基于方差离散性分析的运动图像检测算法

基于方差离散性分析的运动图像检测算法,通过对差分图像的统计量的离散性分析,实现运动图像的检测.对于一个图像序列样本,该算法首先计算出差分图像及其统计特性(均值和方差),并根据计算出的均值、方差以及所需要的灵敏度确定出检测门限,然后将差分图像的统计量与检测门限进行比较完成运动图像的检测.实验结果表明,差分图像的统计特征对物体的运动非常敏感,其于对差分图像的统计特征分析进行运动检测是可靠和高效的.     

基于运动估计的运动物体检测技术研究

运动物体检测是图像处理和分析系统的关键技术,为了能够更准确的检测视频流中的运动物体.本文提出了一种基于运动估计的运动物体检测方法,该方法以运动估计过程中产生的运动矢量和匹配误差作为检测运动物体的依据.通过对运动矢量和匹配误差的综合分析,判断运动物体是否存在.测试结果表明,该方法具有一定的有效性.     

智能监控系统中基于质心特征模型的动态场景检测

在传统图像预处理与运动检测方法的基础上,提出了将数学形态学的膨胀腐蚀算子用于运动物体的连接填充,并在此基础上建立质心特征模型求运动物体的累积变化图像,实现运动物体检测,实验结果分析表明了该方法的有效性。     

利用图像系统捕捉运动物体的一种实现方法

给出了一种利用图像系统实现运动物体捕捉的方法。该方法首先将某区域的图像信息用图像系统成像于计算机中,然后对计算机中的数字图像进行处理,自动鉴别区域中是否有运动物体。     

随机图像选取与自适应背景更新的运动物体检测

为克服运动目标检测中易出现的光照变化、遮挡、虚假目标等现象,提出了一种 随机图像选取与自适应背景更新的运动物体检测方法。该方法从视频序列中随机选取一帧图像 作为初始背景,根据变化标记矩阵对背景进行自适应迭代更新,以提取可靠的背景图像,实现 运动物体的检测。实验结果表明,采用该算法提取的背景不存在混合现象,且在光照变化较大 以及运动物体之间存在遮挡的情况下,能够构造出可靠的背景,检测出的目标物体清晰可见。     

基于背景差分和三帧差分的水下运动目标检测

运动目标检测是计算机视觉中目标跟踪和目标分类的基础,其已经应用于水下机器人执行水下任务和海洋生态研究.水下环境中复杂的场景和不良的照明条件往往使对运动目标的检测变得困难.为了解决上述问题,我们提出了一种将背景差分和三帧差分相结合的方法.在这种方法中,首先,我们分别通过背景差分和三帧差分检测运动物体像素.接下来,我们对背景差分和三帧差分的结果进行"与"运算,背景差分提供了对象的信息,以补充三帧差分检测到的不完整的信息.最后,利用形态学处理来消除背景中由非静态物体引起的噪声.实验结果表明,该方法对从水下视频中运动物体检测,具有可靠并有效的效果.     

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.     

基于物体边缘的运动估计方法

在视频传输和处理过程中,为了充分利用序列图像之问的冗余信息,压缩信息传输量,通常要对序列图像进行运动估计。本文设计了一种基于序列图像中运动物体边缘信息的运动估计方法,在保证运动估计的快速性的同时,可以更为精确的求取图像运动物体边缘部分的运动信息。     

基于高斯混合模型的电力仓库视频运动目标检测

在电力仓库视频监控方面,存在着运动目标的各种行为,目标物体检测对发现异常行为具有十分重要的应用价值.为有效监测电力仓库中的运动目标,论文利用高斯混合模型对电力仓库视频开展运动目标物体检测,通过模型构建、参数更新和模型生成等步骤实现目标物体的检测,并通过Matlab软件对仓库视频进行实验仿真.实验证明高斯混合模型检测结果优于其他方法,可以较为完整、准确地检测电力仓库运动目标.     

H.264视频码流中运动物体的提取

H.264是新一代视频编码标准,具有广泛的应用前景。本文主要讨论了基于H.264视频流中运动物体检测的问题。首先简要介绍了H.264视频编码标准,然后分析了各种编码图像帧的编码过程,从而得出根据运动矢量来检测运动物体的方法,并分析了因摄像机运动而对检测方法造成的影响及相应的处理方法。从实验结果可以看出,检测效果还是比较令人满意的。     

基于数学形态学的快速运动物体检测

本文根据数学形态学理论,提出了一种快速运动物体检测的新方法。与帧间变化检测法相比,新方法不仅能检测出静止背景下的运动物体,而且还能检测出复杂背景下的快速运动物体,并能提供运动方向信息。     

Object joint detection and tracking using adaptive multiple motion models

This paper deals with the problem of detecting objects that may switch between different motion models. In order to accurately detect these moving objects taking into account possible changing motion models, we propose an adaptive multi-motion model in the joint detection and tracking (JDT) framework. The proposed technique differs from the existing JDT-based methods mainly in two ways. First we express the solution in the JDT framework via a formulation in the multiple motion model setting. Second, we introduce a new motion model prediction function which exploits the correlation between the motion model and object kinematic state. Experiments on both synthetic and real videos demonstrate that the JDT method employing the proposed adaptive multi-motion model can detect objects more accurately than the existing peer methods when objects change their motion models.     

基于自投影和灰度检索的视频帧中异常行为检测

针对智能监控系统,提出了一种基于运动目标灰度直方图和自身投影直方图的检索匹配方法,能够快速实现视频序列中行人的运动方向异常检测。该方法结合目标的灰度直方图和自身投影直方图在人群中快速检索匹配目标,采用目标质心运动历史记录表连续记录目标质心和运动方向,通过比较各个目标的运动方向找出运动人群中的异常目标。实验结果表明,引入目标的自身投影直方图,比只利用灰度图的灰度信息有更高的检测准确性,同时历史移动记录表可完全胜任运动目标信息记录的任务。该方法计算量小,同时利用记录质心的移动速度能实时对目标的运动情况进行预测,对运动目标的相互遮蔽有一定的鲁棒性。     

基于贝叶斯决策的运动目标检测方法

传统混合高斯背景建模存在难以解决背景复杂以及阴影等因素影响视频运动目标检测效果的问题,为此提出了一种基于贝叶斯决策的运动目标检测方法。该方法利用帧间差分进行像素变化检测,将像素粗分为变化像素和非变化像素;对于变化像素中的运动点和静止点,通过统计确立有效的数据结构,其中显著颜色分布统计量用来描述静止点,而显著颜色同现统计量描述运动点;从数据结构中提取颜色特征矢量,将特征矢量中的静止点和运动点按照贝叶斯决策规则进一步分类为背景点、前景点和颜色相似点。对颜色相似点进行局部加权处理以达到正确检测的目的;通过融合静止点集、运动点集和加权后的颜色相似点集结果提取出前景运动目标。仿真实验表明,该方法能够在不同复杂背景下较准确地检测出视频中的运动目标,相比传统算法具有较强的鲁棒性。     

基于SIFT特征匹配和动态更新背景模型的运动目标检测算法

运动摄像机情况下的运动目标检测是视频监控中的难点和热点问题。为了能够有效地检测出运动目标,提出了一个基于SIFT（Scale Invariant Feature Transform）特征匹配和动态背景建模的背景差算法。首先利用SIFT算法提取特征点,采用RANSAC（Random Sample Consensus）方法求得仿射变换模型参数并实现图像的全局运动补偿,然后用背景差方法实现运动目标的检测,同时进行阴影和鬼影的去除。SIFT特征点匹配的准确性和RANSAC方法去除异常点的有效性使得仿射变换模型参数计算准确,动态更新背景模型的背景差则完整地检测出了前景目标。与Ninad Thakoor实验结果对比说明：该算法能够准确地检测出运动目标,并且保持了前景目标的完整性。     

基于GPU加速的多物体碰撞检测方法

为了在虚拟环境中更加真实地模拟现实环境中物体的运动,需要在仿真系统中加入碰撞检测模块。现有的碰撞检测算法虽然能够快速检测两个物体是否相交,但在物体数量非常多的场景中,因需要对物体两两进行判断,所以仍无法达到较高的检测速度。利用GPU并行计算的特性,在GPU上增加一个预先剔除的过程,大幅度地快速排除不相交的物体,提高了检测的速度。     

Robust real-time periodic motion detection, analysis, andapplications

We describe new techniques to detect and analyze periodic motion as seen from both a static and a moving camera. By tracking objects of interest, we compute an object's self-similarity as it evolves in time. For periodic motion, the self-similarity measure is also periodic and we apply time-frequency analysis to detect and characterize the periodic motion. The periodicity is also analyzed robustly using the 2D lattice structures inherent in similarity matrices. A real-time system has been implemented to track and classify objects using periodicity. Examples of object classification (people, running dogs, vehicles), person counting, and nonstationary periodicity are provided     

Motion segmentation using occlusions

We examine the key role of occlusions in finding independently moving objects instantaneously in a video obtained by a moving camera with a restricted field of view. In this problem, the image motion is caused by the combined effect of camera motion (egomotion), structure (depth), and the independent motion of scene entities. For a camera with a restricted field of view undergoing a small motion between frames, there exists, in general, a set of 3D camera motions compatible with the observed flow field even if only a small amount of noise is present, leading to ambiguous 3D motion estimates. If separable sets of solutions exist, motion-based clustering can detect one category of moving objects. Even if a single inseparable set of solutions is found, we show that occlusion information can be used to find ordinal depth, which is critical in identifying a new class of moving objects. In order to find ordinal depth, occlusions must not only be known, but they must also be filled (grouped) with optical flow from neighboring regions. We present a novel algorithm for filling occlusions and deducing ordinal depth under general circumstances. Finally, we describe another category of moving objects which is detected using cardinal comparisons between structure from motion and structure estimates from another source (e.g., stereo).     

基于HEVC的车辆异常事件检测

当前传统交通事故检测和查阅主要通过人工监测的方法,这种方法效率低且实时性差,本文提出一种基于最新压缩域视频编码标准HEVC（High-efficiency video coding）的车辆异常事件检测方法。首先对HEVC码流中提取出的运动矢量信息进行运动矢量累积迭代和中值滤波的预处理,之后根据提取出的块划分信息和运动矢量信息计算运动对象的运动强度,然后根据运动强度值和八连通区域法提取出运动对象,最后根据空间距离法和运动强度判别法检测出视频序列中发生的车辆异常事件。实验证明,该方法可以准确地检测出视频序列中发生的车辆异常事件;对于有着快速移动的运动目标以及多个运动目标的视频效果更好。     

面向室外视频监视的感兴趣区域提取

针对室外视频监视中运动对象检测易受树枝叶晃动、水面波动等无意义运动干扰,准确性低、实时性差的问题,定义感兴趣区域为已经存在及潜在存在有意义运动对象的区域,提出一种感兴趣区域自动提取算法。构造带状算子提取训练阶段存在有意义运动对象的区域,利用颜色一致区域生长和干扰对象区域退化得到潜在存在有意义运动对象的区域,对不同区域采取不同的检测策略可以提高检测的准确性和实时性。实验结果表明,该算法对感兴趣区域提取结果良好,用于室外视频监视中运动对象的检测能克服无意义运动干扰,提高检测的准确性,并能有效减少计算量。