基于双向稀疏光流融合的小目标检测方法

针对动态背景下的小目标检测问题,提出了基于双向稀疏光流融合的目标检测方法.首先采用FAST方法提取当前帧图像中的角点,然后在连续的三帧图像中进行前、后向稀疏光流跟踪,确定正确匹配的特征点对,利用匹配的特征点对计算用于背景补偿的帧间运动参数,最后在背景补偿的基础上进行三帧差分,以检测出图像中的运动小目标.实验结果显示,本算法能够很好地解决背景和目标同时快速运动的问题,为运动目标的跟踪奠定基础.     

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%。     

复杂背景下运动目标检测方法

利用相邻两帧图像的运动信息更新特征块提取阈值,实时地提取出当前帧图像中最能体现背景运动特征的特征块。采用块匹配的运动估计方法获取了各块的运动矢量,再依据所有特征块运动矢量的统计特性提取出背景运动矢量来配准差分,实现了目标的检测。实验结果表明,此方法能有效地检测复杂背景下的运动目标。     

基于背景差分和信息熵的运动目标检测算法

提出一种目标检测算法,首先选取视频的第一帧作为背景帧,运用加权累加图像方法更新背景图像,背景图像的更新速率通过相邻帧的差分结果决定,再运用背景差分算法提取出运动目标。计算运动目标的区域的熵值,通过熵值判断出特征目标。实验结果表明,该算法简单,稳定性好,能够较好解决动态背景的问题并且检测出特定目标。     

基于角点的动态背景下运动目标检测算法改进

由于动态摄像机行为造成了背景模糊等问题,结合角点矩特征的全局运动估计算法,将最大类间方差法引入RANSAC估计算法,对常用的RANSAC算法进行改进。在目标检测过程中,利用基于差分相乘原理的运动目标检测算法实现了运动目标的检测定位。针对获取到目标位置的后续帧序列的目标检测,提出了基于改进的奇异值分解的角点匹配的运动目标检测算法。实验表明,提出的算法对于背景发生变化的场景,能达到较好的背景运动补偿效果,在随后测量的动态背景状态下,可以准确检测后续帧序列的运动目标,并且具有良好的鲁棒性。     

网球运动视频目标丢失点特征补偿方法研究

对于网球运动视频目标丢失点的特征补偿,传统方法有效性不足的缺陷,提出基于帧间差分消除的网球运动视频目标丢失点特征补偿方法。首先构建三维检测目标模型,利用帧间差分消除算法从运动视频图像中提取背景,预测目标运动轨迹,通过希尔伯特变换分析图像前景的轨迹相位差值特性,检测出目标丢失点。通过观察目标丢失点顶点结构,给出目标丢失点补偿措施。实验实测数据表明,所提方法对网球运动视频目标丢失点的分辨能力得到了大幅度提升,对丢失点的特征补偿精度更高,并且反应时间有效缩短。     

基于全方位视觉的移动机器人运动目标检测*

针对移动机器人动态背景下运动目标的检测,提出一种基于全方位视觉的检测算法。首先,改进了SIFT算法中的特征点提取方法,在将图像划分为若干网格后,再根据特征点所在位置的局部区域熵对每个网格中的候选特征点进行筛选;其次,在SIFT点匹配后采用RANSAC算法去除误匹配点,以提高背景补偿的精度;最后用帧差法检测出运动目标。实验表明,该算法减少了SIFT点的获取时间,并具有良好的鲁棒性,能准确地在机器人运动过程中检测出运动目标。     

基于相关配准的帧间差分算法

针对帧间差分法在摄像头运动时受动态背景严重干扰的问题,提出了一种基于图像配准的运动目标检测算法。首先将中值滤波后的连续两帧图像配准,配准时先在前一帧图像中选取背景,即背景图像,用区域相关法将后一帧图像与背景图像配准;接着将配准后的2帧图像差分得到帧间差分图像,即帧差图像,再用数学形态学的开运算去掉帧差图像中的一些细小噪声;最后将连续两帧去噪后的帧差图像逻辑与运算,得到运动目标检测结果。实验结果表明,在摄像头运动时的动态背景下,该算法有效地抑制了动态背景的干扰,准确地检测出了运动目标的边界,提高了运动目标检测在动态背景下的应用价值。     

运动序列中动目标检测的稳健性方法

提出一种运动序列中动目标检测的稳健性方法。用尺度不变特征变换(SIFT)算法生成特征描述符,基于最近邻距离比(NNDR)进行初始匹配,增加对称性约束以获得稳健的匹配点集。随机抽样一致集算法(RANSAC)用于分离背景和目标对应特征点,实现背景运动的稳健性估计。背景补偿后,相邻帧差分和数学形态学方法实现动目标的分割。真实运动序列的实验结果表明,该算法能够获得稳健的匹配点对,检测出运动目标。     

基于Android平台的视频运动目标检测系统

为了在Android平台上实现实时性好,抗噪声性能强的视频序列运动目标检测系统。本文提出了一种融合单高斯背景模型和帧间差分的运动目标检测算法。该算法提取出帧间差分法检测的运动目标区域,并对该区域采用基于单高斯模型的背景差分算法提取出运动目标,然后对高斯背景图像进行更新。实验结果证明,该算法能够有效降低背景扰动的影响,增强检测出的运动目标的完整性,而其复杂度仅为两种组成算法之和的73.9%,在Android平台上运行效果良好。     

基于过渡区提取的红外运动目标检测

针对复杂动态场景下的红外目标检测问题,提出了一种基于交叉熵的过渡区提取的红外运动目标检测方法。该方法首先使用帧差法和背景差分法相融合的检测方法,对红外图像进行差分处理,然后采用基于交叉熵的过渡区分割算法二值化图像,最后进行形态学滤波,从而检测出完整的红外目标。实验结果表明,该方法目标检测效果比较好,能满足红外运动目标检测的需要。     

分块投影匹配的运动目标检测方法

针对动态场景下图像序列中运动目标检测问题,首先采用基于分块投影匹配的全局运动参数估计方法,然后利用估计得到的运动参数补偿背景的全局运动以稳定图像序列,最后在稳定后的图像序列上采用背景减除法提取运动目标。实验表明,分块投影匹配的运动目标检测能有效地提取动态背景下的运动目标。     

高动态条件下增量惯导信息辅助的空地红外弱小移动目标检测算法（特邀）

红外弱小移动目标检测技术是计算机视觉的研究热点和难点。针对机载高动态条件下的空地目标检测存在的场景变化动态、背景干扰强度大、目标运动规律未知等挑战,提出了一种新型的基于增量惯导信息辅助的空地红外弱小移动目标检测算法。为了解决传统惯导信息预测的漂移误差问题,提出了增量惯导信息概念,设计了增量惯导信息的位置预测模型,实现了对目标点的准确预测。构建了基于增量惯导信息辅助与背景差分的移动目标检测框架,通过增量惯导信息对不同位姿下的成像进行校正,引入基于爬山法互相关匹配算法计算校正后图像的平移参数,采用高斯加权对背景图像进行估计,最后通过图像分割检测弱小移动目标。仿真实验验证了文中设计检测算法的有效性和精确性。     

基于OpenCV的动态背景下的运动目标检测

研究在动态背景下对视频图像序列进行运动目标的检测。主要包括三个步骤,分别是运动估计,运动补偿和目标检测。在运动估计中采用的主要是基于特征点匹配算法。这种算法与传统的块匹配算法最大的好处在于它的数据量少,计算简单迅速而且图像的匹配可靠性更高。最后用计算机视觉库OpenCV进行实现。     

基于SURF和FREAK的移动终端动态背景运动目标检测

针对使用移动终端检测运动目标时出现的背景偏 移,实时性不足等问题,本文提出一种基于 Speeded-Up Robust Features(SURF)和Fast Retina Keypoint(FREAK)算法的动态背景 补偿方法。首 先利用SURF算法检测特征点,接着利用FREAK算法对特征点进行描述,然后对特征点进行汉 明距离匹配, 最后使用随机抽样一致算法(Random Sample Consensus,RANSAC)剔除误匹配点。设计基于 移动终端的背景 补偿实验,结果表明,在旋转角度,光照条件和尺寸不同的情况下,该算法都表现出良好的 匹配效果以及实时性。