基于运动跟踪匹配技术的视频对象提取

本文提出一种自动分割VOP的技术。其方法是：先对初始帧使用形态运动滤波技术提取出初始运动对象的二值轮廓模型,并在后继帧中使用豪斯道夫对象跟踪器跟踪运动以对象模型;而为了适应对象的形状变化,本文使用活动轮廓模型（snake）技术对运动心合匹配;最后根据一系列精确的二值轮廓引导提取运动对象序列。实验结果表明,我们的算法可有效地提取视频对象平面。     

视频序列中的运动目标检测与跟踪

提出一种视频序列中的运动目标检测跟踪算法。该方法采用直方图统计与多帧平均混合作为动态背景更新法,经过噪音消除、形态学处理、阴影处理后,用区域标记法提取目标。利用目标特征参数建立目标数组,通过当前帧目标数组和前一帧目标数组距离匹配实现运动目标的快速跟踪。该方法与传统方法相比具有更好的学习能力,从而有效地提高了运动目标检测的正确率和快速性。实验结果表明该方法具有良好的鲁棒性和自适应性。     

基于ARM11的视频图像中运动物体检测跟踪系统

通过深入研究国内外视频图像运动目标的跟踪技术现状,基于目前对视频图像中运动物体进行检测与跟踪设备的便携性差、耗电量高等缺点,本系统利用ARM11平台搭载Linux系统实现相关应用的方法 ,完成了一套较完整的小型化检测系统的设计。本系统通过对实验室中走动的人进行视频检测跟踪试验,最终得出本系统可以对通过USBCAM采集的视频信号进行实时的数据处理,视频分辨率为240×320。包括检测出运动物体,标记出运动物体的图形中点,并对其进行轨迹的标注等。     

基于视频监控系统的运动监测

研究了基于视频监控系统运动监测的三个方面的内容,即运动检测、运动方向判断和图象跟踪.运动检测主要监视是否有活动存在,详细讨论了帧差法,指出了帧差法的缺点,设计了快速实现算法, 并提出了对原有方法的改进.运动方向判断实际上就是运动估计,主要讨论了基于平移的块运动估计.图象跟踪带有智能性,可以自动跟踪指定目标.     

基于视频监控系统的运动监测

研究了基于视频监控系统运动监测的三个方面的内容,即运动检测、运动方向判断和图象跟踪。运动检测主要监视是否有活动存在,详细讨论了帧差法,指出了帧差法的缺点,设计了快速实现算法,并提出了对原有方法的改进。运动方向判断实际上就是运动估计,主要讨论了基于平移的块运动估计。图象跟踪带有智能性,可以自动跟踪指定目标。     

视频序列中运动目标检测与跟踪

针对视频序列中运动目标的检测与跟踪,提出了一种基于边缘检测的背景差分算法。这种算法计算量较小,比较简单,在可以得到完整的运动目标的边缘信息的前提下,还不会受到背景的改变和光线的变化等外界因素的干扰。实验结果表明该方法具有良好的鲁棒性。     

视频监控图像的运动目标检测方法综述

详细论述了视频监控领域近年来的发展,从目标运动背景、目标运动特性、运动目标检测方法等方面分析了该方向的进展情况.并指出了当前该研究方向上亟待解决的主要问题.     

视频监控运动目标检测算法研究

视频的运动目标跟踪有很多干扰因素,如目标改变、复杂场景、目标变形等。为了解决这些问题,通过对几个常用的运动目标检测方法进行比较分析,提出了一个通过帧间差分和背景消除进行运动目标检测和识别的算法。通过进行模拟实验,结果显示了该算法具有较高的效率。     

基于OpenCV的视频对象的运动检测

随着信息技术的发展和视频监控系统的普及,视觉监控技术在科学研究、工业生产中得到了越来越多的应用。智能监控系统包括3方面内容：运动检测、运动方向判定和图像跟踪,其中运动检测是重要的基础内容。本文介绍了一种以视频图像为检测源的快速运动的检测方法,与传统的运动检测方法相比较,该方法采用了视频处理技术,通过先进的运动检测算法快速识别运动物体,并能准确、迅速判断出运动物体的运动方向,并予以标注。实验表明该方法是有效的。     

视频多运动目标提取的新方法

提出一种利用视频序列的时域和空域信息进行多运动目标检测的新方法.首先对相邻的图像帧进行差分,并利用3σ准则二值化差分图像,得到运动目标的时域信息,然后标记该二值图像的连通区域来消除噪声,结合边缘检测所得到的空域信息得到运动目标模型,最后连接模型的最外围轮廓点即得到目标的完整信息.该算法充分运用了运动目标的时域、空域两方面信息,能够准确的提取出运动目标.     

基于SOPC的视频运动目标检测跟踪系统

文章是以Nios II处理器为中心的视频运动目标检测跟踪系统,通过CMOS图像传感器采集视频图像信息,采用帧间差分法检测运动目标,形心跟踪算法对目标进行跟踪,最后在VGA显示器上显示视频中运动物体。实验结果表明,该系统可达到运动目标检测跟踪的理想结果。     

视频监控运动目标图像优化检测仿真

针对传统的ViBe检测算法在检测中出现鬼影、静止目标、阴影的缺陷,提出将像素值转化到小波域中进行分频,经过算法的优化设计,实现一种基于小波域中检测的新算法。针对ViBe算法中存在鬼影和静止目标的缺陷,将其背景更新策略设计成阶梯型更新,并赋予前景点也具备传播更新背景模型的特性,从而克服了ViBe算法中的鬼影和静止目标缺陷;接下来,利用小波分析的多尺度空间信息进行算法设计,从而达到去除阴影的目的;最后通过3组视频序列进行综合实验,用3个标准进行评价实验结果。实验结果表明,该算法实现了运动目标的有效检测,且优化了ViBe算法的缺陷。     

基于运动补偿的Snake视频对象跟踪算法

当对象移动幅度大时，Snake视频对象跟踪算法中的曲线迭代过程易陷入局部最小，为此，提出一种运动补偿预处理的解决方法。此方法预先估计对象的运动信息，然后对Snake曲线的初始轮廓位置进行运动补偿，最后进行Snake跟踪。实验表明，这种方法不仅跟踪效果好，而且能有效地减少Snake曲线演化的迭代次数。     

高速密集视频目标场景下的运动分析

本文首先分析了高速、密集图像目标场景下邻帧差分运动检估计检测法的缺陷.然后综合图像能量、高阶统计量预测理论以及块处理技术,对高速密集图像序列进行快速背景重建、运动区域提取与运动分析.基于DSP的平台测试表明:本文背景重建算法速度快,运动区域检测精度高,目标跟踪准确.为密集、高速的图像目标跟踪系统的研制提供了新的可借鉴方法.     

基于模板匹配的跳水运动视频分析

提出了一种基于模板匹配和模板库的姿势分析与跟踪算法,建立了跳水过程中可能出现的姿势模板库,并在离散的姿势模板库中使用ConDensation算法进行预测和跟踪,能够快速地识别跳水过程中运动员每个时刻的身体姿势,对关键点位置进行标定,并恢复出人体的主要姿势参数.     

运动图像的锯齿消除算法研究

针对隔行扫描到逐行扫描转换中出现的运动图像锯齿现象,提出适用于去锯齿的运动检测和基于角度提取的场内插值算法。利用相邻4场运动差值进行运动检测,并结合待插像素相邻行和隔行相关像素点的夹角进行加权平均,提取相关度大的角度点进行场内插值。实验结果表明,算法有效提高了峰值性噪比,也有效降低了均方差,实际图像去锯齿效果良好。     

视频运动对象分割技术的研究

新的视频压缩标准MPEG－4采纳了基于对象／模型的编码方法，但是对象的分割问题至今仍未得到满意的解决。本文介绍了视频运动对象分割技术的发展概况，重点讨论了其中的关键技术－－运动对象的分割与跟踪，并指出一些需要深入研究的问题。     

基于频谱分析的运动模糊图像参数检测

为了提高运动模糊图像的运动方向和运动像素的检测精确度,本文提出了基于频谱分析的运动模糊图像参数识别的改进算法,从频谱分析的角度出发推导了暗条纹宽度、图像大小、条纹倾斜角度与运动尺度、运动像素之间的关系;采用二次傅里叶变换的方法细化亮条纹,分析并简化了条纹倾斜角与运动方向角之间的关系;分析了频谱中十字亮线产生的原因及位置,提出了去除十字亮线的新方法;然后,对处理后的频谱进行Radon变换,根据变换结果得出模糊图像的运动方向和运动像素。实验证明,该算法能够检测出不同大小模糊图像的运动方向和运动像素,检测误差控制在0.5°、2个像素的范围之内。     

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。     

视频序列中运动目标跟踪问题的研究

针对视频序列中运动目标跟踪的实时性问题,提出了一种改进的SIFT算法,即对SIFT算法生成的高维特征向量采用PCA直接进行降维。这种算法可以降低特征点的维度,提高特征点的匹配速度,计算量小,比较简单。实验结果表明该方法具有良好的实时性。