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。     

一种基于全景视觉的运动目标检测方法

针对基于全景视觉系统采集的图像序列中运动目标检测的方法进行了研究,采用三帧差法和混合高斯模型相融合的算法对运动目标进行检测。不但解决了三帧差法无法检测出全部目标信息的缺点,而且还避免了背景减除法容易出现两个目标的假现象,在背景颜色和目标颜色相近时检测效果较好。实验表明,该算法能准确检测出运动目标,具有较好的实时性。     

基于AForge.NET类库的视频移动目标检测

运动目标的检测是数字图像处理和模式识别的基础,也是计算机视觉研究的一个重要领域。以C#为主要研究工具,对基于相邻帧差法及背景差分法的视频目标检测算法进行了研究,主要对其原理和算法进行研究。最后利用以AForge.NET架构类库,利用图像灰度的绝对值是否大于设置的阈值实现了对运动目标进行检测,实验结果表明,采用该算法可以对运动目标进行较为精确的检测。     

一种新的三帧差运动气泡检测方法

针对传统三帧差法在运动目标检测过程中存在部分 重叠和轮廓不完整现象,提出了一种结合 Kirsch边缘检测和背景差分的改进三帧差法。算法首先对连续3帧图像进行差分得到运动区 域,然后对 当前帧进行Kirsch边缘检测,通过已得到的运动区域与边缘检测结果进行逻辑“或”运算, 获得完整的运动 目标,利用背景帧差分割运动目标并去除噪声。实验表明,提出的方法能够提取更加完整的 目标区域,有 效避免漏检、误检等情况。与现有一些同类算法相比,本文算法具有更优越的运动目标检测 性能。     

混合高斯融合三帧差的运动目标检测改进算法

针对混合高斯模型(Gaussian Mixture Model,GMM)无法检测到完整的运动目标,三帧差法检测目标时对物体速度的敏感,检测到的物体会出现空洞等缺点,提出了一种混合高斯融合三帧差法的运动目标检测改进算法。首先,在运动目标提取过程中,改进的三帧差法采用动态分割阈值和边缘检测技术,解决光线突变和边缘不连续问题;然后引入新的高斯分布自适应选择策略,以减少处理时间,提高检测准确性;最后,利用改进HSV(Hue-Saturation-Value)颜色空间来消除阴影区域,得到一个完整的运动目标。数据实验表明,该算法在不同场景具有较好的检测能力。     

运动目标检测研究方法述论

运动目标检测是视频处理系统的基本环节,它是运动目标跟踪、特征提取等复杂的处理的前提。当前,运动目标检测技术在视频监控、工业监测、质量控制、智能交通系统等众多领域广泛应用。文章介绍了背景减除、帧差法与光流法的原理特征,并对比分析指出了这三种方法的优势和局限性,对进一步提高运动目标的准确检测具有意义。     

无人机视频图像运动目标检测算法综述

运动目标检测是实现目标跟踪、交通监控、行为分析等任务的基础。但在无人机获取的视频图像中,无人机运动、旋翼震动或外界风力等客观因素使图像出现较为明显的背景、光照等变化,会对运动目标的检测产生影响。因此,如何降低干扰、提高检测精度,让无人机在运动目标检测领域发挥作用在信息时代具有相当重要的意义。无人机视频图像的运动目标检测相比传统运动目标检测,检测思路基本一致,但干扰因素众多。本文以此为切入点,分类综述了适用于无人机视频图像运动目标检测的算法及其改进,主要包括运动估计算法、帧间差法、背景建模法、光流法等传统算法和近年出现的新型算法;通过对无人机运动状态的划分探讨比较了上述方法的优缺点及适用场景。帧间差法更适合处理无人机悬停状态的数据,背景建模法、光流法及新型算法对无人机悬停及巡航状态的数据均可处理;上述算法均不能很好解决光照变化造成误检、漏检现象。所以处理无人机视频数据时,要根据其运动信息及数据特点选择合适的算法,才能获得好的检测结果。     

基于改进的帧差法和Mean-shift结合的运动目标自动检测与跟踪

为了实现在静态背景下对运动目标的自动检测跟踪,提出基于改进的帧差法和Mean-shift结合的运动目标自动检测与跟踪算法。该算法改进了传统的三帧差分法,引入单高斯背景模型参与目标检测。此外,传统的Mean-shift算法,在起始帧需要手动选定目标,且选定窗口大小固定不变,不能根据目标尺寸变化而变化,从而导致失去目标。这里提出的方法先利用改进的帧差法检测目标,确定目标的位置窗口和中心,然后结合Mean-shift算法,根据是否超出设定的阈值来确定是否需要更新模板,从而实现该算法对运动目标的自动跟踪。实验表明,该算法计算速度快,具有较高的准确率。     

物体融入背景情况下的目标检测方法

针对运动物体运动进入背景区域后,由运动变为静止,成为背景一部分的情况下,传统利用当前图像和背景图像加权得到新的背景图像的方法,背景图像更新较慢,不能快速消除变为背景的物体的影响,提出了帧差法和背景差法相结合的运动目标检测方法,较好地消除了其影响,顺利检测出运动目标,提高运动目标检测方法的适用范围。     

结合帧差法与Mean Shift的抗遮挡跟踪算法

针对目标严重遮挡后,运动状态发生改变时,传统的基于运动预测的算法无法有效跟踪的问题,提出一种基于帧差法的改进算法。引入巴氏系数(Bhattacharyya)作为目标是否发生遮挡的判据;当发生遮挡时,帧差法检测目标,再次检测到目标时将此位置作为Mean Shift迭代的起始位置;最后正常跟踪时采用卡尔曼滤波预测目标位置,减少迭代次数。实验结果表明,当目标在严重遮挡后,运动状态改变时,基于运动预测的算法将无法跟踪目标,改进算法能够重新跟踪目标。     

基于多颜色空间信息融合的运动船舶检测算法

传统的目标检测方法是将图像灰度化,导致很多重要信息丢失,而帧差法与背景减法相结合的检测方法虽然能很好克服单独使用一种方法所产生的问题,但仍存在目标内部不充实现象。针对以上问题,提出一种基于多颜色空间信息融合的三帧差分法与背景减法相结合的运动船舶检测算法。该算法首先利用帧差法和背景减法原理对选取的最佳颜色分量进行差分处理,然后将两种差分结果的颜色分量对应进行"与"运算,最后采用"或"运算实现颜色分量融合,获取内部充实、轮廓清晰的运动目标。     

视频监控中的运动目标检测与跟踪技术研究

视频监控中运动目标的检测和跟踪是智能视频监控的关键技术,本文利用帧间差分法和背景差法对运动目标进行检测,对这二种检测方法进行了研究和比较;利用波门（跟踪窗口）选取视场中某部分图像为目标图像,然后用边缘或质心跟踪等跟踪算法确定目标位置以及目标位置与波门位置的偏差实现了对目标的跟踪。     

视频图像中的运动目标检测

运动目标检测,是指从视频图像中将运动变化区域提取出来的检测技术,是图像处理技术的基础。在军事公安、交通管理、视频监控、医学检查等领域应用广泛。为了改进单独采用帧差法或背景减法进行运动目标检测时存在的不足,本文提出一种利用边缘信息的三帧差法与基于混合高斯模型的背景减法相结合的运动目标检测算法。该方法对视频图像中连续的三帧图像两两差分,对3个差分图像取均值,二值化,再经过形态学处理,并对中间帧进行Canny边缘提取,将二者进行"与"运算,即得到运动目标的边缘,用背景减法提取中间帧的前景,二值化,将其和目标的边缘进行"或"运算,经过形态学处理便可得到运动目标。实验结果表明,使用该方法目标检出率提高了9.7%~72.1%,误检率降低了0.090%~2.900%。这种二者相结合的方法相对于单一的检测算法能够有效、可靠地提取出运动目标。     

基于MRF的自适应帧差运动目标检测

为克服传统的运动目标检测算法容易受到显露遮挡,空洞以及噪声现象的影响,构造了一种基于MRF的自适应帧差运动目标检测算法。采用最大类间方差法自适应确定序列图像的初始标记场;通过帧差及“与”运算处理,消除伪运动信息;结合马尔可夫随机场理论构建了自适应马尔可夫随机场模型系统能量函数;并利用迭代条件模式算法完成标记场的优化过程,准确的提取出运动目标。实验结果表明,该算法能够有效地实现运动目标检测,效果理想。     

改进ViBe的运动目标检测算法

针对Vi Be算法存在鬼影、噪点的问题以及不能快速适应复杂背景进而出现误检率高的问题,提出一种改进的ViBe算法。首先算法在背景建模时将8邻域的像素点扩大到了24邻域;其次采用自适应的阈值对复杂背景进行检测;最后为了提高检测目标的准确性,改进的ViBe算法和改进的帧差法通过逻辑与或运算进行结合,并且进行形态学滤波处理对运动目标进行完整的提取。实验结果表明,改进的算法可以在更短的时间内消除鬼影,并且静态背景下检测运动目标的F-measure提升了14.2%,在树枝晃动和相机抖动的复杂背景下,能够得到较为完整和准确的运动目标,并且F-measure平均提升了2.6%。     

利用改进的背景差法进行运动目标检测

为了更准确地划分运动目标和背景区域,提出了基于背景差法的改进算法。该算法将选择更新法与中值滤波法相结合,对背景建模与阈值选取进行了优化,解决了复杂场景背景建模不理想问题,并能快速有效地进行背景更新。该算法还提出了双阈值思想,根据场景信息自适应地在图像的不同区域采用不同阈值,将当前帧图像与背景图像的差分作为反馈来调整阈值。实验结果表明,该算法能够较快速准确地提取运动目标,并对光照变化、场景变化、运动干扰有较好的鲁棒性。     

基于混合高斯模型的运动目标检测改进算法

针对传统混合高斯模型法的不足,提出一种基于混合高斯模型的运动目标检测改进算法。首先对模型的参数更新机制进行了改进,不同阶段采用不同的更新率,并选择性地更新背景模型;其次,将改进后的混合高斯模型法与和帧差法结合,进行两次与运算和一次形态学膨胀处理,得到最后的运动目标。实验结果表明,该方法能够有效地消除复杂环境中的噪声,并对阴影有一定的抑制作用,提高了运动目标检测的准确性。     

卡尔曼滤波在跟踪运动目标中的应用及仿真

在智能监控系统中,通过帧差法对运动物体的识别、定位,利用卡尔曼滤波算法对目标运动进行预测、跟踪,从而控制摄像头转动,跟踪目标物,使目标物体始终出现监控画面的中心.在此采用卡尔曼滤算法,进行目标运动的预估,利用Matlab对其仿真.仿真结果显示跟踪效果非常好,证明采用该算法来跟踪动目标物有效可行,具有一定的研究价值.     

基于OpenCv的运动目标监控系统设计

随着图像处理技术和无线通信技术的发展,人们对视频监控的效果提出了更高的要求,智能监控以其实时性和智能性展现了其广阔的应用前景,越来越受到人们的重视。运动目标的检测是视频智能处理与分析的关键,也是其他后续处理的基础,文中使用减背景法与帧差法相结合的检测算法,通过调用短信收发的接口设计了一个智能监控系统,利用OpenCv技术实现了系统各个模块的功能。实验结果表明,该系统能较好地实现目标的检测与实时预警的功能,具有较好的稳定性与鲁棒性。     

基于OpenCv的运动目标监控系统设计

随着图像处理技术和无线通信技术的发展,人们对视频监控的效果提出了更高的要求,智能监控以其实时性和智能性展现了其广阔的应用前景,越来越受到人们的重视。运动目标的检测是视频智能处理与分析的关键,也是其他后续处理的基础,文中使用减背景法与帧差法相结合的检测算法,通过调用短信收发的接口设计了一个智能监控系统,利用OpenCv技术实现了系统各个模块的功能。实验结果表明,该系统能较好地实现目标的检测与实时预警的功能,具有较好的稳定性与鲁棒性。