一种复杂场景下位置改变运动目标的检测方法

针对三帧差分法不能够实现将复杂场景中的位置不变运动目标与位置变化的运动目标分开,本文提出了一种三帧差分法的改进方案,该方案首先利用三帧差分法检测出场景中所有运动的物体,然后利用背景辅助识别的方法将位置不变自身变化的运动物体识别出来。实验证明该方法可以有效地减少三帧差分法存在的误判现象。     

基于帧差的灰度投影的快速运动物体检测

基于传统的背景差分法和帧差法,提出将两者结合同时利用灰度投影法进行快速的运动物体检测.该算法利用相邻3帧图像序列进行垂直灰度投影,然后把相邻帧的投影相减,通过前后帧差确定中间帧的运动物体的垂直范围.然后在缩小的范围内进行水平投影,和背景图的水平灰度投影相减得到物体的水平范围.实验结果证明,这种方法能够提高检测的效率和精度.     

基于图像配准的动态场景运动目标检测算法

针对摄像机运动的动态场景下运动目标的检测问题,提出了基于Harris角点方根-算术均值距离配准的动态场景运动目标检测算法。首先将当前帧图像与前一帧图像进行配准,获取图像的全局运动参数;利用求得的运动参数对当前图像进行运动补偿;然后,将其与存储的前两帧图像进行帧差法,以获得运动目标的轮廓信息;以该运动目标区域为掩模,检测并定位该运动目标。实验结果表明,此算法能够较好的处理摄像机运动等动态场景情况下的运动目标定位问题,为运动目标的跟踪和识别奠定基础。     

全局运动序列中运动目标的检测算法

针对全局运动视频序列采用灰度投影法检测序列帧间运动矢量,具有图像信息利用充分、计算精度高等优点,文中采用了改进的三步搜索算法有效地提高了运动矢量搜索速度,降低了运算复杂度,同时保持了运动矢量的搜索精度。通过帧间运动矢量补偿将相邻三帧图像的相同背景稳定在同一幅图像的相同位上,利用改进的三帧差分法检测运动目标区域。结合数学形态学的闭运算和填充运算等提取出运动目标。实验结果表明,该方法能够快速高效地从背景变化的视频序列中提取运动目标,具有较强的鲁棒性和准确性。     

基于HSV颜色空间静止背景中运动目标的检测算法

针对固定场景视频序列中的彩色运动目标检测,采用HSV颜色空间表示视频原始帧,使用自适应背 景更新在原始帧中提取V 分量建立背景帧,利用背景差分法对视频序列进行运动检测,在运动区域二值化时结合原 始帧中的H 分量对运动区域进行筛选,从而得到特定运动目标被点亮的前景帧。实验结果表明,该算法能够有效地 实现在静止背景、多运动目标共存的视频中检测出特定颜色的运动目标。     

基于改进DRLSE的运动目标分割方法

为了得到精准、连续的运动目标轮廓,提出将帧间差分法和改进的距离规则水平集演化(DRLSE)方法结合应用于运动目标分割.采用帧间差分法得到运动目标的初始轮廓;使用在能量泛函的外力项中融入运动序列时空变化信息的DRLSE方法进行轮廓演化,避免演化受背景边缘干扰,得到精准的运动目标轮廓;根据精准目标轮廓的反馈估计运动方向,并结合帧间差分法为后续的DRLSE提供一个较佳的初始轮廓,能显著提高运动目标的分割速度.实验结果表明,与现有算法相比该改进方法能够更精确、更快地得到运动目标轮廓.     

一种基于多重判别的运动目标检测算法

目的 为改善传统的背景差分法对光照的敏感性,并提高其抗干扰性能,提出一种基于多重判别的运动目标检测算法.方法 通过matlab软件进行仿真,利用局部二值算法,将纹理信息和颜色信息融入到背景建模中,并与帧间差分法相结合,设定了两个阈值,进行运动目标的多重判断,利用像素灰度值的变化和变化的像素数量作为是否为感兴趣运动目标的判别依据.结果 多重判别的运动目标检测算法将人和车辆从背景中清晰的分离出来,并能保证运动目标的完整性.结论 算法能够准确的检测出运动目标,并能抵御场景中缓慢而微小的运动带来的干扰,具有较好的鲁棒性.     

基于均值背景与三帧差分的运动目标检测

为了实现对室外监控视频中人体运动目标的准确提取,针对传统的三帧差分法在运动目标检测过程中容易出现"空洞"现象,提出了一种基于均值背景与三帧差分的运动目标检测算法.该算法通过将经均值背景建模得到的视频当前帧的背景加入到三帧差分中与视频当前帧和视频当前帧的下一帧分别进行邻间差分,避免了背景像素点对前景检测带来的影响,解决了三帧差分法在运动目标检测过程中存在的"空洞"问题.仿真结果表明,该算法在完整性和准确性方面要优于传统的运动目标检测算法,可以在复杂背景环境中实现快速的运动目标提取.     

一种视频序列中运动目标检测算法

在现有方法的基础上,提出了一种基于Otsu动态阈值背景差法和三帧差法相结合的运动日标检测方法.首先通过改进的Surendra算法建立背景模型,并由Otsu动态阈值背景差分法得到二值图像,然后与三帧差分法结合,得到可靠的运动目标区域并进行背景实时更新.实验结果表明该方法满足视频序列运动目标检测的实时性和准确性要求.     

动态场景下运动目标检测方法研究

动态场景下运动目标的检测方法是计算机视觉领域的热门研究课题,本文将对动态场景下的运动目标检测方法展开研究。首先,对比分析相邻帧差分法、背景差分法、统计模型法这3 种检测方法的优劣,提出时空融合补偿差分与目标平滑模型相结合的新型运动目标检测方法。其次,研究新型运动目标检测方法中的运动估计与运动补偿技术。最后,对新型运动目标检测方法进行仿真验证,对比分析实验结果,以判断方法的可靠性、准确性。实验表明,本文提出的新型运动目标检测方法,能够满足检测要求,目标轮廓清晰、完整,检测准确性较高。     

中国近代史上的一个特殊时期(1916-1928)——以领土维护情况为研究对象

针对移动目标检测过程中，背景信息复杂并且信息处理量大的问题，提出了一种对检测区的位图进行差影计算，从而快速检测出移动目标的方法。该方法用到的阈值，采用背景动态更新的自适应阈值计算方法得到；同时，还给出了该方法的算法描述和实验结果。实验表明，该方法能有效的提高移动目标的检测效率和准确率。     

基于位图差影自适应的移动目标检测

针对移动目标检测过程中,背景信息复杂并且信息处理量大的问题,提出了一种对检测区的位图进行差影计算,从而快速检测出移动目标的方法。该方法用到的阈值,采用背景动态更新的自适应阈值计算方法得到;同时,还给出了该方法的算法描述和实验结果。实验表明,该方法能有效的提高移动目标的检测效率和准确率。     

基于水平集的多运动目标检测和分割

针对视频图像的运动分割问题，提出了一种基于水平集方法的多运动目标检测和分割新方法.通过一种基于帧间差分的算法,自动提取初始背景图像，并使用相减法，检测出当前图像中的运动像素.定义了一种新的基于差分图像的局部梯度、目标的方差和背景的方差的速度函数，得到了改进的分割曲线的演化方程，分割出不同的运动目标.在水平集的求解过程，设定了控制演化曲线最终停止在目标边界上的条件，得到了运动目标的边界.实验结果表明，与其他传统方法相比，该运动目标检测和分割方法更有效和具有更好的鲁棒性，能够正确地提取运动目标边界.     

一种基于空间信息的运动目标检测方法

针对现实生活中由于光照变化、背景噪声干扰、摄像机抖动等因素对运动目标的检测与识别存在巨大挑战的问题,提出了一种基于空间信息的运动目标检测算法。通过对像素点及其区域的亮度和角度差分等信息提取特征,建立背景模型,去除光照因素的干扰,比较当前帧和背景模型的相似系数确定前景区域,并且采用了自适应阈值的方法二值化前景图。实验证明,该方法能克服光照突变等复杂背景的干扰,实现对运动目标实时准确检测。     

基于中值背景模型的运动目标自适应检测方法

目的 在保证准确性的前提下,降低运动车辆检测算法的计算量,加快处理速度,满足实时性要求,提出一种基于中值背景模型和自适应阈值的运动检测方法 .方法 基于当前帧与背景图像的差分图像,利用自适应阈值分别对差分图像的三个颜色通道进行二值化,从而实现运动目标的精确检测.同时,根据检测结果 ,采用中值更新策略实现背景图像的实时更新.结果 实验结果 表明,笔者算法可以从复杂交通场景图像序列中有效地检测出运动目标,并且算法计算量小,具有良好的鲁棒性与实时性.算法每帧处理时间比混合高斯降低43%,背景更新时间比一阶Kalman算法降低了45%.结论 算法能够很好地满足智能交通监控系统中运动车辆实时检测的要求.     

基于雷达图像的运动目标形态检测及跟踪技术

运动目标的检测与跟踪在实际中应用广泛。对于低空高速运动目标的检测与跟踪常常面临目标信号微弱和地物干扰严重等问题。基于某型飞机着陆雷达回波图像,提出并采用滑动窗口形态匹配算法对帧差的灰度图像进行目标检测,同时采用二次匹配算法分离出微弱信号目标,去除假目标干扰。之后再结合多帧图像进行航迹关联,去除静止地物等目标干扰,实现运动目标的跟踪。实际测试表明:该处理流程算法简单,处理一帧的时间短,可以检测到极其微弱的目标信号,有效抑制各种干扰,捕捉目标的反应时间短,实现了运动目标的实时检测、准确定位和无丢失跟踪。     

基于中值背景模型的运动目标自适应检测方法

针对复杂交通场景中运动车辆检测方法存在的局限性,本文提出了一种基于中值模型和自适应阈值的运动检测算法。利用自适应阈值对差分图像的三个颜色通道进行二值化处理,实现了运动目标的精确检测,采用中值更新策略实现背景图像的实时更新。实验结果表明,算法可以从复杂交通场景图像序列中有效地检测出运动目标,且算法计算量小,具有良好的鲁棒性与实时性。