实时目标检测与跟踪系统的设计与实现

针对固定监控场景设计并实现了一个实时的运动目标检测与跟踪系统.在复杂背景下,改进的三帧差分法能准确、快速检测出运动目标.金字塔图像的Lucas Kanade光流法跟踪目标容易丢失;传统的模板匹配跟踪方法由于对图像利用率高,其跟踪比较准确,但计算量大.文章将两者结合起来,可以避免上述问题.实验表明,该算法能较好地实现目标跟踪、获得目标运动轨迹,且具有良好的实时性和鲁棒性.     

基于光流方程和目标匹配的视频图像目标跟踪方法

提出一种利用图像差分、局部光流法和目标匹配,实现视频对象目标提取和跟踪的方法.首先,对预处理后的图像进行差分;在差分的基础上,运用局部光流场对目标进行运动估计;对估计结果依据相似度进行聚类分析,消除小的非目标区域;当目标未发生剧烈变化时,更新目标模板,否则,利用已有目标模板进行匹配跟踪.实验结果验证了该算法的有效性,并实现了目标变形和部分遮挡时的稳定跟踪.     

基于稠密光流算法的运动目标检测的Python实现

在运动目标识别算法中,帧间差分法、背景差分法容易出现"重影""空洞"及"拖尾"现象从而导致识别准确率低.将稠密光流法应用于运动目标检测,基于PyCharm开发环境建立了一个运动目标检测系统,研究采用Gunner Farneback稠密光流法(DOF)计算各像素点位移矢量的光流矩阵,将光流信息转化到HSV空间,并利用So...     

基于隔帧差分区域光流法的运动目标检测

结合运动目标检测帧差法运算速度快和光流法动目标检测准确度高的特点,提出了一种基于隔帧差分区域光流计算的运动目标检测方法.该方法通过隔帧帧差方法先提取运动区域,然后只对运动区域进行光流计算,减少了计算区域,提高了速度;在光流场计算时,对梯度较大和较小的点处,分别采用基本等式约束和光滑准则约束的方法,提高了动目标检测的准确性,另外在光流迭代运算中增加惯性项,减少了迭代次数,进一步提高了检测速度.实验结果验证了该方法的有效性.     

基于视频图像的目标检测技术研究

本文基于常用运动目标检测方法进行了研究。首先阐述了视频监控系统中常用运动目标检测方法,并对Surendra背景提取算法及改进的帧间差分法进行了说明。运用对称差分法和背景差分法的融合方法进行运动目标检测,实验表明本文运用的方法对运动目标检测具有准确性与实时性。最后得出运用背景差分和帧间差分法的融合检测方法进行运动目标检测,可以得到好的目标检测效果的结论。     

基于改进光流算法的运动目标检测技术研究

常用的运动目标检测算法有背景减除法、帧间差分法和光流法,针对背景减除法的背景模型需要实时更新,帧间差分法检测到的目标不完整,本文提出将Lucas-Kanade光流法与最大类间方差的图像分割法相结合的算法,即首先对连续两帧图像进行Lucas-Kanade光流计算,再对其进行最大类间方差图像分割,将光流不连续的区域视为运动目标,光流连续的区域视为背景,最后进行形态学处理,完成运动目标的检测过程.通过Matlab实验仿真,验证了本文所提算法能提取更完整的运动目标,检测效果较好.     

基于双向稀疏光流融合的小目标检测方法

针对动态背景下的小目标检测问题,提出了基于双向稀疏光流融合的目标检测方法.首先采用FAST方法提取当前帧图像中的角点,然后在连续的三帧图像中进行前、后向稀疏光流跟踪,确定正确匹配的特征点对,利用匹配的特征点对计算用于背景补偿的帧间运动参数,最后在背景补偿的基础上进行三帧差分,以检测出图像中的运动小目标.实验结果显示,本算法能够很好地解决背景和目标同时快速运动的问题,为运动目标的跟踪奠定基础.     

基于动态图像处理技术的动目标检测与跟踪

针对摄像机与目标同时运动情况下运动目标的检测与跟踪问题,提出了背景匹配法.通过相关匹配算法使背景对齐,结合帧间差分技术有效地将运动目标提取出来;然后通过预测未来路线,运用光流学与对应物的对应方法进行运动目标跟踪.     

浅谈视频图像序列运动目标的检测方法

视频图像序列运动目标检测是计算机视觉研究的重要组成部分,广泛应用于交通、医学等领域。文章主要论述了常用的三种检测方法:帧间差分法、背景减法、光流法。     

基于自适应背景图像更新的运动目标检测方法

在运动目标的实时检测中常用的方法是背景图像差分法,但因其缺乏背景图像随监视场景光照变化而及时更新的合理方法,限制了本方法的适应性.对此,本文首先提出了一种基于光流场等技术的自适应背景逼近更新方法,并根据彩色差值模型得到差分图像;然后引入Gauss模型实现运动目标的自适应阈值分割.实验结果表明:本文提出的背景更新方法可随着光照条件的变化实时、准确地更新背景图像,在此基础上提出的基于Gauss模型的自适应阈值分割方法可以实现运动目标的完整分割,这为运动目标的后续识别与理解奠定了基础.