止的图像序列;采用非参数核密度估计法进行背景建模,通过背景差分法实现运动目标检测,同时分析了检测噪声产生的主要因素,并采用检...