基于先验形状信息和水平集方法的车辆检测

针对交通视频检测应用,提出一种基于先验形状信息和主动轮廓模型的运动车辆检测方法.算法首先利用颜色信息和边缘信息检测并去除车辆阴影,提取车辆的初始轮廓;为了改善车辆轮廓的提取精度,在进一步的车辆分割中引入车辆形状的先验知识,用水平集符号距离图像的隐含表示建立车辆的先验形状模型,并以先验的车辆形状模型作为约束构造出主动轮廓能量函数;将第一步获得的车辆轮廓作为车辆分割演化曲线的初始轮廓,采用变分法求解能量函数的极小值,利用形状配准和水平集方法演化车辆的分割曲线,得到准确的运动车辆轮廓.将该方法应用于实际采集的交通视频,获得了很好的测试结果.     

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。     

单通道模式下的阴影压制方案设计

在各种复杂场景中,获得前景运动对象或者运动对象运动区域成为视频处理的必要过程,为解决前景对象的完整性问题,提出了一种快速而稳健的运动背景分割算法。该算法首先对视频图像进行预处理,然后将预处理后的三通道图像分成单通道HSV图像,并分别进行混合高斯建模,在此区域内进行阴影检测与去除,以得到较好的完整性,结合帧间差进行实时更新,实验结果以及与目前具有相关代表性方法的对比结果表明,所提出的算法具有良好的有效性和可靠性。     

局部背景边缘干扰下运动视频完整轮廓检测方法

针对传统相邻帧差算法在对轮廓检测过程中无法有效解决局部背景边缘干扰的问题,提出基于高速并行细化算法的运动视频完整轮廓检测方法.基于Sobel算子对运动视频轮廓进行粗检测,通过形态学后处理对粗检测获取的运动视频目标轮廓进行腐蚀运算,过滤其中的噪声,使图像边缘向内紧缩;采用两次膨胀处理恢复并增强运动视频目标图像的连通区域,引入高速并行细化算法对图像进行细化处理,采集图像骨架,并获取线条平滑的完整运动视频目标轮廓图像.结果表明,所提方法检测出的运动视频目标轮廓更为完整、清晰,并且检测效率高.     

基于改进的三帧差和卡尔曼滤波的车辆检测方法

针对卡尔曼滤波方法在车辆检测中存在背景更新参数固定、背景建模实时性较差的问题,提出了三帧差法与自适应卡尔曼滤波算法相结合的运动车辆检测方法.先采用三帧差法快速提取车辆运动区域,再采用高斯分布确定背景更新参数,同时更新背景模型,最后将两者得到的图像相减得到最终检测结果.实验结果表明,该算法的背景更新速度较快,运动目标提取效果较好.     

多视频运动对象实时分割及跟踪技术

利用帧间差异积累信息进行自适应背景建模, 采用背景差的方法检测视频运动对象区域. 设计了一种变系数的空域滤波器, 有效地对背景差图像进行了增强, 使获得的视频运动对象区域更具有空域连通特性. 给出了一种改进的基于Otsu法的自适应阈值化方法, 能更准确地对背景差图像进行阈值化. 采用形态学边界提取技术对视频运动对象轮廓进行提取. 在获得视频运动对象轮廓的基础上, 用区域生长法对视频运动对象进行定位, 将矩形中心坐标视为视频运动对象的质心坐标. 用基于空间欧氏距离最短的方法对每个视频运动对象质心进行关联跟踪并绘制轨迹. 试验结果表明, 该方法实时有效.     

Snake算法在运动目标检测中的应用

Snake算法(动态轮廓模型)在图像处理过程中有着广泛的应用.提出基于归一化互相关系数的阴影检测方法,利用由帧间差分法得到的目标边界,自动设置Snake初始位置,采用贪婪算法得到最终目标收敛轮廓.实验结果表明,该算法能够快速有效地检测出多运动目标.     

引入Harris角点检测的运动图像边缘轮廓提取

对运动目标图像进行边缘轮廓特征提取,提高运动图像的电子稳像性能,从而准确实现运动目标的检测和识别.提出了一种基于Harris角点检测的运动图像边缘轮廓提取算法,对运动图像进行仿射不变闭合区域增强处理,采用Kalman滤波和运动状态相邻帧补偿的方法进行运动图像Harris角点检测,提高相邻两帧之间边缘轮廓的角点检测能力,实现了运动图像边缘轮廓的提取和稳像处理.仿真结果表明,用该方法进行图像边缘轮廓角点提取的准确度高且稳健性好.     

基于水平集的运动目标轮廓提取方法

为了快速准确地提取运动目标轮廓,提出了一种基于帧差法和水平集相结合的运动目标轮廓提取方法。该方法首先采用相邻帧差法确定运动目标位置,然后用一种改进型水平集的方法进行目标轮廓提取。实验结果表明,该方法均适应于刚体或非刚体目标在运动中的自由变化,能准确地提取运动目标轮廓。     

基于时域定区间记忆补偿的视频对象分割算法

提出了一种新的基于时域定区间记忆补偿的视频对象分割算法。首先,使用对称帧帧差累计法及帧差图像的四阶矩检测出初始运动变化区域;然后,对检测出的初始运动变化区域通过时域定区间记忆补偿法进行补偿,并进一步整合形成全局运动记忆母板,在空域使用Sobel边缘检测算子较为精确地检测得到当前帧中所有边缘;最后,进行时空融合,从而提取出完整精细的运动对象轮廓并通过填充得到运动对象模板。实验证明了本文算法的正确性和快速性。     

基于场景知识的移动目标检测

依据背景差法中背景建模的思想,从提取场景知识的角度出发,建立待检测场景的场景知识库,从而提出一种基于场景知识的移动目标检测算法。使用改进的均值漂移算法对待检测场景进行分割,并提取分割后各个区域的底层视觉特征建立场景知识库;从新的场景帧图像中获取各区域的知识特征向量,然后根据和原场景知识库中各特征向量的匹配结果检测出移动目标信息。仿真结果表明,该方法能有效地检测出场景中原有目标和新进入场景目标的移动信息,并在一定程度上改善了目标阴影、形变等噪声对检测结果的干扰。     

以扫描线为单位的背景提取与更新算法研究

基于背景差分法的视频车辆监控系统实时性与准确性的设计要求,提出了一种新的背景提取与更新算法.该算法以扫描线为单位进行运算处理,简单易行.在背景提取和背景更新阶段,分别利用帧间差分和背景差分检测运动前景,再配合适当的运动区域判定条件,很好地消除了运动前景的影响,提高了准确性.通过将背景更新任务分解到多帧中处理,大大缩短了处理一帧图像的耗时,提高了系统实时性.实践证明该方法可行.     

视频流中运动物体的分割

为了从视频流中快速、准确地找出运动物体,为后继智能图像处理工作奠定基础,从动态、静态两个方面对运动物体进行分割,采用消除背景的方法来获得视频流中的运动物体,并将获得运动物体作为消除背景图像的结果。在比较帧差算法的基础上,提出了基于视频流的帧间微分算法,并将图像回填技术应用于图像分割,不仅能够快速消除背景,获得运动物体,而且能够减少运算量,极大克服由于光线强弱、背景变化、局部抖动等因素带来的图像处理中的困难。     

基于轮廓特征的人体行为识别

提出了一种以运动人体轮廓为特征,基于模板匹配的人体行为识别方法。首先,利用背景差分法和阴影消除技术提取运动人体轮廓;定义一种边界点-半径的轮廓描述方法,将时变的二维轮廓形状转换为对应的一维距离向量;以成本函数为特征向量,利用谱系聚类方法提取行为序列的关键姿态;最后,将关键姿态编码为行为字符串,利用编辑距离度量测试序列与标准序列间的相似性。实验结果表明,利用本文方法对人的6种日常行为进行识别,正确识别率达到84.3%以上,具有简单实用的特点。     

单目序列的刚体目标位姿测量

针对单目相机不具备构建合作目标的情况及其对平面上运动目标位姿测量的应用需求,提出一种基于目标轮廓的运动目标位姿自动解算方法.该方法以目标三维几何模型和相机参数作为先验信息,利用OpenGL生成位于不同位姿的运动目标模拟图像,通过模拟图像与实拍图像之间的关系进行位姿的求解.首先由离散位姿集合的模拟图像得到运动目标轮廓集合,由实拍图像运动目标轮廓与离散位姿轮廓集合中轮廓间的关系确定运动目标的初始位姿.然后构建初始位姿下模拟图像的目标轮廓与实拍图像目标轮廓间的距离代价函数,采用非线性优化算法迭代求解运动目标的精确位姿.实验结果表明,提出的方法可以有效地测量运动目标的位姿,且当图像中纹理复杂、受阴影影响时仍能取得较好的测量结果.     

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.     

HSV空间特征和纹理特征的阴影检测算法研究

为了提高检测和跟踪算法的准确性,提出了一种基于阴影在HSV空间下的特点和纹理特征的阴影检测与去除算法。该算法针对阴影区域覆盖的地面和未被阴影区域覆盖的地面纹理特征基本不变的特点,先检查序列图像中的运动区域,然后在运动区域内,根据阴影在HSV空间下的特点和纹理特征对阴影进行检测与去除,为运动目标的后续处理排除阴影干扰。实验结果表明,该算法能够很好地抑制噪声,有效检测、去除图片中运动目标的阴影。