基于高斯混合模型的运动目标检测方法研究

在研究比较常用的各种运动目标检测方法的基础之上,结合静止场景运动目标检测的特点,采用基于背景减除法的高斯混合模型方法进行运动目标检测,即采用高斯混合模型进行背景建模、背景减除法确定目标前景区域,并通过图像平滑、二值化处理、去噪等方法对图像进行后处理,最终得到目标前景图像.该方法具有运算量小、处理速度较快的特点.实验结果表明,所设计的嵌入式运动目标检测系统能够检测出较完整的前景区域并判断出目标前景,能够满足静止场景下运动目标检测的需求.     

采用随机样本进行运动目标检测的算法研究

针对目标检测中由于背景光线突变等复杂条件所造成的背景无法实时更新等缺陷,提出了一种基于随机样本的目标检测方法。背景的建立依赖一幅图像中的每个像素点的历史采样值或其邻域采样值,初始化采用像素点的八邻域值来实现。背景的更新采用像素级更新和帧级更新相结合的算法。在正常情况下,采用像素级更新;在复杂条件下,采用帧级更新,且对复杂条件进行了较好的阈值认定。该算法改进了背景建模依赖一段时间内相邻帧的统计值,实现了在单帧进行背景建模,实验结果证明,跟混合高斯模型相比,具有较强的抗噪性和较快的响应速度。     

慢运动背景下的实时运动目标检测算法研究

运动背景下的运动目标检测是一项难度大、计算量大的工程,它的难点是难以在实际工程中达到实时性的要求.本文针对这一问题提出了一种利用Lucas-Kanade和层次聚类相结合的方法,能够快速检测运动背景中的运动目标.实验证明该方法速度快,准确性高,在实际工程中具有一定的应用价值.     

一种自适应运动目标检测算法研究

提出了一种新的自适应目标检测算法,实现了快速对目标区域进行匹配更新,能够自适应精确检测出运动目标。通过改进的混合差分模型确定运动目标最大分布可能区域并融合混合高斯模型对此区域进行背景重建,再运用背景差分得到精确前景目标。实验仿真结果表明能够在复杂场景下克服环境噪声与背景扰动,降低了复杂度和计算开销,具有很好的鲁棒性。     

基于边缘检测和混合高斯模型的运动目标检测算法

提出一种运动目标检测算法。该算法在时间域上通过混合高斯模型进行背景建模及更新,同时利用基于HSV颜色空间的阴影模型实现阴影检测,提取运动目标的初步形状。然后在空间域上利用Canny边缘检测算子获得运动目标的边缘轮廓,并进一步运算,提取出最终的运动目标。将所提出的算法应用到了越界侦测（报警）中,试验和应用结果表明,该算法能够更有效地检测出运动目标。     

Markov随机游走和高斯混合模型相结合的运动目标检测算法

针对高斯混合算法对每一像素与它前后帧的像素相关联,并未考虑与相邻像素之间的关联,无法准确地捕捉到运动物体轮廓的情况,提出一种基于混合高斯模型和Markov随机游走的运动目标检测算法。利用混合高斯模型计算像素之间的颜色信息,采用Markov随机游走提取图像的边缘信息,并与提取的运动初始目标进行与计算,同时利用高斯混合模型更新背景信息。结果表明,本方法比传统的混合高斯方法具有较高的分割精度,很好的解决了混合高斯算法边缘模糊的问题,探测率也大大的提高了。     

静态背景差分运动目标检测研究

为解决传统运动目标检测算法在硬件实现上存在实时性差、开发过程复杂的问题,利用DSP Builder工具,在FPGA上实现静态背景下运动目标检测算法。结合FPGA并行计算的特点,采用模块化设计思想,按照背景差分、阈值分割和质心提取的流程搭建各算法模块。实验结果表明,该设计可以有效地检测动态目标,满足嵌入式系统对实时性的要求。     

室内照明条件对于运动目标检测算法影响的分析

在室内视频监控系统中,光照条件对于运动物体的检测与分类将产生显著影响。本文归类分析了室内照明条件对于运动目标检测算法的不同影响,提出一种能够快速地适应光照条件变化的运动目标检测算法。该算法结合了帧间差分与背景模型算法的优点,并且引入亮度信息进行前序的处理;因此能够快速准确地检测出运动目标,同时算法对不同光照条件具有较高鲁棒性。通过相关仿真实验,证明了该算法的实时性与可靠性。     

移动背景下运动目标检测与跟踪技术研究

文中分析了移动背景下运动目标检测与跟踪技术.介绍当前移动背景下运动目标检测常用的方法,指出了难点与关键.结合目前的工作,给出了一个移动背景下运动目标检测与跟踪的解决方案,并以人物为跟踪目标进行了实验,较好地实现了移动背景下的全局运动参数鲁棒性估计以及人物目标在不同场景下的跟踪.但是在目标检测时图像边缘白色块的去除和跟踪...     

旋转摄像机下的快速目标检测算法

对于动态场景下的目标检测,传统的方法已经不能适用.提出一种基于SIFT特征点预测的匹配算法,提高了运动目标检测的速度和准确率.在此过程中,用仿射参数模型结合最小二乘法求解出全局运动参数,再对运动进行补偿.采用ORSA的方法去除外点的影响;采用基于残差图像块的更新策略,实时更新特征点集.最后使用背景差法来实现运动目标的检...     

动态场景下的快速目标检测算法

提出了一种动态场景下的目标快速检测算法,基于特征点SURF算法,采用旋转参数模型,结合最小二乘法求解全局运动参数进行运动补偿,最后使用帧差法获得运动目标.采用ORSA的方法去除外点的影响;SURF算法不能满足实时性的需要,针对这一点,提出基于运动预测的特征点匹配算法,提高了匹配的速度和准确率;采用基于残差图像块的更新策...     

一种新的ATI动目标检测方法

在传统沿迹干涉合成孔径雷达(ATI-SAR)动目标检测中,只利用干涉相位进行动目标检测,往往会造成较高的虚警率.本文提出了一种新的ATI动目标检测方法,该方法在干涉相位判决之后,利用复相关系数对该判决结果进行再一次判决,以降低检测虚警率.为了降低计算量,该方法只对干涉相位大于相位阈值这部分像素进行复相关系数检测.文中给出了该算法的理论推导和算法流程,并进行了仿真实验,仿真结果表明,该方法能有效地降低动目标检测的虚警率.     

基于ORB特征的快速目标检测算法

在动态场景运动目标检测下提出了一种新颖的快速目标检测算法,针对SURF算法不能满足实时性的需要,提出基于ORB(oriented FAST and rotated BRIEF)特征的特征点匹配算法,接着采用八参数旋转模型,结合最小二乘法求解全局运动参数进行运动补偿,最后使用帧差法来获得运动目标。在此过程中采用PROSAC(progressive sample consensus)算法来去除外点。实验结果表明,该算法不仅保持了SURF本身的优越性,而且提高了检测速度,可以实时准确的检测出运动目标。     

基于数学形态学的运动目标检测算法

帧差法和背景差法都是重要的运动目标检测方法,帧差法不能完全提取出目标的所有相关点,而背景差法又受环境光照的影响。针对传统运动目标检测算法的不足,提出一种基于数学形态学的帧差法与背景差法相结合的运动目标检测算法。先将帧差法得到的图像经过数学形态学处理,再将其与背景差法得到的图像相结合。实验表明,该算法能适应复杂变化的环境,准确地提取运动目标,对复杂干扰场景下的实时运动目标检测得到了较为满意的效果。     

运动目标检测与跟踪中FPGA的应用

运动目标检测与跟踪需要处理大量的视频数据,FPGA并行处理的工作方式和可重复执行多任务的能力,使其在视频数据运算与处理中能够发挥很大作用。讨论了FPGA结合DSP实现目标检测与跟踪的技术方案,重点研究了以FPGA构建图像预处理环节中处理器的设计方法。仿真和实验结果表明,基于FPGA的处理器能够完全满足图像预处理中运算量大、重复性强、速度高的要求,有效地缓解了DSP在后续的目标检测与跟踪中数据运算处理的压力,使得系统更加实时、准确、高效。