自适应背景下运动目标阴影检测算法研究

智能视频监控系统的主要难点就是如何检测出运动目标的阴影并将他去除。用一种改进的自适应背景检测算法准确检测运动物体的位置和形状。然后根据阴影的颜色变化、结构等特点,分别采用基于RGB彩色模型和基于HSV彩色模型的阴影检测法检测阴影。在仿真实验中,对两种方法进行定量和定性的分析,在阴影检测率、识别率、复杂度和实时性等方面做出了比较。结果表明,两种方法都有较强的适应性,具有良好的阴影检测效果。根据各自的优缺点,可应用在不同领域中。     

智能交通系统中的椭球法运动阴影检测

基于背景像素被阴影覆盖后RGB值的变化,提出了一种智能交通系统(ITS)中运动阴影的检测算法。首先定义了归一化亮度比例坐标系并将阴影检测视为该坐标系中的分类问题,然后采用阴影像素在该坐标系中的分布信息构建一椭球,并根据像素的坐标值是否处在椭球内部以及RGB3种颜色归一化亮度比例的相对大小确定阴影像素。对比实验表明,该方法能够有效地检测运动阴影,性能优于SNP算法和DNM算法。     

基于新型阴影指标的遥感影像阴影检测方法

随着遥感影像空间分辨率不断提高,阴影对影像解译产生的影响愈加突出,因此对阴影的识别更为重要。文中针对阴影在RGB空间中与非阴影区域内地物容易混淆的缺点,利用其在HIS空间中低亮度、高色调和高饱和度的特性,提出了一种基于新型阴影检测指标的阴影检测方法。该阴影指标突显阴影区域,且抑制非阴影区域的响应,根据最大类间方差法做直方图阈值分割,可得到检测结果。实验证明,该方法可有效地将阴影与其他地物区分开。     

一种基于RGB彩色空间的影像阴影检测方法

从色彩理论和高斯-拉普拉斯算子的基本原理出发，提出了一种基于RGB彩色空间的影像阴影检测方法。实现结果表明该方法对彩色航空影像上阴影区域的检测是有效的。     

基于阴影自适应门限的车辆检测

为了提高基于车辆阴影特征的车辆检测正确率,对不同光照强度下阴影判决门限的提取进行了研究。提出了一种在HSV颜色空间中通过Otsu算法获得能适应环境光照变化的阴影判决门限的算法,并利用获得的阴影判决门限来检测车辆的阴影特征。该算法同时利用基于Hough变换的车道线检测算法来减少背景噪声的干扰,实现了在不同光照强度下对车辆的检测。实验结果表明,该算法在不同的光照条件下有较高的检测概率和稳健性,并且相对于传统算法性能有了较大的提高。     

基于颜色对立空间的运动目标的阴影检测

利用背景差分法检测运动目标,目标阴影和目标本身均会被当作前景检测出来。针对上述问题,提出了基于颜色对立空间的运动目标阴影的检测方法。该方法首先将提取的前景图像由常见的RGB格式转换成CIELAB颜色对立空间格式,再分别对其L＊、a＊和b＊三个通道进行边缘检测。由于CIELAB颜色对立空间所具有的接近人类视觉的特性,用上述检测出的边缘进行相关的数学形态学的处理,便可检测出阴影。实验结果表明该方法便捷快速,能够有效检测出运动目标的阴影。     

基于HSV颜色空间检测与Gabor筛选器的阴影检测

针对视频分析中难以完全将前景(FG)和运动阴影正确分离,提出一种基于阴影HSV颜色空间特性与Gabor筛选器的阴影分割方法。首先,采用一种基于复杂背景(BG)的运动目标检测方法提取出运动目标;其次,采用基于HSV颜色空间阴影特性初步判定阴影区域;最后,设计基于感兴趣区域(ROI,region of interest)的Gabor筛选器对初步判定后的阴影区域进行筛选,从而检测出阴影。对不同光照和环境条件下的视频序列进行测试结果表明,方法效果好,阴影检测率高,可应用于智能视频监控的目标检测。     

一种改进的基于纹理和颜色的运动阴影检测

精确地消除活动阴影对运动目标的影响是智能视频监控的核心任务之一,针对当前运动阴影检测中采用的纹理信息过于粗糙、阈值选取需要人工干涉等问题,通过对NCC(归一化互相关)纹理算法进行改进,并结合亮度和归一化颜色特性,提出一种自适应的运动阴影检测方法。以混合高斯模型得到的前景像素为基础,通过阴影在亮度和归一化颜色的特性筛选出候选的阴影区域,结合改进的纹理算法进一步缩小阴影区域范围,最后利用空间后处理得到真实阴影。实验结果表明,该算法在有效降低噪声干扰的情况下能够较好区分局部纹理不明显的运动目标和阴影。     

一种基于Phong物体光照模型的阴影检测算法

针对目前运动目标检测算法中常将阴影误检为前景目标的问题,提出一种基于Phong物体光照模型的阴影检测算法。基于Phong物体光照模型,我们对场景中象素的亮度值进行分析,通过定义一个亮度相对变化量,推导出他在整个阴影区域是比较稳定的,所以在一个(5×5)的模板上用协方差来衡量这种稳定性,从而得到第一个阴影判决式。又推导出阴影区域亮度相对变化量随时间的变化保持相对稳定,设计一个滤波模板来增大目标区域的不稳定性,从而得到第二个阴影判决式。最后结合以上二个阴影判决式进行阴影检测,并对实验结果进行定性和定量的评估。与前人提出算法比较,本文提出的算法在阴影检测率和区分率等方面都得到了提高,具有较强的鲁棒性。     

视频技术在智能交通信息检测中的应用

论述了各种基于视频图像分析和模式识别技术的交通检测算法的实现思路和特点,及其产品化现状和发展方向.通过对各种检测算法的比较,采用了基于像素强度的图像差分法作为检测算法的基础,以本实验室的研究成果为例描述了一个基于DSP平台的嵌入式交通信息采集系统.     

基于计算机视频图像的车辆检测

提出了一种新的基于计算机视频图像的车辆检测方法,并提取了车辆的车次、车速、车长等交通流量参数,用VC 6.0在微机上进行了实现,取得了较好的效果.     

一种基于彩色视频流直方图分析的交通流量统计算法

通过分析摄像头采集的现场交通彩色视频数据．将视频检测应用到交通流量检测和交通控制。运用图像处理的方法提取图像中通行车辆的车速以及通过视场内的车流量,在研究视频流的基于彩色直方图的通行车辆识别算法后．提出一种新的基于彩色视频流的直方图分析的车流量检测算法。本算法通过计算视频流中的每一帧ROB值的直方图．通过做差值来统计视频中的车辆数量,并根据变化的快慢频率来计算车辆行驶的速度。该算法改进了已有的利用黑白视频流灰度直方图的方法,扩展了算法应用的灵活性,满足了应用系统的实时的要求,确保了检测数据的精度．在算法准确度和速度方面均有比较好的效果。     

一种新的彩色圆盘角点检测方法

圆盘靶标在摄像机标定及无人机侦察任务中目标的定位方面有着广泛的应用。针对目前图像角点检测的局限性,提出了一种自动提取红蓝彩色圆盘靶目标中心角点的检测方法。该方法利用HSV(Hue,saturation,value)颜色空间对红蓝彩色圆盘进行颜色分离,获得具有明显对称性和对比度强烈的灰度图像。然后运用提出的新型对称算子计算每个像素点的响应值作为角点的判断依据,对求得的角点在其邻域内抑制红蓝像素个数差来确保角点的对称性。最后通过Matlab软件上的仿真和现场可编程门阵列(FPGA)硬件上的实现,证明了该方法易于硬件化实现,实时性强,抗噪性能好,对图像旋转,伸缩和尺度变换都有良好的稳健性。     

城市公众车辆路径调度系统的策略与模型研究

在车辆与交通指挥中心双向通信的基础上,对公众车辆的出行路径进行调度,可能成为智能交通的一种趋势。在分析交通调度策略的基础上,提出了调度系统的模型,对系统的数据结构、数据交换方式、关键算法、应用界面等问题进行了界定和初步设计,为调度系统的深入研究和应用提供基础。     

基于道路的运动车辆检测

基于图像的运动车辆检测是智能交通系统中一个重要而又困难的问题，它通常受到光照、路边摇晃树木、以及各种恶劣天气等的影响。提出了一种基于道路的车辆检测方法，在道路的入口处只利用背景差，对非入口处运动背景和不同道路上运动车辆的运动向量分别进行高斯建模，并利用贝叶斯准则和多帧信息来检测出运动车辆和运动背景。实验结果显示该方法取得了很好的效果。     

基于肤色及改进的Adaboost算法的人脸检测

为提高人脸检测的实时性和准确率,提出一种基于肤色与改进的Adaboost算法结合的人脸检测新方法。首先在YCbCr色彩空间下建立混合高斯肤色模型处理待检测图像,分割出肤色区域得到候选人脸区域。然后通过Harr矩形特征扩展与样本权值更新改进Adaboost算法,进行人脸检测。实验表明,该方法较好地处理了复杂背景下彩色图像人脸检测的漏检、错检问题,提高了检测速度和精度。     

基于颜色与线段的图像轮廓提取算法

传统二维图像轮廓识别算法通常是在图像中找到边缘,根据设定的条件将边缘像素组合起来形成轮廓。针对边缘检测算法通常需要对不同的图像设定不同的阈值,对不同类型的图像很难找出统一的阈值的问题,文中提出了一种同时利用图像中颜色与线段信息的彩色图像轮廓提取算法,算法采用自顶向下的颜色空间融合和自底向上的线段检测的方法,在初步获取边缘信息之后,综合利用检测结果生成目标的轮廓。算法的优点在于不需要进行阈值调整,实验表明:该方法可以有效地提取彩色图像中的目标轮廓。     

基于目标跟踪和多特征融合的火焰检测算法

针对目前视频火焰检测算法无法达到高检测率、低误检率和实时的工业需求,提出一种基于目标跟踪和多特征融合的火焰检测算法.首先利用混合高斯背景建模获取前景图像,在HSV色彩空间中根据火焰的颜色特性分离出疑似火焰区域,对火焰疑似区域采用卡尔曼滤波器实现运动目标的跟踪,再结合火焰的相似度、区域增长率和跳动频率特征用加权求和得到的值与报警阈值相比,最后根据判断比较确定真实火焰区域,并且实现对火焰的持续跟踪.实验结果证明,该算法能够对火焰区域进行有效的检测与跟踪并且具有良好的实时性和抗干扰能力.     

一种改进的高亮度区域肤色像素检测算法

高亮度条件下肤色和非肤色具有很高的相似性,导致高亮度肤色像素的检测一直是基于肤色分割的一个难点。为了提高肤色分割的效果,提出一种能够检测出图像中高亮度肤色区域的方法。首先在YCbCr颜色空间中利用阈值自适应的单高斯模型检测出图像中具有正常亮度的肤色像素,再结合像素的邻域信息和亮度边缘信息进一步检测出图像中高亮度区域的肤色像素,有效地解决了传统肤色检测方法对高亮度肤色区域漏检的问题。实验结果表明,采用该算法可以较准确地检测出图像中的高亮度肤色区域。