一种基于轮廓与背景消除的红外视频移动目标检测方案

针对红外视频的移动目标检测算法在还原目标时,目标的轮廓还原准确率较低的问题,提出一种基于轮廓与背景消除的红外视频移动目标检测方案。首先,从视频中选取一些不含目标对象的帧,对选取的帧进行统计处理并建立背景帧;分析背景的场景变化建立变化的自适应背景帧,并将背景帧的杂波过滤掉;然后,使用Canny边缘检测和K-means聚类检测目标轮廓并将目标轮廓从背景提取出来;使用形态学的边缘连通算法将目标轮廓进行关闭与Flood-fill填充处理获得目标对象的形状。对比实验结果证明,相较于其他红外视频移动目标检测算法,该算法获得了较好的目标轮廓与形状,同时,该算法的检测率与虚警率性能以及每帧的处理时间均较优。     

基于改进ViBe的海面远距离运动目标检测

针对ViBe算法在进行海面远距离运动目标检测时存在噪声和干扰的问题,在ViBe算法的基础上提出4点优化。首先,在背景建模中扩大样本取值范围减少判别误差;接着,根据背景的动态变化程度自适应地设定不同的阈值与背景模型更新速率,增强了算法的自适应能力;然后,定义一个闪烁等级,当闪烁等级达到一定阈值时,判定为闪烁点,减少对海面闪烁点的误判;最后,对输入的视频序列进行金字塔变换,得到不同分辨率的图像,对于不同分辨率的图像,分别使用改进的Vibe算法检测出结果,并对这些结果进行融合,再一次减少了海面闪烁点的影响。实验结果表明,所提算法能够减少海面噪声,以较好的实时性稳定地检测和提取海面远距离运动目标。     

基于灰度特征和自适应阈值的虚拟背景提取研究

针对虚拟背景提取(Visual Background extractor,ViBe)算法在目标检测时容易出现鬼影和运动目标阴影的缺点,该文提出了一种基于灰度特征和自适应阈值的ViBe背景建模改进方法。该算法首先利用ViBe算法进行背景建模,得到前景目标,然后对前景目标进行灰度特征判断和自适应阈值比较,得到没有鬼影和运动目标阴影的运动目标。实验结果表明,改进后的算法可以很好地弥补ViBe算法的不足,提高ViBe算法的识别准确率。     

融合ViBe改进算法和图像均值的运动目标检测

针对视频前景提取(ViBe)算法在模型初始化时因前景像素干扰导致的“鬼影”问题,面对复杂背景环境的更新策略问题,提出利用图像像素均值作为参考对ViBe算法模型进行初始化优化;同时,提出随背景模型复杂度变化的自适应更新策略。利用邻域像素和连续帧背景像素的相似性进行背景模型初始化;然后通过计算样本间各像素的方差判定背景模型是否稳定,建立自适应的更新策略;最后提取运动目标。通过CDnet2014数据集验证表明：该算法有效改善了“鬼影”现象,提高了背景模型在复杂环境下的鲁棒性,各项客观评价指标也有所提升。     

视频图像中的运动目标检测

运动目标检测,是指从视频图像中将运动变化区域提取出来的检测技术,是图像处理技术的基础。在军事公安、交通管理、视频监控、医学检查等领域应用广泛。为了改进单独采用帧差法或背景减法进行运动目标检测时存在的不足,本文提出一种利用边缘信息的三帧差法与基于混合高斯模型的背景减法相结合的运动目标检测算法。该方法对视频图像中连续的三帧图像两两差分,对3个差分图像取均值,二值化,再经过形态学处理,并对中间帧进行Canny边缘提取,将二者进行"与"运算,即得到运动目标的边缘,用背景减法提取中间帧的前景,二值化,将其和目标的边缘进行"或"运算,经过形态学处理便可得到运动目标。实验结果表明,使用该方法目标检出率提高了9.7%~72.1%,误检率降低了0.090%~2.900%。这种二者相结合的方法相对于单一的检测算法能够有效、可靠地提取出运动目标。     

基于改进高斯混合模型的运动图像目标检测算法

运动图像目标检测指的是从序列图像中将变化的目标从背景中分离出来,高斯混合模型可以对视频序列图像的前景和背景进行分类,再利用背景减除实现运动目标的检测。提出一种基于改进高斯混合模型的优化背景建模方法,该方法首先利用3×3模板对序列图像帧中的像素进行类似卷积的均值计算,然后利用相邻均值的差提取均差因子自适应更新图像的均值。在此基础上,设计了自适应学习率和学习速率,利用改进高斯混合模型实现序列图像的背景建模。改进模型不仅能有效减少数据计算量,同时可以降低在相似区域像素计算的时长,大大加快背景建模速度。实验结果表明,改进模型在目标检测、算法执行速率等性能指标上都有更好的表现,能满足实时检测要求。     

基于灰度与关键帧光流检测的视频异常判断

视频监控系统在日常生活中日益普及，为了实现监控视频的智能分析，利用背景差分法检测并提取关注的前景目标，再结合光流算法分析目标的运动方向和强度，为了提升视频分析效率，先利用帧差欧几里得距离法计算帧与帧之间的相似度，提取视频序列的关键帧，并提出了一种运算量小检测效果较好的基于图像灰度化的背景差分法进一步提取关键帧的前景目标,最后用光流法计算得到目标的光流矢量和强度信息，为监控视频的异常判断提供依据。     

卫星视频运动目标检测算法

为了实现对卫星视频图像序列的运动目标进行跟踪,提出了一种背景建模与添加实际条件约束相结合的卫星视频运动目标检测算法。首先,针对卫星视频图像序列的背景建立背景模型。然后,把接下来各帧图像同该模型相比较,进行减法运算,所得偏差为运动区域。最后添加满足卫星实际情况的约束条件,根据卫星视频的分辨率估算出运动目标合理的像元尺寸,从而滤掉噪声。将本算法在PC端进行实现,并与三帧差法和背景建模法的检测准确度进行对比。实验结果表明:本算法对卫星视频图像序列运动目标检测的准确度可达83.6%,三帧差法检测准确度为6.1%,背景建模法检测准确度为21.0%。从实验结果可以看出,本文算法可以比较准确地对卫星视频图像序列进行运动目标检测。     

基于边缘多通道梯度模型的多运动目标检测

针对视频序列运动目标检测易受环境噪声干扰、提取目标轮廓困难的问题,提出了一种基于边缘多通道梯度改进模型的多运动目标检测算法。首先,利用Canny算子获取视频序列中目标的边缘信息,并根据人类视觉色彩的恒常特性,对目标边缘建立时间、空间、颜色多通道梯度模型;然后,利用该模型获取目标边缘像素点的运动状态描述信息,实现背景边缘和运动物体边缘的分离;最后,将间断边缘像素点与其邻域点的运动状态相关联,以连接目标间断边缘,实现运动目标轮廓的提取,并将连接后的轮廓进行形态学处理以分割出目标。实验结果表明,与同类型算法相比,本算法在运动目标检测中具有的实时性、准确性和鲁棒性更好。     

基于改进分水岭和形态学的视频运动目标检测

为了获得理想的视频运动目标检测结果,本文提出了一种标记分水岭和形态学相融全的视频运动目标检测算法。首先采用各向异性扩散模型对视频图像进行预处理,消除噪声对目标检测的干扰,然后差分算法提取运动目标的轮廓,并对提取的目标轮廓进行形态学操作,最后采用标记分水岭算法对运动目标进行标记和分割,并采用仿真实验测试算法的性能。仿真结果表明,本文算法较好防止了"过分割"缺陷的出现,可以准确从复杂背景检测到运动目标,不仅提高了视频运动目标的检测正确率,并且加快了视频的检测的速度。     

基于背景重构的视频分割技术及应用

针对背景静止的立体视频提出了一种快速的基于背景重构的视频分割算法.先利用帧差法分别确定出左右视频的前景运动区域,再重构出该区域的背景图像,最后,通过视频图像和背景图像的对比来准确地提取运动前景.然后,先匹配左右图像序列的背景图像,并保存它们的匹配结果,再分别对各立体图像对的运动前景进行匹配.采用该方法将立体视频分割可以...     

视频监控运动目标图像优化检测仿真

针对传统的ViBe检测算法在检测中出现鬼影、静止目标、阴影的缺陷,提出将像素值转化到小波域中进行分频,经过算法的优化设计,实现一种基于小波域中检测的新算法。针对ViBe算法中存在鬼影和静止目标的缺陷,将其背景更新策略设计成阶梯型更新,并赋予前景点也具备传播更新背景模型的特性,从而克服了ViBe算法中的鬼影和静止目标缺陷;接下来,利用小波分析的多尺度空间信息进行算法设计,从而达到去除阴影的目的;最后通过3组视频序列进行综合实验,用3个标准进行评价实验结果。实验结果表明,该算法实现了运动目标的有效检测,且优化了ViBe算法的缺陷。     

一种改进的基于K-SVD字典学习的运动目标检测算法

提出了一种基于字典学习的运动目标检测方法.该方法首先使用多帧平均方法从训练样本中得到初始背景,再通过BP算法建立背景的初始稀疏表示模型;然后利用视频序列中当前时刻的近邻五帧图像,通过K-SVD方法自适应更新背景数据字典中的原子,使背景稀疏表示模型最优逼近近邻帧背景的观测值;最后将当前帧图像与背景模型进行差分,完成前景运动目标的检测.仿真和对比实验结果表明,对图像信号进行稀疏表示可以有效降低数据的冗余度,减小运行时间,同时在字典更新阶段利用近邻帧图像的相关性特性,能获得鲁棒性较好的背景字典,自动排除伪前景的干扰,从而提高视频序列中的运动目标检测的准确率.     

光照突变补偿在视频序列运动目标检测中的应用

针对光照突变情况下视频序列运动目标检测精度低、误检多等问题,提出一种结合光照补偿的检测算法。算法利用色差不变量提取稳定的背景区域,并结合历史前景信息判定光照突变程度。采用对角模型补偿光照突变的图像序列,对全局与局部光照突变分别运用区间估计与码本聚类方法计算补偿参数,最后利用背景减除法实现运动目标的检测。与典型算法进行对比的实验结果表明,本文算法具备较高的检测精度与稳定性,适用于动态场景中的运动目标检测。     

低秩稀疏分解下多尺度积的运动目标检测方法

针对基于矩阵分解的运动目标检测方法易受自然场景中背景的小幅抖动和摄像头抖动等因素影响的问题,提出了一种利用多尺度积的低秩稀疏矩阵分解算法。算法假设,静态背景视频序列中,每帧图像背景可近似视为处于同一低秩子空间中,图像前景则可视为偏离低秩空间的残差部分。首先对图像序列进行滤波、仿射变换等预处理得到视频序列观测数据矩阵;然后对数据矩阵进行低秩稀疏分解得到序列图像的低秩背景部分和每帧图像的稀疏前景部分;最后对稀疏前景部分采用小波变换模极大值与多尺度积方法检测目标边缘,并进行形态学处理,得到准确的运动目标。实验结果表明,算法检测到的运动目标清晰、完整,能有效地处理光照变化、摄像头小幅度抖动、图像背景局部小幅度变化等情况下的运动目标检测。      

监控视频中人体特殊行为的检测方法研究——以撞墙行为为例

以检测羁押场所在押人员撞墙行为为例,总结研究了在押人员特殊行为的检测方法.利用开源工具OpenCV编写C++应用程序,采用帧差法提取运动目标轮廓,并对目标轮廓进行图像形态学处理、图像增强处理.再根据帧图像在视频序列中产生的差分图像,对视频目标中的运动目标进行运动历史图像的分析处理,进而掌握运动目标体的全局运动质心和运动方向.最后研究质心在一定周期、坐标空间内的运动规律,让计算机程序将视频中存在撞墙行为的位置检测出来,实现视频检索.     

自适应复杂背景干扰的运动目标检测算法

基于视频图像的运动目标检测,是根据目标的像素特征来判别出相对于背景运动的目标,当图像背景动态变化时,将难以区分背景和运动目标的像素特征,易造成检测错误。复杂背景下的运动目标检测是一大难点,目前主流的运动目标检测算法在背景灰暗、水面波动、气流颤动等复杂背景干扰下,难以准确地检测出运动目标。针对上述问题,提出一种自适应复杂背景干扰的运动目标检测算法,采用新的前景判断和背景模型更新方法,同时设计了一种创新型自适应阈值更新方法,当视频背景变化时,自动更新阈值。该算法增强了对复杂背景、镜头抖动的抗干扰能力,通过各种视频测试,背景点检测正确率达到0.9958,前景点检测正确率达到0.8012,极大提高了前景检测率,而且该算法满足高实时性要求,对复杂背景下的运动目标检测有显著效果。     

光照突变补偿在视频序列运动目标检测中的应用

针对光照突变情况下视频序列运动目标检测精度低 、误检多等问题,提出一种结合光照补偿的检测算 法。算法利用色差不变量提取稳定的背景区域,并结合历史前景信息判定光照突变程度。采 用对角模型补 偿光照突变的图像序列,对全局与局部光照突变分别运用区间估计与码本聚类方法计算补偿 参数,最后利用 背景减除法实现运动目标的检测。与典型算法进行对比的实验结果表明,本文算法具备较高 的检测精度与稳定性,适用于动态场景中的运动目标检测。     

改进ViBe的运动目标检测算法

针对Vi Be算法存在鬼影、噪点的问题以及不能快速适应复杂背景进而出现误检率高的问题,提出一种改进的ViBe算法。首先算法在背景建模时将8邻域的像素点扩大到了24邻域;其次采用自适应的阈值对复杂背景进行检测;最后为了提高检测目标的准确性,改进的ViBe算法和改进的帧差法通过逻辑与或运算进行结合,并且进行形态学滤波处理对运动目标进行完整的提取。实验结果表明,改进的算法可以在更短的时间内消除鬼影,并且静态背景下检测运动目标的F-measure提升了14.2%,在树枝晃动和相机抖动的复杂背景下,能够得到较为完整和准确的运动目标,并且F-measure平均提升了2.6%。     

基于嵌入式系统的运动检测算法的设计及实现

提出一种基于TMS320DM6437嵌入式视频处理系统的运动检测算法,采用实时性很强的ViBe算法进行背景建模及像素点分类,在背景更新的算法上,引入帧级更新的策略,以弥补ViBe算法对突变的背景更新较慢的不足.对前景二值图,使用扫描标记法实现对运动物体的捕捉.实验结果表明,该算法实时性强,适用于嵌入式系统.