基于改进高斯混合模型的红外人体目标检测方法

针对高斯混合模型在阴影不显著情况下,容易把随光线突变而变化的背景像素点当作前景目标从而造成目标误检的缺点,提出了一种基于改进的高斯混合模型的红外人体目标检测方法。该方法引入边缘检测信息增强红外人体目标检测效果。首先,该算法利用Canny边缘检测来提取人体目标的边缘信息。然后,以此对每个像素建立高斯混合模型来完成人体目标的检测。实验结果表明,该方法能够有效消除光照突变所产生的阴影影响,提高了检测的准确性。     

基于改进混合高斯背景模型的车辆检测算法研究

传统的混合高斯背景模型对光照突变十分敏感,对运动车辆检测效果不理想。为此,本文提出了一种基于改进混合高斯背景模型的车辆检测算法,利用不匹配像素来消除光照突变对背景建模产生的影响。实验结果表明,与传统的混合高斯背景模型算法相比,在光照突变明显的条件下,改进后的算法更能有效检测出运动车辆。     

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。     

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。     

改进的边缘高斯混合模型运动目标检测

为解决高斯混合模型中噪声和光照变化带来的影响以及运算量大等问题,先通过帧差法确定运动目标大致区域,筛选后在确定区域内采用混合高斯模型重建背景,并运用SUSAN算子进行边缘检测,形态学处理后将两者结果进行"与"运算;区域外部分按照当前帧背景更新,两部分综合得到最终的运动目标。实验结果显示,改进算法有良好的鲁棒性,能很好地适应光照变化,检测结果高效准确,可以应用于目标跟踪领域。     

基于混合高斯模型和六帧差分的目标检测算法

鉴于传统混合高斯模型在光照突变、噪声干扰时鲁棒性不高,易造成检测错误等问题,提出了一种改进的视频运动目标检测算法。该算法将混合高斯模型与六帧差分算法相结合,构建了一种高效的运动目标轮廓模型,并嵌入背景替换法和动态阈值分割法提高算法的稳健性,通过连通性检测和形态学处理,得到完整的运动前景像素。不同场景的视频检测结果表明,改进算法有效克服了光照突变、噪声干扰、空洞及双影现象,与同类算法相比,具有更高的准确度和鲁棒性。     

基于改进的混合高斯模型的红外运动目标检测

传统混合高斯模型中背景容易留下运动"虚影",同时在噪声或目标区域对比度低时会导致提取目标区域时出现断裂和空洞的现象,针对这些问题在混合高斯方法中赋予图像中运动和静止区域不同的背景更新速率,并充分利用混合高斯模型中的背景和前景信息,将背景减除的结果与高斯建模中的前景图像按照一定比例融合获得目标图像。实验结果表明:改进后的混合高斯模型运动目标检测方法,能够克服传统高斯模型目标检测中存在的问题,从复杂的背景中较完整的提取出运动目标,且具有一定的抗噪能力。     

高斯混合模型的光学元件表面疵病边缘定位

为抑制光照突变对边缘定位的影响,提升疵病边缘定位效果,提出高斯混合模型的光学元件表面疵病边缘定位方法。引入光照变化因子,通过颜色直方图匹配算法自适应更新高斯混合模型参数;利用参数更新后的高斯混合模型提取光学元件表面疵病背景图像,通过差运算原始光学元件表面疵病图像与疵病背景图像,得到疵病前景图像;利用Canny边缘算子提取光学元件表面疵病的边缘前景图像;加权融合边缘前景图像与前景图像,得到光学元件表面疵病边缘定位结果。实验结果表明,该方法可有效提取光学元件表面疵病前景图像与边缘前景图像,得到疵病边缘定位结果;在不同光照变化情况下,不同疵病宽度时,该方法疵病边缘定位的边缘连接完整度均较佳;该方法定位不同类型疵病边缘时的灰度差分乘积均较高,即边缘定位清晰度较佳,定位的边缘较明显。     

基于混合高斯模型的运动目标检测

针对现有方法在复杂的环境下不能很好地检测出运动物体的问题,提出了一种改进的基于混合高斯模型的背景消减法检测运动目标。改进了背景模型的更新算法,提高了背景更新速度。利用帧间差分法消除了运动影子和光照突变问题,并采用（r,g,l）颜色空间检测和抑制了运动阴影。实验结果表明,该算法能很好地提取出运动目标。     

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。     

基于改进GMM和多特征融合的视频火焰检测算法

针对现有视频图像火焰检测算法前景提取不完整、准确率低和误检率高等问题,提出一种基于改进混合高斯模型(GMM)和多特征融合的视频火焰检测算法。首先针对背景建模,提出了自适应高斯分布数和学习率的改进GMM方法,以提高前景提取效果和算法实时性;然后利用火焰颜色特征筛选出疑似火焰区域,再通过融合改进局部二值模式纹理和边缘相似度特征用于火焰检测。基于支持向量机设计火焰融合特征分类器并进行对比实验,在公开数据集上的实验结果表明,所提算法有效提高了背景建模效果,火焰检测准确率可达到92.26%,误检率低至2.43%。     

基于统计的灰度视频自适应背景建模算法

针对灰度视频的目标检测依赖先验知识、召回率低以及单一算法无法同时兼顾静态与动态背景等问题,提出一种基于统计的背景建模算法。该算法无需先验知识,根据统计信息可以准确区分静态背景和动态背景,并采取不同的检测策略提取目标。对于静态背景,采用改进的三帧差分法自适应设置阈值,可以保证较高的召回率。对于动态背景,采用改进的概率密度估计法可以有效降低虚警率。采用所提算法对光照变化以及阴影进行处理,可以进一步提升算法的性能。在公开数据集与实际采集红外数据进行验证实验。实验结果表明,所提算法在多种场景中处理灰度视频的结果比其他传统算法好,在保证准确率的同时可以极大地提升召回率,并且有效提高目标的完整性。     

基于DSP的无背景模型车流量检测

针对车流量检测中遇到光照变化、树阴、树枝摇动等一系列问题,在运动物体法,背景建模法和时间差分法的基础上,提出了一种基于DSP的无背景模型的新型车流量检测方法。笔者依次使用基于块的帧差法、双重前景融合法、基于纹理对象分割法、假前景滤波法对车流量进行检测。经实验验证,采用无背景模型算法能成功有效地检测车流量,检测准确率达88%,提高了车流量检测的精度。     

基于特征融合的背景差分改进算法

背景差分法可完整快速地分割出目标图像,但其在背景扰动与光照变化等情况下检测效果不佳。文中提出一种基于特征融合的背景差分改进算法。该算法将时空局部二值模式纹理特征以及颜色特征相融合,同时考虑两特征的置信度和相似性得分得出背景概率,继而进行前景分割,并将当前检测出的背景像素用于背景模板更新,以便更好地解决复杂背景下的目标检测问题。实验结果表明,新算法的检测效果优于其他同类算法,在保持背景差分算法鲁棒性与复杂度的同时,在背景扰动与光照变化等情况下表现出了良好的检测效果。     

长期视频监控系统的多分布模型背景差方法

提出在长期视频监控系统中采用背景差进行运动目标提取时算法所要满足的基本要求，并提出了一种能够满足这些要求的背景差方法。该方法用色度、亮度窨的多个分布模型来建立背景模型，描述彩色视频图像的背景像素点及其统计特性，在对背景模型更新的时将均值、方差的更新速率和多个模型的更替速率分开。对像素值属于多个分布模型的情况，用最小相似距离确定更新的模型。该方法利用提取的前景像素点信息反馈以检测光强的突变，利用亮度信息消除运动目标的阴影。实验证明该方法很好的满足了长期视监控系统的要求。     

鲁棒性自学习背景建模方法研究

在利用混合高斯模型构建动态背景的基础上,提出了一种抑制错误的前景检测,克服无关结构干扰的前景/背景分割方法,并利用颜色信息去除图像中的阴影部分。多个复杂室外场景下的实验结果表明,该方法能够克服背景晃动和摇晃树枝干扰,并能够抑制光影变化（影子或强光）的影响,具有较好的鲁棒性。     

改进单高斯模型的视频前景提取与破碎目标合并算法

针对视频背景建模和运动目标检测,本文提出一种基于分块模型更新的单高斯背景建模方法。新方法将视频图像划分为多个区块,并对块内的像素进行统一建模,以替代传统方法中对单像素点的建模。由于块像素的平均更符合高斯分布特性,有利于发挥单高斯建模方法的优势,因此增强了算法应对复杂背景的能力,同时分块建模也有效降低了算法复杂性。针对破碎团块的合并问题,本文提出一种“比对就近”的策略,将相隔距离在设定阈值内的团块合并为一个目标。实验结果验证了本文所提方法的有效性。