改进的Vibe运动目标检测算法

针对传统Vibe运动目标检测算法提取的目标存在Ghost区域、并且在目标有阴影时检测出的前景区域存在阴影的问题,本文提出了一种结合快速初始化背景建模和阴影去除的Vibe运动目标检测算法.首先采用改进的帧差背景建模方法快速初始化背景模型;然后利用Vibe算法找出当前帧内所有可能目标的前景区域;最后引入HSV模型去除前景目标区域中存在的阴影.实验结果表明,本算法可以有效消除Ghost区域,并且很好地去除前景目标区域里存在的阴影.     

基于混合高斯模型的运动目标检测

针对现有方法在复杂的环境下不能很好地检测出运动物体的问题,提出了一种改进的基于混合高斯模型的背景消减法检测运动目标。改进了背景模型的更新算法,提高了背景更新速度。利用帧间差分法消除了运动影子和光照突变问题,并采用（r,g,l）颜色空间检测和抑制了运动阴影。实验结果表明,该算法能很好地提取出运动目标。     

一种改进W4算法的运动目标检测研究

针对经典W4背景建模算法只能克服光照强度的微小变化以及背景的轻微运动等问题,提出了一种新的运动目标检测算法。首先,利用均值法进行背景初始化选出静止像素集合,消除背景中运动目标的干扰;其次,给定背景初始帧,用经典W4算法计算出每个像素点的最小灰度值、最大灰度值以及最大帧间差分值;然后,对每个像素点提取的最小灰度值和最大灰度值进行线性加权,并且与均值法得到的初始背景相结合建立稳定的背景模型,克服了移动、阴影、光照突变等影响;最后,比较当前帧与背景模型从而检测出准确的运动目标。实验证明,与其它均值法、经典W4算法以及混合高斯背景建模方法相比较,改进方法不仅耗时短而且取得了较为理想的检测效果。     

静态背景下的运动目标检测算法

运动目标检测是计算机视觉研究的重要组成部分。为了改进传统运动目标检测算法存在空洞、阴影和虚假边缘现象,提出一种静态背景下基于五帧差分与背景边缘差分相结合的运动目标检测算法。该算法首先利用优化的Canny边缘检测算法快速简单地构建稳定的背景边缘模型,同时利用背景边缘检测差确定运动目标边缘;之后与五帧差分法检测的结果相累加;最后通过同化填充和后期相关处理提取完整、准确的运动目标区域。实验结果表明,该算法准确率高,连通性好,能满足实时性检测的要求。     

基于光照不变性模型的运动目标检测新算法

运动目标检测有两大难点,即光照变化的影响,阴影对运动目标准确提取的影响。高志伟等人提出了基于彩色边缘的运动车辆检测,实现了复杂背景下的运动目标检测,但该方法无法消除阴影的影响。为了克服光照及阴影的影响,提出了基于一维不变性图像的背景模型,更新了最小熵投影角度,设计了运动目标检测的新算法。以交通运输领域为例,将本文算法和多层前景算法、边缘检测算法做了对比,通过实验验证了该方法在检测运动目标时能够克服光照变化影响,并有效抑制阴影。     

基于OpenCV与混合高斯建模的运动目标检测

针对静态背景下的视频运动序列,在研究现有的检测算法——帧间差分法与背景差分法的基础上,进一步研究了运动目标检测中背景动态建模的方法——混合高斯建模法,在此基础上提出了基于混合高斯模型与三帧差分的运动目标检测改进算法。由于使用背景差分法检测运动目标时,运动物体和阴影都将被看作运动的目标,于是研究了基于归一化RGB色彩模型的阴影处理方法,对阴影区域进行检测与去除。然后使用计算机视觉类库OpenCV结合Visual C＋＋6．0对上述算法进行实现,取得了很好的检测效果。     

基于统计信息的改进滑动平均目标检测算法

随着实时视频监控技术的发展,运动目标的检测在众多领域都有着广泛的应用。针对当下运动目标检测算法易受环境噪声和光照突变的影响,为了提高算法的稳定性和自主检测能力,本文系统研究了背景减除法和帧差法的不足和优势,提出了一种基于统计信息的改进滑动平均算法。首先,依据帧间差分对光照不敏的特性,粗略分离出背景和前景部分,同时去除掉其他随机孤立噪声,然后在滑动平均算法中引入对前景点的统计计数,自适应更新背景建模学习速率,加速背景模型收敛,最后将滑动平均与三帧差分两者形态学处理后的目标团块进行与运算,得到准确的前景区域。实验结果表明,本算法可以在树叶晃动和光照变化中精确定位运动目标,正确前景点率平均提升7.4%,得益于帧差法特性,误检前景点率显著降低,鲁棒性和自适应性更好。     

基于帧差法的运动车辆阴影去除算法

在视频交通车辆目标检测中,阴影问题是影响其检测准确性的关键问题之一.为了解决这个问题,提出了一种结合单模高斯模型和帧差法的运动目标阴影去除方法.首先通过单模高斯模型背景建模获取前景包括阴影在内的目标图像,再结合帧差法去除阴影.实验结果证明,该方法得到的车辆目标比较完整,并较好地去除了运动车辆阴影.     

基于混合模型的运动目标检测算法

自然界中复杂的环境对视频临控系统有一定的下扰,对运动物体的检测也将产生显著的影响,通过分析光照变化、背景干扰等现象对运动目标的检测的影响,本文提出了一种能适应环境变化的混合模型运动目标检测算法,该算法结合帧间差分法和混合高斯模型算法的优点,将帧差法作为进行高斯背景减法的指导,既能得到较高的灵敏度又能进一步提高检测效果,...     

基于分块背景建模的运动目标检测技术

研究了视频监控系统中的目标检测技术,在分析比较几种目标检测算法的基础上提出了一种使用分块处理的方式建立初始背景模型的方法。该方法对视频序列图像中的噪声有较好的抑制作用,并且能够有效地克服因平均而造成背景模糊和阴影残留的缺点。为适应背景变化,在背景更新方法中结合三帧差分寻找像素值变化较大的像素点进行自适应更新。仿真结果表明,在背景减除中使用该方法能够快速、完整、准确地检测出运动目标。     

基于HSV颜色空间的自适应性运动目标检测

格拉斯曼尼(Grassmannian)算法是一种可以由高度不完整信息追踪子空间的在线学习算法,它在视频运动目标跟踪时具有鲁棒性和低复杂度等优点,可以应用在视频前景与背景的实时分离的情况.针对格拉斯曼尼算法在前景分离中,面对室内全局光线突变会产生大量噪声的问题,提出了一种优化的预处理方法.通过HSV色彩空间变换对视频进行阴影检测,根据阈值判断光线变化情况并自适应调整前景内容,最终实现在光照变化情况下的运动目标检测,并有效去除了原格拉斯曼尼算法在光线突变会产生的大量噪声,提高了对光照变化的鲁棒性.     

基于区域统计及YUV色度特性的阴影消除

基于阴影区域统计及YUV色度特性,提出一种鲁棒的运动阴影检测方法。首先,在待检测像素点邻域划分小区域,利用小区域内光照条件基本相同、阴影近似线性地降低背景亮度的属性,估计出背景的亮度;接着,与混合高斯模型(GMM)得到的背景相减,统计差值图像的加权方差,作为判定阴影的特征;最后,依据邻域光照变化率不变性与YUV色度差异进一步消除误判阴影点。经多个室内外的经验数据集实验表明,该方法阴影检测率高,前景空洞少,且有较强的抗干扰能力。     

航空图像中阴影区域的检测

航空图像中的阴影区域可以提供大量的关于目标形状、相对位置、表面特性、高度的相关信息,本文首先对阴影的特征进行了研究,认为阴影对图像的影响是使所投射地表的表面光照强度降低,但不改变原有地表,目标表面的光照特征,如纹理特征及光照强度方向统计特征等。阴影区域内的灰度方差一般小于其他非阴影区域,不同阴影区域之间的灰度值具有较强的一致性。然后,本文利用基于二维直方图的最大熵门限化方法求得边缘图像,并对边缘图像进行了细化和跟踪,删除那些对比很弱、或者虽然对比度较强,但是不满足光照条件的边缘,得到阴影边缘。在门限化过程中使用了邻域函数和过渡区域,既保留了弱边缘,又最大程度地抑制了噪声对边缘的干扰。根据阴影边缘构出假想的阴影区域,并统计这些区域的灰度直方图,求得阴影区域的灰度区间。根据该灰度区间可以得到阴影区域,这些区域具有对比度较高、至少有一侧比较规则、光学性质类似的特点。     

基于统计的灰度视频自适应背景建模算法

针对灰度视频的目标检测依赖先验知识、召回率低以及单一算法无法同时兼顾静态与动态背景等问题,提出一种基于统计的背景建模算法。该算法无需先验知识,根据统计信息可以准确区分静态背景和动态背景,并采取不同的检测策略提取目标。对于静态背景,采用改进的三帧差分法自适应设置阈值,可以保证较高的召回率。对于动态背景,采用改进的概率密度估计法可以有效降低虚警率。采用所提算法对光照变化以及阴影进行处理,可以进一步提升算法的性能。在公开数据集与实际采集红外数据进行验证实验。实验结果表明,所提算法在多种场景中处理灰度视频的结果比其他传统算法好,在保证准确率的同时可以极大地提升召回率,并且有效提高目标的完整性。     

改进型ViBe算法在运动目标检测中的应用

作为计算机视觉领域的热门方向之一,运动目标检测具有很高的理论研究价值和很广的实际应用空间。传统视觉背景提取器(Visual Background Extractor, ViBe)目标检测算法实时性高且内存消耗低,但存在受光照影响大、不能有效抑制拖影区域、无法消除阴影以及检测图像内部空洞等问题。鉴于以上不足,提出3点针对性改进策略：(1)优化算法核心参数。筛选最优值来替换以往经验值,从而提高算法性能,增强算法适应性。(2)引入光强检测算子。阈值半径随光强变化自适应,避免因光照变化而出现拖影区域。(3)增加阴影检测模型。利用感兴趣区域(Region of Interest, ROI)像素分布确定阴影位置,结合运动目标自身特性分割出目标区与阴影区。仿真实验结果证明：改进型ViBe算法不仅能够完整地检测、抓取运动目标,而且还可以有效地抑制拖影区域并消除目标阴影。     

一种基于Retinex和PCA的人脸图像识别方法

针对目前人脸识别算法在光照条件恶劣时识别精度较低的缺陷,提出一种基于Retinex和PCA的人脸图像识别方法.Retinex算法能够有效去除图像中光照恶劣导致的阴影,而PCA能够有效提取图像中有代表性的特征,从而使得快速准确的识别成为可能.在Yale和Yale B数据库上验证该算法的性能,结果证明,此算法简单快速,且具有较高的识别精度,是一种实用的人脸图像识别方法.     

基于阴影位置及边缘信息的阴影去除算法

介绍了基于阴影位置及边缘信息的去除阴影算法。首先,估计光照方向,确定阴影方向;然后,基于边缘信息检测阴影设法消除外轮廓边缘,利用提取的前景图像减去构建的前景,得到阴影区域;最后,比较阴影方向,如果方向角在一定阈值范围内,则为实际阴影区域。实验结果表明,去除阴影的方法快速、准确。     

基于PCNN的图像阴影处理新方法

该文提出了如何用脉冲耦合神经网络(PCNN)进行图像阴影处理的新方法。计算机仿真表明,采用参数优选的PCNN图像阴影处理算法,可有效地处理图像中的阴影,从而使得图像中的目标易于被发现。该文工作拓展了有明确生物学背景的PCNN在图像处理方面的功能。     

多信息融合的视频运动目标阴影去除算法

针对传统HSV空间阴影去除模型中阈值难以确定、计算复杂及检测效率较低等问题,在对传统运动目标阴影去除算法进行深入研究的基础上,首先融入一阶梯度信息对传统HSV空间阴影去除模型的不足之处进行针对性改进,然后在此基础上融入反射比不变量提出了一种多信息融合的视频运动目标阴影去除算法.该算法在改进HSV空间阴影去除算法的基础上,进一步引入阴影候选像素及其对应背景区域像素的反射比不变特性来实现阴影区域更为精确的检测,从而有效区分并去除运动目标的阴影像素.实验结果表明,该算法在实际应用中具有较高的有效性和通用性.