一类新型的运动目标视频检测算法

本文提出了一类新型的嵌入式视频活动目标检测算法,该算法采用Surendra算法对背景进行更新以减低系统误报警的几率,对连续三帧图像分别采用差帧法,对2次帧差取交集实现对前景目标的模糊跟踪,而后对粗糙的运动区域图像进行阈值面积消去处理和数学形态学运算,最后实现目标定位跟踪。仿真结果表明,与传统的二阶帧差的方法相比,本文视频活动的目标检测算法具有高实效,高精度的特点。     

基于粒子滤波的视频图像目标遮挡算法研究

基于粒子滤波的视频图像目标遮挡算法是当前的一个热门研究领域.在对于视频图像目标跟踪方面,综合运用了多种算法进行检测和跟踪,详细分析光流法、帧间差分法、背景差分法和视频图像目标特征的提取,并在最后对帧间差分的算法进行了改进.通过实验证明,采用基于粒子滤波的视频图像目标遮挡算法能够更加有效地解决对跟踪目标的准确判断.     

卫星视频运动目标检测算法

为了实现对卫星视频图像序列的运动目标进行跟踪,提出了一种背景建模与添加实际条件约束相结合的卫星视频运动目标检测算法。首先,针对卫星视频图像序列的背景建立背景模型。然后,把接下来各帧图像同该模型相比较,进行减法运算,所得偏差为运动区域。最后添加满足卫星实际情况的约束条件,根据卫星视频的分辨率估算出运动目标合理的像元尺寸,从而滤掉噪声。将本算法在PC端进行实现,并与三帧差法和背景建模法的检测准确度进行对比。实验结果表明:本算法对卫星视频图像序列运动目标检测的准确度可达83.6%,三帧差法检测准确度为6.1%,背景建模法检测准确度为21.0%。从实验结果可以看出,本文算法可以比较准确地对卫星视频图像序列进行运动目标检测。     

视频监控中的运动目标检测与跟踪技术研究

视频监控中运动目标的检测和跟踪是智能视频监控的关键技术,本文利用帧间差分法和背景差法对运动目标进行检测,对这二种检测方法进行了研究和比较;利用波门（跟踪窗口）选取视场中某部分图像为目标图像,然后用边缘或质心跟踪等跟踪算法确定目标位置以及目标位置与波门位置的偏差实现了对目标的跟踪。     

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。     

一种对空红外弱小目标检测跟踪方法研究

为了在对空中小目标打击过程中实现对目标的准确检测与跟踪,针对空中红外弱小目标信噪比低、像素点少等特点,本文基于红外视频图像,采用高斯滤波以及Top-Hat算子对图像进行预处理;利用边缘检测算法对图像中的目标进行检测与定位;根据检测得到的目标初始位置,通过核化相关滤波跟踪算法对目标持续跟踪;最后对跟踪效果做了定量评估。实验结果显示,跟踪最大视场角度误差不超过0.0062°,运行速度平均每帧可达25.3帧/s,该方法能够有效地对空中红外弱小目标进行自动检测跟踪。     

较大尺度运动下的人体特征点跟踪算法研究

利用光流法可以对视频中运动目标进行特征点跟踪,当目标存在较大尺度运动时,光流法图像一致性假设难以满足,导致特征点跟踪丢失。针对此问题,提出了一种基于Lucas-Kanade(L-K)金字塔光流算法的运动人体特征点跟踪方法。首先,利用帧间差分法得到帧差图像序列,获取行人的运动区域;然后用尺度不变特征变换（SIFT）算法检测选定初始帧中的特征点;最后运用L-K金字塔光流算法跟踪这些特征点在后续帧中的位置。实验结果表明,该算法对较大尺度运动的特征点跟踪有很好的效果,提高了跟踪的准确性。      

基于多核DSP平台的交通视频运动目标检测跟踪实现

为解决实际交通智能监控系统中视频传感器平台因移动或外部因素的影响发生晃动,导致视频运动目标检测跟踪性能下降的问题,文章提出了基于改进SIFT算法的精确配准动目标检测跟踪方法。该算法采用经典SIFT特征对图像配准,以此为基础实现高效、高精度的图像帧间差分运动目标检测,并采用自适应阈值分割算法完成对差分图像的分割,且通过区域合并策略解决分割产生的断裂及空洞问题,同时采用目标局部邻域特征和置信度判定准则,实现对运动目标的检测和持续稳定的跟踪。最后,基于多核DSP处理平台,通过实验验证了该算法应用于智能交通视频动目标检测跟踪的有效性。     

基于时空二维目标描述的红外小目标跟踪

根据红外弱小目标的时空域特性,提出了一种基于时空二维直方图均值移动的红外弱小目标跟踪方法。本文构建了空域分量和时域分量来表示红外弱小目标,形成时空二维图像。当前帧图像包含目标的空域分布信息,因此将当前帧图像作为空域分量;差分图像包含目标的运动特性,反映了目标的时域特性,因此将前后两帧差分图像作为时域分量。利用时空二维目标表示方法,采用均值移动算法进行目标跟踪,同时根据Bhattacharyya系数来更新目标模板。采用实际拍摄的小目标视频来检测本算法,仿真结果显示本算法能稳健的跟踪红外弱小目标,均值移动算法的跟踪精度得到了较大的提高。     

基于Otsu算法的图像阀值自动选取算法研究与应用

针对图像处理在追踪运动物体领域的应用,选择Otsu图像分割算法进行研究分析,给出了该算法的C++程序代码。为验证算法在工程应用领域的有效性和准确性,将其应用到车辆目标检测系统中,该系统以运动目标检测与跟踪为出发点,通过读取视频帧、帧差处理、Otsu分割、形态学处理,连通分量分析进行目标检测,从而实现跟踪汽车运动的目的。最后在Opencv2．4．8和微软VS2010环境下对Otsu算法在该系统的应用进行测试,结果表明,Otsu算法能够快速高效的进行车辆检测及跟踪定位,具有较好的工程应用价值。     

基于帧间差分法和VIBE算法的运动目标检测

针对运动目标在视频序列检测时易受各种因素干扰的问题,采用TI公司的TMS320DM6446作为系统图像处理器,提出了一种基于帧间差分法和VIBE算法相结合的运动物体检测方法,并在DM6446硬件平台上实现。实验表明,在室内场景背景下,系统在满足实时性情况下能够克服光线变化等因素的干扰,准确地检测出运动目标,现场试验取得了良好的效果。     

A hybrid algorithm for automatic segmentation of slowly moving objects

Segmentation of moving objects in video sequences is a basic task in many applications. However, it is still challenging due to the semantic gap between the low-level visual features and the high-level human interpretation of video semantics. Compared with segmentation of fast moving objects, accurate and perceptually consistent segmentation of slowly moving objects is more difficult. In this paper, a novel hybrid algorithm is proposed for segmentation of slowly moving objects in video sequence aiming to acquire perceptually consistent results. Firstly, the temporal information of the differences among multiple frames is employed to detect initial moving regions. Then, the Gaussian mixture model (GMM) is employed and an improved expectation maximization (EM) algorithm is introduced to segment a spatial image into homogeneous regions. Finally, the results of motion detection and spatial segmentation are fused to extract final moving objects. Experiments are conducted and provide convincing results.     

智能视频监控中入侵检测算法的设计与实现

为实现在高清视频监控中实时、准确的检测出入侵的人员或物体,本文设计一种新的入侵检测算法。 算法将混合高斯模型与改进的帧差法结合,并针对实际监控场景作出以下改进：当监控画面分辨率较高时,采用块均值建模替代原混合高斯模型中的单个像素建模提高算法检测的实时性;在监控场景发生光照突变时结合改进的帧差法避免因光照带来的误检测。实验结果表明,本文的算法处理速度快,准确性高,适用于实时高清的视频监控系统。     

Automatic Segmentation of Moving Objects in Video Sequences for Indoor and Outdoor Applications

1　IntroductionAutomaticsegmentationofmovingobjectsfromvideosequencesisadifficultandchallengingproblemincomputervisionsystems.Ithasmanyapplicationssuchasvideosurveillance,trafficmonitoring ,peopletrackingandvideocommunication[1～4] .Italsoplaysanimportantroleinsupportingcontent basedimagecoding,especiallyaftertheemergenceofthevideocodingstandardMPEG 4[5～ 1 4 ] .Therearealotofresearchworksonmovingob jectssegmentationandextraction .Thesealgorithmscanberoughlyclassifiedintotwocategories:inter …     

Detecting moving object from dynamic background video sequences via simulating heat conduction

Moving object detection is one of the essential tasks for surveillance video analysis. The dynamic background often composed by waving trees, rippling water or fountains, etc. in nature scene greatly interferes with the detection of moving objects in the form of noise. In this paper, a method simulating heat conduction is proposed to extract moving objects from dynamic background video sequences. Based on the visual background extractor (ViBe) with an adaptable distance threshold, we design a temperature field relying on the generated mask image to distinguish between the moving objects and the noise caused by dynamic background. In temperature field, a brighter pixel is associated with more energy. It will transfer a certain amount of energy to its neighboring darker pixels. Through multiple steps of energy transfer the noise regions loss more energy so that they become darker than the detected moving objects. After heat conduction, K-Means algorithm with the customized initial clustering centers is utilized to separate the moving objects from background. We test our method on many videos with dynamic background from public datasets. The results show that the proposed method is feasible and effective for moving object detection from dynamic background sequences.     

基于背景重构的运动对象越界侦测方法

提出了一种基于背景重构的运动对象越界侦测方法,该算法利用当前视频图像和背景视频图像,通过差分法获取运动对象模型和背景差值,再利用运动对象模型的连续性绘制运动对象轨迹,对轨迹和警戒线交叉方程进行越界侦测。同时,利用当前视频图像融合背景图像生成新的背景图像,能有效保证识别算法的自适应性,提高侦测结果的准确性。     

一种新的自适应背景建立与更新算法

针对视频监控系统中的动目标检测问题,提出了一种新的自适应的背景建立与更新算法。能够从含有运动目标的初始背景中,通过短时间的训练得到理想的背景,可以大大减轻系统的存储负担。实验表明算法能很好地适应光照的缓变和突变,具有较强的鲁棒性。     

光照突变补偿在视频序列运动目标检测中的应用

针对光照突变情况下视频序列运动目标检测精度低 、误检多等问题,提出一种结合光照补偿的检测算 法。算法利用色差不变量提取稳定的背景区域,并结合历史前景信息判定光照突变程度。采 用对角模型补 偿光照突变的图像序列,对全局与局部光照突变分别运用区间估计与码本聚类方法计算补偿 参数,最后利用 背景减除法实现运动目标的检测。与典型算法进行对比的实验结果表明,本文算法具备较高 的检测精度与稳定性,适用于动态场景中的运动目标检测。     

一种自适应块匹配并行算法的研究及性能分析

介绍了一种自适应块匹配新算法,这种算法充分考虑了活动视频序列中运动物体与变化区域的具体情况,结合块的划分与匹配估算,得到了一个合理的迭代运算流程,其特点是在单机环境下同时进行一批块的匹配与处理。最后采用这个算法对部分活动视频序列进行了仿真计算,取得了部分结果,经分析表明,这种算法对于运动复杂度较大的视频活动信号具有更好的性能。     

基于改进分水岭算法的立体视频对象分割

提出了一种结合视差和边缘信息进行立体视频对象的分割方法。针对传统分水岭算法过分割的问题,提出了改进的算法。采用基于自适应权值的立体匹配方法获得可靠的视差图,并利用改进分水岭算法进行视差图分割,获得初始的视频对象区域,随后对初始视频对象进行边缘检测,通过提取其轮廓获得准确的对象,最后提出基于区域的对象跟踪方法,完成后续帧视频对象的分割。实验结果表明,本文提出的方法可以获得良好的分割结果。