背景重建在视频监视系统中的应用

利用FPGA和USB控制芯片实现了实时视频监视采集系统,根据视频监视和传输特点,将采集得到的图像数据先做背景重建,然后利用重建得到的背景进行视频对象分割,最后将重建的背景、视频对象以及视频对象在视频图像中的位置保存,作为后续视频检测分析的依据。实验结果表明本文给出的背景重建算法能够较好地重建背景,得到较精确的运动目标,同时能够大幅度的提高实时视频对象分割速率。     

基于背景重建和MDBP的视频对象分割算法

提出了背景置信度图像和背景标示图像的概念,给出了一种基于背景重建和象素最小距离(M DBP)的自动视频对象分割方法。首先运用基于背景置信度图像和背景标示图像的背景重建技术从视频序列的多帧图像中重建出可靠的背景图像,然后运用差背景法分割视频对象(VO),同时再利用象素最小距离(M D BP)和总体象素最小距离(W M DBP)准则对分割出的视频对象图像进行处理,克服由于背景的微小变化而引起的前景对象的错误检测。试验结果表明该文给出方法能够较好地重建背景,对于背景静止的视频能够得到更好的分割结果。     

基于时域统计变化检测实时分割头肩视频序列

分析了头肩视频序列的特点,提出了基于时域统计变化检测、利用多帧运动信息实时分割视频对象的方法。先选取包括当前帧在内的前连续2N帧图像,将奇数帧与偶数帧图像作差值,形成长度为Ⅳ的帧差图像序列;对每个象素点时域上的Ⅳ个帧差样本值进行分布显著性检验,判断象素点是否发生了变化;对得到的二值图像进行形态学处理,得到完整的分割结果。试验结果表明,该算法能够自动实时的分割视频对象。     

以统计变化检测为基础的实时分割视频对象新方法

为了克服利用变化检测分割视频对象过程中的噪声、复杂运动、暴露背景的影响，提出了一种基于统计变化检测的实时分割视频对象新方法。在该方法中，由于统计变化检测技术是利用t分布来有效消除噪声的影响，而不需要估计噪声的方差，而且可利用间隔为k的两帧图像代替连续两帧来进行变化检测，因此可以很好地处理关节运动和慢运动；另外，对两个连续的统计变化检测结果取交集还可以消除暴露背景的影响，并能消除大部分的残留噪声，且几乎不增加计算量，因此统计变化检测可作为视频对象分割的基础，试验结果表明，该方法不仅解决了传统的变化检测过程中的噪声、复杂运动以及暴露背景影响，而且能够自动实时地分割视频对象，以满足MPEG-4等基于对象的视频应用。     

结合形态学和假设检验的视频对象分割

视频对象分割是当前图像和视频处理的热点和难点之一。文章首先采用形态算子和改进的watershed算法对图像序列进行空间分割,然后利用F检测算法进行帧间变化检测,将时空分割结果结合起来,得到初始的变化检测模板。通过相应的基于二值形态算子的后处理,得到最终的分割结果。整个过程基本是对灰度图像和二值模板的形态处理,简单易行。实验结果表明该算法可以较好地分离前景和背景,定位和分割视频对象。     

用于立体视频会议系统的立体对象分割与跟踪算法

基于对象的立体视频编码压缩技术能在立体视频会议系统中得到很好的应用,从立体视频信号中正确分割出立体视频对象是基于对象的立体视频编码压缩的一个前提条件,基于立体视频会议图像序列的时空特性和左右通道间的视差特性,提出了一种立体视频对象分割与跟踪算法,首先利用空域分割和运动检测相结合的方法,提取左通道中的运动物体;然后,提出一种左右通道间基于边缘轮廓的二级视差匹配算法,并根据已分割的左通道运动对象提取右通道的视频运动对象;最后利用对象边界轮廓的跟踪方法对后续图像中的运动对象进行快速跟踪,实验结果说明文中算法能够应用于立体视频会议图像序列的立体对象分割与跟踪。     

融合时域信息的修正分水岭视频分割新方法

提出一种将时域信息融入分水岭的视频分割新方法,以帧间变化检测为基础,通过运动边缘信息得到对象的初始模型,利用时域信息得到前景和背景的标识,结合提出的彩色多尺度形态学梯度算子进行分水岭分割,得到具有精确边界的视频对象,对慢变和快变的目标均有良好的效果,能够检测新出现的运动对象和现有对象的消失,能够定位和跟踪运动目标.继承了变化检测和分水岭算法速度快的优点,克服了两者易受噪声影响的缺点.     

基于改进活动轮廓的视频对象自动分割及跟踪算法

为了能够从视频序列图像中准确地提取出运动视频对象,提出了一种基于改进活动轮廓的视频对象自动分割及跟踪方法。该方法首先采用连续帧间差的4次统计量假设检验来确定视频对象的运动区域,并使用形态滤波消除残余噪声和空洞;然后根据3帧序列图像得到的前后运动区域的相与运算来有效地解决运动视频对象前后帧的遮挡问题,以获得视频对象模板,当提取出视频对象模板的边缘轮廓后,再用梯度向量流场作为外力的改进活动轮廓算法来获得视频对象的精确轮廓;最后以此视频对象的轮廓为基础进行运动补偿,以得到下一帧图像的初始曲线,再使用改进的活动轮廓算法对下一帧图像进行分割,即可实现视频对象的跟踪。该方法不仅能够消除差分图像中的显露背景,得到运动视频对象精确的轮廓,并且可进行多目标的分割与跟踪。     

基于时空信息的视频对象分割算法及其在细胞神经网络机上的实现

随着MPEG-4和MPEG-7的研究发展,基于内容编码和面向对象的存取和操纵技术日益得到人们的重视,视频分割技术迅速成为当前视频研究领域的热点.为了能够实时准确地对运动视频对象进行分割,本文提出了一种时空结合的视频分割算法,即先利用帧间差分求出大致的视频对象,经过投影定位,再通过灰度连通区域的标记对其进行修正.本算法直接面对灰度图象序列处理,并且综合和时间空间上的信息,使得对于运动对象的分割更加准确和有效,同时由于并行的细胞神经网络的介入,使得算法具有更好的实时性.通过在细胞神经网络机CNNUM上的模拟结果证明,利用该算法,能够较精确地分割出视频对象.     

基于静止背景下的视频分割研究

基于背景重构的视频分割算法,利用统计累积的方法得到包含遮挡域的完整背景信息,利用当前帧和所得到的背景图像相减得到视频对象,成功地克服了遮挡问题,在静止的背景条件下,对于单一运动目标能够得到比较准确的分割结果。