基于统计方法的视频序列运动人体检测

描述了一种运动人体检测的方法。首先利用多帧图象统计平均的方法得到背景模型,采用背景差法检测出运动目标,并实时地对背景模型更新,以适应光线变化和场景本身的变化;然后在HSV色度空间下检测消除阴影,得到准确的运动目标。最后用形态学方法减小噪声和背景扰动带来的影响。实验结果表明,这种方法简单高效、抗噪性强,能实现复杂背景下的运动目标检测。     

基于统计方法的视频序列运动人体检测

描述了一种运动人体检测的方法.首先利用多帧图象统计平均的方法得到背景模型,采用背景差法检测出运动目标,并实时地对背景模型更新,以适应光线变化和场景本身的变化;然后在HSV色度空间下检测消除阴影,得到准确的运动目标.最后用形态学方法减小噪声和背景扰动带来的影响.实验结果表明,这种方法简单高效、抗噪性强,能实现复杂背景下的运动目标检测.     

一种基于彩色信息和抽样检测的视频分割方法

提出了一种基于彩色信息和抽样检测的视频分割算法。该算法把每一帧视频图像划分 为M×N个互不重叠的像素块(信息检测窗),并用矩阵表示,对M×N个信息检测窗进行抽样检测, 针对检测结果,快速重建背景模型,依据彩色信息和灰度信息分割运动目标。实验结果表明,该算法 与已有算法相比,具有分割速度快、适应性强、运动目标分割准确等特点。     

图像序列中运动人体的分割方法的研究

在对现有的运动分割算法的研究基础上结合运动分析方法,对基于图像帧差法构造背景图像进行了深入的分析和研究,提出了一种利用阈值来判定人体信息和背景信息以达到背景减除的新算法来实时地提取出运动的人体,在利用帧差法提取出背景图像后,通过当前帧和背景图像的像素值的对比减除可快速精确地完成对运动人体的分割.在NLPR数据库中进行了实验,结果表明本算法能快速有效地一次提取出多个人体目标,并且失真度比较小.     

基于运动分割和肤色判别的人体目标检测方法

针对静止摄像机近距离拍摄目标的情形,提出一种人体目标检测方法,主要包含两个步骤:在运动分割步骤中,利用长程和短程两次背景更新获取精确的背景图像,同时利用基于颜色空间的阴影判定方法消除阴影的干扰;在目标检测步骤中,将肤色检测与人体目标的几何比例经验值相结合,对运动目标进行判断.     

基于肤色分割的视频人体检测

针对视频图像中人体运动形态多变、方向不确定等问题,提出了一种基于肤色分割的视频人体检测算法。采用改进的帧间差分方法求得自适应背景,与背景差相结合进行运动目标粗分割,在粗分割范围内进行肤色分割。在肤色分割时,利用YCbCr色彩空间的自适应亮度分段椭圆肤色模型及形态学操作、约束性条件等后处理确定人脸区域,得到人体目标。实验结果表明,该方法能有效地检测视频中的人体目标,与同类方法相比,该方法的时间复杂度更低,因而能更好地满足视频处理的实时性要求。     

基于人体骨骼和深度图像信息的指尖检测方法

针对复杂环境下的指尖检测,从手部图像分割和指尖检测方法两方面进行改进,提出了一种基于人体骨骼和深度图像信息的指尖检测方法。首先采用Kinect获取人体骨骼和深度图像信息,通过人体骨骼信息锁定目标用户,利用锁定用户的手部节点位置从深度图像中提取手部区域图像;然后从手部骨架中搜索骨架端点,提出局部最优查找方法对轮廓凸包计算结果进行优化;最后结合手部轮廓特征找到指尖位置。实验结果表明,该方法具有良好的检测效果,满足实时性要求,能够实现复杂环境下的鲁棒检测。     

基于运动图像序列的异常行为检测*

针对公共重点区域的智能监视问题,研究了一种基于运动历史图像（motion history image,MHI）的行人异常行为检测方法。利用运动图像序列得到的MHI获取视频帧中运动目标的运动方向,由运动方向的变化分类确定人体运动模式和行为是否异常,同时给出相应的实验结果。结果表明,该方法实现简单,具有较好的实时性与鲁棒性,可以作为实时监控系统中异常行为检测的有效方法。     

基于TLD改进的自动人体检测与实时跟踪算法

首先提出一种运动人体检测算法,通过图像序列识别出运动人体作为跟踪目标,然后在TLD算法中引入目标轨迹预测,利用该信息来辅助空间搜索。运动人体检测算法首先采用背景减除和边缘检测算法获得完整目标轮廓,然后使用HU仿射不变矩检测出运动人体,该特征能适应目标旋转、尺度、仿射等变化场合。为提高跟踪实时性,在TLD框架中引入卡尔曼轨迹预测,并先在预测位置邻域搜索。实验结果表明,该运动人体检测算法能够在静态和动态背景下准确地检测出运动人体;改进后的TLD算法与原始算法相比,在准确率不降低情况下,降低了计算复杂度。     

选煤厂智能视频监控中的运动人体目标检测方法

针对数字视频监控系统人工监视方式可能因监视人员疲劳而导致失误的问题,提出了一种选煤厂运动人体目标检测方法。该方法采用背景减除法来分割运动目标,选用混合高斯模型对背景进行建模,通过不断更新背景模型来提高运动目标检测的准确性;在准确检测出运动目标的基础上,结合人体形状信息,将人体目标检测并标记出来。实验结果表明,该方法能较准确地分割出运动人体目标,并且满足实时性要求,但是无法分割遮挡或连接在一起的运动人体目标,需进一步研究。     

基于色度偏差和亮度偏差的运动目标检测方法

论述了一种实时的前景一背景分割运动目标检测方法.用中值法获得背景模型;为避免规范化色彩的不确定性,背景图像像素点的亮度被比例缩放为当前帧对应像素点的亮度,在此基础上求出色度偏差,并基于当前帧和背景帧的颜色偏差和亮度偏差来检测目标;最后用数学形态学滤波及连通分量分析的方法进行去噪、区域连通等后处理.方法建立了科学的亮度与颜色的关系模型,充分利用了图像的灰度信息和色彩信息.实验表明,方法具有很好的检测效果.     

基于RGB颜色空间的减背景运动目标检测

在计算机视觉领域中,运动目标检测与分割是一个基础而又关键的问题.减背景法是其中一个比较经典和常用的方法,其难点在于如何获取背景以及实现背景的自适应更新.针对该问?提出一种基于RGB颜色空间的运动目标检测算法,充分利用了图像序列在RGB空间中的变化特点,首先通过抽取帧图像进行背景重构,即对图像序列中每个像素点的RGB值进行排序后取中间值作为该点背景像素的RGB值;在此基础上引入学习率对背景进行自适应更新,然后在RGB空间中进行前景目标提取,最后利用数学形态学和连通性分析对结果进行后处理.实验结果表明,该算法快速有效、能够满足实时要求.     

基于颜色直方图和小波变换的视频烟雾检测

从视频中自动识别烟雾在火灾早期预报警、尾气识别等实际应用中具有重要意义。烟雾检测的难点之一在于如何排除与烟雾颜色相近的运动对象的干扰。为了保证检测效果和实时性,提出使用静态的小波统计特征来排除汽车、行人等干扰区域。该算法首先使用背景剪除法获取运动区域,然后利用颜色直方图映射来提取符合烟雾色彩特征的疑似区,最后分别对背景和相应的视频帧做小波变换并对二者求差,根据差值图像的统计特征来去除疑似区域中的非烟雾物体。实验结果表明,该方法正确率较高,检错率较低,且基本达到实时效果。     

基于色度偏差的运动目标检测

论述了一种静态摄像机下从彩色图像中检测运动目标的背景减除算法，该算法在彩色图像亮度偏差和色度偏差概念的基础上被提出的，计算量小但可以很好地克服亮度变化、反光和阴影的影响。对于一个序列，首先用像素点的中间值作为背景的像素值，生成背景帧；然后依据当前帧和背景帧的色度偏差值将图像二值化；最后，使用数学形态学算子和连通分量分析对检测结果进行后处理。实验结果表明，该算法有很好的处理效果。     

基于彩色空间的背景帧差法视频车辆检测

视频检测的研究是交通参数采集的主要问题,核心是对运动目标的检测。为克服传统基于灰度的背景帧差法所存在的缺陷,提出了建立在YCbCr彩色空间的背景帧差法检测运动目标,分割阈值采用基于迭代的最佳阈值的确定方法,并提出了梯度极值法得到最清晰、完整的车辆进行车流量的统计。经仿真结果表明提出的车辆检测算法不仅能够取得很高的检测精度,而且算法简单、运行速度快。     

实时图像的运动目标检测及跟踪

在复杂背景的运动目标实时检测算法的研究中,由于目标受到外界环境影响,目标不能正确提取。针对克服背景干扰因素提取,干净的目标像素,大多数背景建模与背景更新算法计算复杂,难以满足视频监控的实时要求。为解决上述问题,提出一种根据像素特征的背景差法,将目标的边缘特征融入减背景算法,通过对离散的目标边缘梯度像素进行网格密度聚类法实现目标像素的提取,采用改进的均值漂移跟踪算法,在DM642平台上实现目标检测与跟踪。实验结果表明,改进的算法可以有效的克服光线变化、背景抖动、噪声等问题,实时检测、跟踪多个目标,并能解决目标遮挡问题。     

直方图在视频监控系统中的应用

目标检测是数字视频监控系统中的关键技术。该文提出了一种基于灰度直方图的目标检测方法。背景差法和帧间差法是两种比较常用的目标检测方法。利用图象的灰度直方图对视频序列中的某一帧帧图象进行分析,对相邻帧进行分析比较,设定一个阈值来判断两帧之间的差异性,以此可以快速判断是否有目标出现。实验结果表明,此方法简单实用,能够快速有效地检测出目标的出现。     

一种基于彩色图像分割的车牌检测方法

提出一种彩色图像车牌检测方法,主要包括三个步骤,首先对车牌图像执行多尺度区域生长分割,然后在分割结果中进行车牌区域的粗定位,最后对粗定位提取的车牌区域作精确定位分析.区域生长分割方法可以产生封闭的区域,容易提取其形状信息,而长矩形是车牌目标一个显著特征,因此可以通过形状信息检测车牌.在图像分割中,采取多尺度的分割方法,生成多个不同细节程度的分割结果.在每个分割图像中搜索具有车牌外形特征的图像区域,初步检测出候选车牌目标.根据车牌字符的大小和笔画特征,对候选车牌区域进行精确判别分析,得到最终的车牌检测结果.实验部分验证了车牌检测的有效性.