一种基于运动矢量的运动物体提取方法

为提高视频运动物体提取的准确性,提出了一种新的基于运动矢量信息的视频运动物体提取方法.将与运动矢量信息相关的分割因子用于运动物体提取的判据,然后通过对每帧图像构建分割因子矩阵,对每一帧分割因子矩阵进行二维熵门限判决,实现对视频序列中的运动物体的提取.研究结果表明该算法对于全局运动比较稳定且运动物体的速度较慢的序列具有较好的提取效果,提取成功率达90%以上.     

一种视频运动区域检测的方法

在镜头不动的情况下,提出了一种基于累积帧差分割技术的视频运动区域检测方法,这种方法对传统累积帧差法作了改进采用相邻帧差和隔帧差结合并对图像累计相加．实验结果表明：这种方法不仅能很好的消除视频图像的噪声,且可以有效地从对比度较小和噪声较大的视频序列中较精确地检测出比较完整的运动区域轮廓．     

基于监控视频中背景重组的运动物体的检测

智能监控视频中,核心技术是运动物体视觉分析。运动物体的检测又是运动物体视觉分析的基础和关键。对于运动物体的检测与跟踪,背景的提取干净与否关系到后续工作的准确性。文中提出了新的背景确立方法,以及在运动物体的检测方面也提出了新的改进方法。实验表明该方法具有一定的有效性,实用性。     

基于MATLAB的移动物体检测

MATLAB软件是常用的图像处理软件之一,其图像处理工具箱包含图像增强、图像几何变换、图像分割等函数,用户可根据需要编写函数。本文基于MATLAB对固定摄像头拍摄的视频进行处理,把视频中相对移动的物体用彩色的框标注出,最终输出一个AVI视频。该算法运用图像增强、形态学操作、图像差分法,能快速准确标注出移动的物体及其移动轨迹。     

用线阵CCD对高速运动物体的检测

用线阵ＣＣＤ对高速运动物体检测传感头，为防止图像模糊必需提高行扫频率，然而提高行扫频率必然使曝光的积分时间缩短，检测灵敏度降低。本文介绍解决高速目标检测的行扫频率与检测灵敏度这一对矛盾的两种可行的解决办法，即选用ＴＤＩ器件或采用脉冲曝光法。     

一种改进的空间运动物体点匹配算法

三维空间中运动物体在不同时刻将处于空间不同位置,物体在空间的运动互相独立。怎样才能得到在两不同时刻空间运动物体的对应关系(Correspondence)以及求出各个物体的运动参数,这就产生了空间运动物体的匹配、识别以及运动参数估算问题。本文提出一种改进的点特征匹配算法。它是基于点匹配来匹配空间运动物体及估算物体运动参数的方法。算法首先在观察点集合中取出一个由四点组成的四面体,再从参考点集合中搜索对应的四面体,根据距离准则与体积准则,求得初始正确的四点匹配;其后每次从剩下的观察点集合中取出一点,在参考点集合中搜索其匹配点,直到观察点集合为空。本算法只需简单的距离及四阶行列式计算,在求得初始四点匹配后,以其为依据,可较精确地估算出物体的运动参数(R,T)。本文同时给出了运行本算法的结果。     

一种基于CCH的运动目标快速检测算法

运动目标的检测是智能监控系统和视频理解标注中的一个底层处理环节,这一环节的性能直接影响到中高层目标本体特征和运动特征的提取、日标分类、目标跟踪以及目标异常行为的分析.针对一些监控场景下常用算法速度较慢、对阴影过于敏感等缺陷,提出一种新的区域内容对比度直方图来描述小区域的特征,并利用该特征建立混合直方图背景模型,再通过减...     

一种基于频域的运动模糊视频复原方法

视频广泛使用于日常生活、公共安全和空间探索等领域。摄像机抖动和物体运动都会引起采集到的视频发生运动模糊现象。模糊的视频不仅会影响视觉感受,而且会影响对视频中信息的提取和辨识工作,因此需要对模糊视频复原。采集到的运动模糊视频中的模糊具有随机性,对于同一个物体,可能在某些视频帧中是模糊的,但是在另一些视频帧中可能是清晰的。根据这一特征,提出一种基于频域的运动模糊视频复原方法。该方法通过在频域中利用曲波变换融合多个相邻视频帧,获得清晰视频。该方法不需要估计模糊核和迭代求解模型,具有较快的运算速度。曲波变换具有很强的方向敏感性和各向异性特征,有助于模糊视频中边缘信息的复原。实验结果证明,提出的复原方法与现有的复原方法相比具有较好的复原效果。     

一种基于阴影检测的视频SAR运动目标检测方法

在视频SAR(合成孔径雷达)图像中,目标的运动导致其成像发生散焦和偏移,使得难以直接从图像上识别出目标本身,但目标的遮挡会在真实位置留下阴影,基于对阴影的检测可以实现运动目标检测.该文在阴影检测的基础上,针对视频SAR图像特性,提出了一种快速背景建模和建立感兴趣区域的动目标检测算法.该算法在对视频SAR图像进行配准、降噪后,其改进的背景建模方法能对目标进行有效补偿以快速提取干净背景.然后通过有效积累动目标阴影在图像序列间的变化信息,建立感兴趣区域缩小了后续检测范围.在Sandia实验室发布的视频SAR数据(Eubank大门)上进行的对比实验中,该算法取得了良好的检测性能,表明其能够有效抑制虚警和漏警,在多目标场景中具有更强的鲁棒性.       

一种基于运动搜索的运动检测和边缘检测算法

提出了一种基于运动搜索的运动检测和边缘检测算法并估计了其硬件消耗.该算法利用视频编码器在编码过程中的中间过程计算数据,相对传统的视频编码器,以很少的电路结构消耗实现了运动检测和边缘检测两项功能.试验结果表明,提出的算法可快速、有效地获得满意的运动检测和边缘检测结果,并具有较强的鲁棒性.     

基于特征帧构建的运动目标检测方法

非参数密度估计在样本分析建模方面得到了很大的关注,尤其是核密度估计方法。但由于核密度估计方法计算量大,应用到运动目标检测方面很难达到实时效果。提出了一种特征帧构建的核密度估计方法。因为核密度估计不需要假设背景模型的密度分布函数,所有样本值又满足独立同分布的原则,所以可以通过特征帧构建的方法进行背景建模,同时应用此方法进行背景更新。实验结果表明:该方法能够适应环境变化且具有运算速度快、实时性好等特点,可以将其应用到复杂背景下的监控系统中。     

基于ARM11的视频图像中运动物体检测跟踪系统

通过深入研究国内外视频图像运动目标的跟踪技术现状,基于目前对视频图像中运动物体进行检测与跟踪设备的便携性差、耗电量高等缺点,本系统利用ARM11平台搭载Linux系统实现相关应用的方法 ,完成了一套较完整的小型化检测系统的设计。本系统通过对实验室中走动的人进行视频检测跟踪试验,最终得出本系统可以对通过USBCAM采集的视频信号进行实时的数据处理,视频分辨率为240×320。包括检测出运动物体,标记出运动物体的图形中点,并对其进行轨迹的标注等。     

基于OpenCv的运动目标监控系统设计

随着图像处理技术和无线通信技术的发展,人们对视频监控的效果提出了更高的要求,智能监控以其实时性和智能性展现了其广阔的应用前景,越来越受到人们的重视。运动目标的检测是视频智能处理与分析的关键,也是其他后续处理的基础,文中使用减背景法与帧差法相结合的检测算法,通过调用短信收发的接口设计了一个智能监控系统,利用OpenCv技术实现了系统各个模块的功能。实验结果表明,该系统能较好地实现目标的检测与实时预警的功能,具有较好的稳定性与鲁棒性。     

基于OpenCV的交通视频运动目标检测与跟踪

智能交通系统（ITS）是目前世界交通运输领域正在研究和广泛关注的课题。OpenCV是一种用于数字图像处理和计算机视觉的函数库,由Intel公司开发。本文在目标检测方面,对采集到的交通视频进行灰度化、中值滤波、背景建模、二值化,背景差分等处理,可以较准确地检测出运动目标。在目标跟踪方面,提出了CamShift算法和Kalman滤波器相结合的方法,实现视频车辆的精确跟踪。最后,利用OpenCV的运动物体跟踪的数据结构、函数库,建立了一个视频车辆分析系统。用于道路上车辆的检测与跟踪,并具有良好的鲁棒性。     

基于OpenCV的动态背景下的运动目标检测

研究在动态背景下对视频图像序列进行运动目标的检测。主要包括三个步骤,分别是运动估计,运动补偿和目标检测。在运动估计中采用的主要是基于特征点匹配算法。这种算法与传统的块匹配算法最大的好处在于它的数据量少,计算简单迅速而且图像的匹配可靠性更高。最后用计算机视觉库OpenCV进行实现。     

基于小波多尺度图像配准的运动小目标检测

探讨了一种红外图像序列中独立运动小目标检测的新方法。通过一种鲁棒的小波多尺度图像配准过程消除主场或背景运动的影响。同时,利用改进的Fisher算法及小波变换对低频的图像进行分割,最终将目标从背景中分离出来,并对配准后分割的图像差分,获得目标运动轨迹。实验表明了该方法的有效性。     

基于核密度估计和马尔科夫随机场的运动目标检测

针对目标和背景具有空间连续性的特点,提出一种基于核密度估计和马尔科夫随机场的运动目标检测方法。首先利用核密度估计计算像素点属于背景的概率密度,在特征向量中加入颜色空间运动矢量分量来提高对背景扰动和光照变化的鲁棒性;然后构造马尔科夫随机场,提出一种马尔科夫随机场能量函数代价项的构造方法,通过最小化其能量函数得到目标分割结果。实验结果证明,该运动目标检测算法对背景扰动和光照变化具有更好的鲁棒性,错误检测率更低。     

视频序列中基于粒子滤波的运动目标的跟踪的研究

信息时代背景下,安防、交通等领域对智能视频监控系统的需求日渐增加。粒子滤波作为一种新型滤波算法,以其自身独特的优势,在视频目标跟踪中得到了广泛应用和普及,但是,粒子滤波算法在实际应用过程中,存在很多不足之处,在很大程度上影响其跟踪效果。本文将对视频目标跟踪算法进行分析和研究,阐述视频序列中基于粒子滤波对运动目标的跟踪,并对粒子滤波算法进行适当改进,旨在为我国相关领域发展提供支持。     

基于DM6446球体在线检测与识别

针对在日常的生产实践当中,摄像头采集到的数据并不是全部是人们想要的数据,可能人们只对某个球体物体的运动轨迹,运动特征感兴趣,因此提出了基于TMS320DM6446的球体物体的在线检测与识别,减少视频存储的数据量,便于视频的后期处理.     

利用改进的背景差法进行运动目标检测

为了更准确地划分运动目标和背景区域,提出了基于背景差法的改进算法。该算法将选择更新法与中值滤波法相结合,对背景建模与阈值选取进行了优化,解决了复杂场景背景建模不理想问题,并能快速有效地进行背景更新。该算法还提出了双阈值思想,根据场景信息自适应地在图像的不同区域采用不同阈值,将当前帧图像与背景图像的差分作为反馈来调整阈值。实验结果表明,该算法能够较快速准确地提取运动目标,并对光照变化、场景变化、运动干扰有较好的鲁棒性。