一种基于模糊阈值的直线拟合策略在铁路沿线柱体检测及距离估计中的应用

首先提出了一种单幅图像中由边缘检测自动估计铁路沿线柱体到铁轨大致距离的方法，该方法主要通过对铁轨及其沿线柱体的检测、分类识别和距离估计来完成。因为如何在有畸变和复杂背景的图像中准确和有效检测边缘在图像处理和模式识别中一直是一个关键而困难的问题，为此提出了一种基于模糊阈值的直线连接拟合策略，该策略主要包括3个步骤：边缘提取、角点检测和基于模糊阈值的直线递归拟合。该策略可以有效地在有图像畸变和复杂背景的实际拍摄图片中通过参数控制获取感兴趣目标的直线边界。实验结果证明本文的直线拟合策略是精确的和具有鲁棒性的，距离估计方法是有效的。     

彩色视频运动目标自适应在线聚类提取算法

针对彩色视频图像序列的运动目标提取问题,提出一种彩色视频运动目标自适应在线聚类提取算法。首先给出一种改进的基于HSI空间欧氏距离的色差度量方法;然后提出一种阈值自适应的在线聚类彩色背景重构算法,并对重构的彩色背景进行客观评价;最后运用背景减除法提取出运动目标。     

基于激光扫描的移动机器人行走环境直线检测

提出一种移动机器人行走环境直线检测算法;对激光传感器采集的环境信息作预处理,设计分割、提取规则将离散距离信息转化为具备明显特征的直线段序列,考虑传感器误差用最小二乘法拟合直线段;计算拟合误差作为直线分割提取的阈值自动调整条件,实现阈值自动调整.基于极坐标内直线协方差矩阵计算Mahalanobis距离,实现直线合并,不丢失环境信息同时降低其直线存储量.与传统的Split-and-Merge算法相比,解决了对分割阈值参数敏感的问题.经过实验证明:直线检测算法能够有效检测出直线特征.     

基于边缘差分的运动目标检测方法

针对视频序列中的运动目标检测问题,提出了一种新的基于边缘差分的运动目标检测方法.通过改进的边缘检测算法提取视频序列中相邻帧的边缘图像并作差分,采用改进的Otsu法对差分图像进行阈值分割,得到运动目标检测的结果.结合Prewitt算子和Sobel算子改进的边缘检测算法能够获取纹理丰富、细节显著的边缘图像,边缘差分结果更加理想;改进的Otsu法联合类内方差能够很好地抑制噪声,保留更多的纹理细节.实验结果表明,提出的方法能够提取更加完整的目标区域,对背景噪声更加鲁棒.与最近一些同类算法相比,在背景运动和光照变化条件下,该方法具有更加优越的运动目标检测性能.     

基于运动特征的不良视频检测算法

提出了一种适用于流媒体中的不良视频检测算法.首先从MPEG压缩视频流中提取运动矢量,然后对运动矢量进行预处理,剔除噪声干扰,从而提取出不良视频中的运动特征,通过设定阈值实现整段视频的判别.实验表明,该算法识别率达到80%,鲁棒性较好,适用于各类不良视频的过滤与检测.     

基于垂直投影和虚拟检测带的车辆检测

由于交通视频场景复杂,传统的帧差法在进行车辆检测时误差较大。为此本文在传统帧差法德基础上提出一种基于垂直投影和虚拟检测带的车辆检测法并提取该交通视频关键帧。首先采用帧差法提取运动目标,然后通过运动目标的垂直投影值与阈值的比较结果来判断是否该运动目标为车辆,最后根据判断结果来进行交通视频关键帧的提取。实验结果表明,该方法有较好的鲁棒性,能够有效的检测车辆并提取含有车辆的视频帧。     

基于计算机视觉算法的视频智能监控与跟踪系统研究

本文基于计算机视觉算法设计了视频智能监控与跟踪系统.以OpenCV计算机视觉库、Visual Studio与MFC框架开发并实现了系统.首先设计系统整体框架,其次着重分析视频数据预处理,再次以高斯混合背景差分法提取目标,通过阈值二值处理与背景相分离,然后以Camshift与卡尔曼滤波跟踪目标并发出告警提示,最后系统实现结果表明,基于高斯混合背景差分法进行运动目标提取,并通过阈值二值处理,可准确可靠地与背景相分离,目标检测效果显著;可及时准确触发告警机制,发出告警提示信息.     

一种基于多属性单值中智集相关度量测的视频运动目标检测方法

视频运动目标检测是视觉传感器数据分析的主要任务之一,其主要用于视频监控.鉴于效率,一些基本的背景模型经常被用于该项任务.然而,当视频图像中存在由于天气、背景扰动等因素带来的噪声时,基于该类模型的动目标检测效果往往会受到严重影响.基于中智集理论提出了一种改进的运动目标检测方法.首先,利用基础背景模型计算得到背景差图像序列;接着提出面向中智集理论的真(Truth)、不确定(Indeterminacy)、假(Falsity)量测,将各背景差图像转换到中智集范畴;最后,综合利用多周期单值中智集相关度量测和一般单值中智集相关度量测强化图像中的运动目标区域,并利用Otsu方法确定最优分割阈值.通过对现实视频序列测试,实验结果表明本文方法能够克服恶劣天气、背景扰动等不良因素,鲁棒完成运动目标提取.     

基于相对欧氏距离的背景差值法视频目标检测

为了从包含大量冗余信息的监控视频中快速查找到运动目标,提出了一种改进的背景差值目标检测算法。首先,通过灰度化和中值滤波对视频图像进行预处理;其次,对视频帧进行抽样统计,计算各个对应像素点的灰度值的中值,建立背景模型;再次,通过大量的实验确定合适的阈值后,计算当前帧与背景模型之间欧氏距离的相对差值,并由此判断前景帧和背景帧;最后,将含有运动目标的图像或视频截取出来。实验结果表明,该方法可以更加准确有效地检测目标,可用于视频监控(如生活小区、铁路交通、仓库的监控视频等)中的目标检测。     

基于自适应背景匹配的运动目标检测算法

为了减小所提取的背景对后续目标检测的影响,提出了基于自适应背景匹配的运动目标检测算法.通过改进的Mode算法结合自适应背景匹配更新机制获得可靠的背景,在此基础上结合绝对差分和具有双动态阈值的Cauchy分布模型建立了目标检测总体模型,从而实现对视频序列中的运动目标进行检测.通过对行人和车辆等不同监控对象的实验,验证了算法具有良好的噪声抑制能力和对慢目标良好的鲁棒性,同时能有效的分割前景目标.     

基于运动点团的鱼眼图像中多目标检测方法研究

采用运动点团模式对鱼眼视频序列中的目标检测方法进行了研究和探讨。运动点团模式的运动目标检测分为三个层次,每个层次对应一个具体的检测算法,即基于像素层的背景提取和更新、运动点团层的点团检测和判定及运动目标层的目标标记和跟踪。对三个算法的原理进行了探讨,并结合鱼眼图像的特点进行了算法改进和优化。实验结果表明,以运动点团作为中间检测过程的方法能有效对圆形鱼眼视频序列中的多个运动目标进行检测,特别是图像边缘的大畸变、低分辨率目标,相比传统的检测方法具有更好的检测稳定性和准确性,在大范围智能视频监控中具备很好的实际应用价值。     

序列图像中运动目标的分割定位

针对序列图像中运动目标的分割定位,给出了在复杂环境下一种快速识别运动目标、有效去除背景噪声及运动目标准确定位的方法。该方法主要由运动目标检测和运动目标定位分割两部分组成:对运动目标检测采用简单差分方法提取运动目标,快速中值滤波与数学形态学方法结合去除噪声;对运动目标定位提出了一种改进的区域生长分割算法RGSA(RegionGrowingSegmentationAlgorithm)定位目标,并求出目标重心。实验结果表明,该方法正确有效,结果令人满意。     

基于改进光流特征的运动目标跟踪

在城市智能视频监控中需要对运动目标进行实时跟踪,针对传统的运动目标检测中出现的跟踪目标易丢失、跟踪率低、实时性差等问题,提出一种基于改进光流特征的运动目标跟踪检测方法,对运动行人目标进行跟踪。该方法首先采用改进的Vibe运动背景建模法对视频中存在的运动行人进行检测,再将Shi-Tomasi角点检测与LK光流法进行结合,将角点检测结果融入到LK光流法中,并对检测到的角点进行运动光流特征提取,最后通过卡尔曼滤波对出现的行人进行预测跟踪,采用匈牙利最优匹配算法实现对运动目标的持续匹配以及对运动目标的跟踪。仿真结果表明,本文提出的方法能够对视频中出现的运动目标进行检测跟踪,具有较好的识别效果,且检测效率得到提高。      

基于视频的快速运动检测方法及其应用研究

介绍了一种以视频图像为检测源的快速运动检测方法并给出了该方法在闯红灯监控系统中的应用实例。与传统的运动检测方法相比,该方法采用视频处理技术;通过先进的运动检测算法快速识别运动物体,并能判断出运动物体的运动方向。该方法在闯红灯监控系统中的应用结果表明该方法的快速性和可行性。     

帧差累积和减背景相结合的运动对象分割方法

针对低比特率的多媒体视频序列,提出了一种综合利用帧差累积和背景减法来进行运动对象分割的方法。由一种改进的帧差累积方法得到初步的运动对象区域,通过背景减法得到运动对象区域,把由两种方法得到的运动对象区域相结合取得完整准确的结果,二值化后再经过形态学处理和二次扫描填充即可得到运动对象掩模,用原图像的灰度值填充该区域。实验表明,该方法快速,准确,并有一定的应用价值。     

基于序列图像的实时人流检测与识别算法研究

针对可见光下人流检测、识别算法中存在的运动目标分割准确率低、识别效果差等问题,提出一种新的跟踪与识别方法.首先利用序列图像中运动目标时空一致性,将帧间二阶差分(SODP)与边缘检测相结合进行运动目标分割;再根据行人运动模型和运动目标局部性特征,通过粗采样方法快速提取跟踪特征向量;利用运动目标轮廓投影比、形状因子等特征分量,并构造基于人工神经网络的运动目标分类器进行识别.通过对大型商场进行的实际测试表明:该方法在运行效率、识别准确率方面均取得满意结果.同时,算法对于光线、阴影和人流变化等外界因素的影响,具有较强适应性.     

基于低比特率视频序列的运动对象分割算法

在兼顾运动图像分割效果和实时性的原则上,针对视频会议、新闻播报等低比特率视频序列,提出了一种简单高效的运动对象分割算法。首先利用累积帧差求出图像帧的运动区域,然后对其进行二值化和形态学处理得到帧差模板,最后利用二次扫描的方法得到运动对象掩模,对其进行填充就可以提取出运动对象。实验证明得到了较好的分割效果并且在实时性的应用中具有一定的优势。     

基于主动视觉和超声的机器人目标跟踪系统

运动目标跟踪技术是未知环境下移动机器人研究领域的一个重要研究方向。该文提出了一种基于主动视觉和超声信息的移动机器人运动目标跟踪设计方法,利用一台SONY EV-D31彩色摄像机、自主研制的摄像机控制模块、图像采集与处理单元等构建了主动视觉系统。移动机器人采用了基于行为的分布式控制体系结构,利用主动视觉锁定运动目标,通过超声系统感知外部环境信息,能在未知的、动态的、非结构化复杂环境中可靠地跟踪运动目标。实验表明机器人具有较高的鲁棒性,运动目标跟踪系统运行可靠。     

一种能有效克服阴影影响的运动对象分割方法

运动对象的分割是计算机视觉研究领域的一个重要课题，阴影的存在严重影响了分割的效果。本文提出了一种基于颜色特征进行运动对象阴影检测，利用互帧差的高阶统计特性和数学形态学算子进行运动对象分割的方法。实验结果表明该方法能有效的克服阴影的影响，从而实现运动对象的分割。     

视频序列中的运动目标检测

针对室内安全监控的场景特点,提出一种稳健的运动目标检测方法,对每个背景像素使用多个矢量表示,利用当前帧和背景帧像素的色度分量差分进行运动检测,并选择性地更新背景模型.实验表明,该方法能有效消除背景中振动对象的干扰,提高运动目标检测的准确性,有利于消除由于虚假目标而导致的误报警.