一种基于改进混合高斯模型的运动目标检测算法

针对运动目标检测中ViBe算法的鬼影、阴影和噪声干扰问题,本研究提出一种融入改进混合高斯模型(GMM)的ViBe算法。该算法改进混合高斯模型的自适应性,使混合高斯模型的K值与学习率对背景进行自适应调节;对视频帧进行训练,构造"虚拟"背景代替第一帧图像进行背景建模,算法能够有效地提取背景建模初始化的视频运动目标,从而消除鬼影现象。该算法用像素分类法提取前景目标,经形态学处理得到完整的运动目标。实验结果表明:与几种运动目标检测算法相比,本研究提出的算法不仅能够有效地抑制鬼影、阴影和噪声干扰,而且该算法自适应性强、检测速度快、检测结果可靠。     

基于混合高斯模型的背景差分法的FPGA实现

针对视频中运动目标检测实时性问题,提出了一种基于混合高斯模型的背景差分法的FPGA实现方法.背景差分算法是运动检测算法中最常用的方法,该算法首先对实时得到的图像序列进行建模,得到运动场景的背景模型.然后在运动目标分割中及时的根据场景变化更新背景.考虑到实时性要求的高帧率、高分辨率视频分割任务,利用FPGA并行处理和硬件实现的优点,对混合高斯模型进行修改来对它进行定制,以适合于硬件实现.最后,通过在FPGA开发平台进行了仿真实现,结果验证了算法在硬件实现的正确性,以及在实时性能上的提高.     

视频运动目标检测与跟踪算法研究及OpenCV实现

针对固定场景,给出了一种视频运动目标检测和跟踪算法.利用混合高斯建模的背景差分法,在复杂背景条件下提取出运动目标,并采用颜色直方图模型为特征的均值平移法,对目标进行跟踪.经OpenCV编程测试,算法可以准确地跟踪运动目标.     

基于平滑帧差法的混合高斯模型的研究与应用

鉴于传统混合高斯模型在光照突变、噪声干扰时鲁棒性不高,易造成检测错误等问题,提出一种改进的监控视频前景运动目标提取算法.该算法将帧差法平滑化,再与混合高斯模型相结合,分别采用正序和倒序对样本灰度矩阵处理,增强识别准确度.通过基于灰度图的协方差矩阵导出仿射不变量,根据已有的仿射不变量对灰度图进行识别、分析,得到在晃动视频下的前景运动目标的较准确提取.不同场景的视频检测结果表明,改进算法有效克服了监控摄像头晃动或偏移、光照突变、噪声干扰、"空洞"及"双影"现象,与同类算法相比,具有更高的准确度和鲁棒性.     

基于改进的混合高斯模型背景减除算法

背景减除法常采用混合高斯模型作为背景模型来进行目标检测,它可以自适应学习并表示分布复杂的背景.混合高斯模型在光线变化缓慢的情况下表现很好,但是在光线快速变化的情况下,由于高斯背景无快速更新机制,无法应对光线迅速变化的情况.通过对混合高斯模型进行优化,提出了一种改进的混合高斯模型检测算法,并通过实验证明了新算法明显提高了运动目标检测的准确度.     

一种改进的视频运动目标检测算法

该文提出了一种改进的视频运动目标检测算法。该算法采用动态选取模型数的混合高斯的方法建立背景模型并实时更新,与当前帧比较进而提取出视频运动目标,通过扩展的区域生长法对运动目标进行定位。在背景差图像经过阈值化及形态学膨胀、腐蚀的基础上,定义扩展区域的大小,并设定区域内前景点个数的阈值,进行连通区域合并和前景区域定位。采用不同的视频测试序列,从检测效果及耗时上研究了改进的视频运动目标检测算法的性能。实验结果表明,该算法具有良好的检测效果和实时性能。     

基于GMM的人体运动姿态的追踪与识别

随着人工智能等技术的兴起,利用机器视觉对视频中运动目标进行追踪与识别在工业、交通、医疗和运动训练等领域都得到应用.对视频中人体运动姿态进行准确快速的检测,是目前一个热门的研究方向.本文采用改进的混合高斯背景模型(GMM)算法对视频每帧图像进行前景提取,通过帧间差分法分析得出不同差值对应的学习率,从而实现对背景模型更准确的更新,进而得到一个精确的二值化的前景图像;并将生成二值图像由更新后的像素与高斯B均值比较,得到背景或前景图像;再对处理后视频图像进行比对,利用Shi-tomasi算法提取图像特征点并进行追踪,获取运动目标轮廓并绘制出边缘,经过SVM训练实现对走、跳、跑3种人体运动姿态的实时追踪和识别.     

基于混合高斯模型优化的运动人体跟踪方法

复杂背景下运动人体目标的自动检测与跟踪效果常易受环境光线变化的干扰.面向变光线环境下运动人体检测与跟踪,提出一种基于混合高斯模型优化的Camshift检测跟踪算法,首先采用混合高斯模型进行前景建模,将外界扰动作为背景信息进行处理;然后进行色彩空间转换并计算反向投影值,进一步利用Meanshift迭代定位运动目标;最后,通过更新混合高斯模型及后续帧的处理保持人体目标的有效检测及跟踪.实验结果表明,该方法相较于传统的光流方法及Camshift算法,可更好地适应环境光线变化及枝叶晃动影响,较好地获取运动目标前景信息,提高运动人体目标的检测及跟踪精度.     

基于混合高斯模型和GPU的车辆闯红灯快速检测算法及实现

为实现对闯红灯车辆的准确快速检测,提出了基于混合高斯模型和GPU的车辆闯红灯检测算法。先用时间均值法根据监控系统运行后的第1个红灯期间采集的视频数据构建背景图像,再利用这个背景图像初始化混合高斯模型参数,进而采用混合高斯模型检测运动车辆;为实现实时检测,采用GPU并行计算对算法进行了实现。实验结果表明,该算法克服了实际道路监控视频中出现的混合高斯模型初始化参数选择不合理的问题,加快了混合高斯模型的收敛速度,实时性好。     

基于均值背景与三帧差分的运动目标检测

为了实现对室外监控视频中人体运动目标的准确提取,针对传统的三帧差分法在运动目标检测过程中容易出现"空洞"现象,提出了一种基于均值背景与三帧差分的运动目标检测算法.该算法通过将经均值背景建模得到的视频当前帧的背景加入到三帧差分中与视频当前帧和视频当前帧的下一帧分别进行邻间差分,避免了背景像素点对前景检测带来的影响,解决了三帧差分法在运动目标检测过程中存在的"空洞"问题.仿真结果表明,该算法在完整性和准确性方面要优于传统的运动目标检测算法,可以在复杂背景环境中实现快速的运动目标提取.