基于分层码本模型的阴影消除方法

为了解决复杂环境,特别是背景改变带来的背景模型变化,对运动目标的阴影检测与消除效果产生影响的问题,给出一种在YCb Cr颜色空间下基于分层码本模型的阴影消除方法。目标检测时采用分层建模与检测技术检测出运动区域并更新背景模型,从永久背景模型中提取背景图像并采用基于色度的阴影检测方法消除阴影,避免在阴影检测与消除中使用固定背景的问题。在公开测试集上的实验结果表明,该方法能有效地适应背景的动态变化,对复杂环境中的前景目标检测与阴影消除有很好的效果。     

基于运动点积累的视频运动目标提取

通过对视频中运动目标特点的分析,提出了一种提取背景图像的算法。使用运动点积累的方法来更新背景图像,然后应用背景差分准确检测出场景中的运动目标。由于视觉的相似性,使得检测出的目标包含阴影,最后使用阴影滤波函数去除阴影,得到完整的运动物体。实验结果表明,本算法具有较好的实时性和适应性,能检测出比较完整的运动目标信息。     

基于双阈值的运动阴影检测算法

提出了一种应用于视频图像中运动阴影的检测方法.首先用统计方法建立的背景图像和当前帧图像进行差分;然后采用双阈值对差分图像进行分割,把图像分为背景区,运动区和运动目标与目标阴影的混合区.再利用阴影的位置特征,把阴影分离出来.实验结果表明,该方法能有效检测、去除对监控场景中运动目标的阴影,具有较好的鲁棒性和实时性.     

一种基于全向视觉的运动物体检测算法

针对静态摄像头条件下的运动物体,提出一种基于全向图像特性的运动目标检测算法.首先对全向图像进行展开,并应用非线性畸变模型对展开图像校正处理,利用自适应背景建模的方法建立和更新背景模型、去除背景,实现对运动物体的识别与检测.该方法利用全向校正图像分辨率低的特点较好地解决前景提取过程中的噪声和阴影问题.实验表明,该方法对于全向视觉条件下运动物体的检测是快速有效的.     

基于统计背景模型的运动目标检测方法

运动目标检测是计算机视觉、视频处理等应用领域的重要研究内容。其中减背景技术是一种常用方法。在减背景方法中，背景模型的提取、更新、背景扰动、外界光照条件变化、阴影检测等是必须要考虑的问题。提出了一种有效的运动目标检测方法，较好地解决了以上问题，首先利用统计的方法得到背景模型，并实时地对背景模型更新．以适应光线变化和场景本身的变化，用形态学方法和检测连通域面积进行后处理，消除噪声和背景扰动带来的影响，在HSV色度空间下检测阴影，得到准确的运动目标。实验结果表明，该方法是快速有效的。     

一种简单有效的运动目标检测算法

针对固定场景中运动目标检测遇到的运动目标状态突变,非运动目标干扰以及阴影等问题,提出了一种背景差分和帧间差分相结合的运动目标检测算法;该算法首先通过平均法背景模型确立背景,使用背景差分得到一幅二值化前景图像,然后将通过连续的多帧图像进行相邻帧差分得到的多幅二值化前景图像进行逻辑或运算,最后将运算结果同背景差分所得到的二值化前景图像进行逻辑与运算,得到最终运动目标区域;实验表明,该算法运算速度快,准确率高,并能满足实时检测的需要;不足之处是在摄像机与运动物体夹角很小的情况下,检测效果较差,但可以通过多台摄像机协同操作来达到理想的效果.     

多自由度人体运动动态图像目标检测方法仿真

采用当前方法对人体运动动态图像进行目标检测时,无法消除图像中存在的阴影区域,导致图像清晰度低、位置误差大和检测效率低.提出多自由度人体运动动态图像目标检测方法,构建高斯背景模型,分离图像的背景区域和目标区域,将目标区域变换到HSI空间中,结合小区域去除方法和数学形态学处理,根据阴影区域饱和度高和亮度值低的特点确定目标区域中存在的阴影,通过匹配补偿去除目标区域中的阴影部分.根据目标区域的灰度分布构建目标更新模型,实现多自由度人体运动动态图像目标的检测.实验结果表明,所提方法的图像清晰度高、位置误差小、检测效率高.     

基于背景重建的运动目标检测与阴影抑制

提出了一种静止摄像机条件下的运动目标检测和去除阴影的方法。该方法采用以图像亮度和能量大小为判断依据的分块背景重建方法来快速更新背景,并结合背景相减法,网格化连通域检测,形态学滤波等步骤来检测和提取运动目标,同时运用边缘检测获取阴影边缘信息,并结合形态学运算来去除阴影区域,恢复出完整物体目标。实验结果表明,该方法能够有效地检测出运动目标和抑制阴影。     

一种改进的运动目标检测方法

视频序列中的运动目标检测是计算机视觉、视频监控等领域的关键问题。背景差分法是目前运动目标检测中最常用的一种方法．而构造一个自适应更新的背景模型是背景差分法的核心。利用运动目标图像变化比背景图像变化要快的特点,提出了一种改进的构建并实时更新背景图像的方法。实验表明,该方法计算量小、实时性好、并且能够确保较好的检测精度。     

基于视频图像的运动目标检测与识别

运动目标检测是场景监控的核心技术,而目标的阴影在很大程度上影响了目标的形状,干扰了真实目标的检测.本文提出以混合高斯模型为基础,利用背景差分法获得目标图像,将亮度,色度信息和归一化互相关函数的阴影检测法相结合对视频图像的阴影进行消除,并用形态学的方法对检测结果进行处理,实验证明该方法是可行的和有效的.     

基于纹理的运动目标检测

提出一种基于纹理的背景建模方法,进行视频序列中运动目标的检测。其纹理的表征采用局部二元图（Local Binary Patterns,LBP）统一模式直方图,由于LBP纹理基本不受阴影的影响,使得灰度图像中阴影区域和背景相应位置的纹理表征具有一定的相似性,因此背景建模和相应的运动物体检测受运动阴影影响很小,能够在阴影条件下较精准地检测出运动物体。实验结果证明了该结论。     

基于移动区域的快速粗模型阴影检测

阴影检测是运动车辆目标识别与追踪中非常重要的环节.结合基于颜色和模型的两种检测方法,提出一种基于移动区域的快速粗模型阴影检测方法.该方法首先通过改进的背景差分方法快速获取图像中的移动区域,然后在此基础上根据基于模型的方法建立阴影的粗模型,即快速确定阴影区域的粗略区域.阴影检测时只对该区域内的图像采用基于HSV颜色空间的方法进行分析处理.实验结果表明该方法可以有效地提高阴影检测的效率.     

基于统计方法的视频序列运动人体检测

描述了一种运动人体检测的方法。首先利用多帧图象统计平均的方法得到背景模型,采用背景差法检测出运动目标,并实时地对背景模型更新,以适应光线变化和场景本身的变化;然后在HSV色度空间下检测消除阴影,得到准确的运动目标。最后用形态学方法减小噪声和背景扰动带来的影响。实验结果表明,这种方法简单高效、抗噪性强,能实现复杂背景下的运动目标检测。     

基于单高斯背景模型运动目标检测方法的改进

针对背景减除法应用于运动目标检测中的背景模型更新和阴影消除问题,提出了一种改进的单高斯背景模型估计算法和快速的阴影消除方法。实验结果表明,算法在有效去除阴影的同时能够较好地提取运动目标,为后续的人体识别、行为分析等工作奠定了良好的基础。     

煤矿智能视频监控中的运动目标检测研究

针对煤矿智能视频监控环境存在各种复杂动态场景变化的情况,研究了运动目标检测中的3个重要环节:背景建模与更新、前景检测和运动阴影检测与去除。针对这3个环节,提出了相应的处理方法:基于IFCM聚类算法的自适应背景建模与更新方法,对像素灰度取值进行无监督聚类,自适应选取不同个数的聚类构建各像素背景模型,随场景变化进行聚类修改、添加和删除以完成背景自动更新;联合背景差分信息、三帧差分信息和空间邻域信息的前景检测方法,据此获得较为准确的前景目标;运动阴影检测与去除方法,依据在阴影覆盖前后的灰度图像中,像素具有亮度值相关性和纹理特征值不变性,实现了运动阴影的检测与去除。实验结果验证了本文所提方法的有效性和优越性。     

融合颜色矩和码书模型运动目标的检测算法

运动物体检测是视频监控系统的一个重要部分。背景减除是利用图像序列中的当前帧和背景参考模型进行比较来进行运动目标的检测,其中背景模型反映了背景环境的信息。提出了一种新的基于码书的背景模型。在基本的码书模型的基础上,将HSV空间中的阴影检测算法融入背景模型,构建了一种颜色与亮度模型,使得背景模型对阴影有较好的处理效果。同时,提出了一种新的背景模型更新策略。实验结果表明,即使背景场景轻微运动和光照条件变化,该方法构造的背景也能有效检测运动目标。     

基于运动分割和肤色判别的人体目标检测方法

针对静止摄像机近距离拍摄目标的情形,提出一种人体目标检测方法,主要包含两个步骤:在运动分割步骤中,利用长程和短程两次背景更新获取精确的背景图像,同时利用基于颜色空间的阴影判定方法消除阴影的干扰;在目标检测步骤中,将肤色检测与人体目标的几何比例经验值相结合,对运动目标进行判断.     

结合强度和边界信息的非参数前景/背景分割方法

提出一种非参数前景背景分割方法.在将图像的强度信息与边界信息进行融合、提高运动目标检测的鲁棒性的同时,针对图像阴影区域的特性,通过阴影模型能够有效地检测阴影区域.实验结果表明该方法具有一定的实用性.     

基于主动轮廓模型的交通场景运动目标提取算法

在交通监控中,从复杂的交通场景中精确地分割出运动目标是至关重要的。目前,经典的运动目标检测算法有背景差法和帧差法。当场景中存在阴影时,这两种方法都不能够精确地提取运动目标。提出了一种基于主动轮廓模型的运动目标提取算法。通过阴影检测,从运动目标中获得消除阴影的初始轮廓,然后通过主动轮廓模型逼近运动目标真实轮廓。实验表明,该算法既可以消除阴影和噪声的影响,又可以保持运动目标完整。     

结合分块的改进三帧差和背景差的运动目标检测

针对运动目标检测易受背景影响及帧间差分易产生空洞的问题, 提出了一种基于分块的改进三帧差分和背景差分相结合的运动目标检测算法. 该算法利用边缘检测法和均值法建立初始背景模型, 将视频图像划分成多个子块, 对利用改进的三帧差分和背景差分获取的图像的各个子块进行自适应阈值检测, 获取图像中的运动前景目标, 背景图像采取自适应更新方法. 实验结果表明, 该算法能完整的提取运动目标, 背景适应性强, 具有较高的准确性和效率.