视频监控的目标检测研究

为了实时准确的提取出运动目标,提出了一种基于帧问差分的背景重建算法及基于运动前景的背景更新算法。该算法先对摄像头采集的视频序列进行帧间差分背景重建,通过自适应阈值的背景减法得到运动前景,并分辨出运动目标和伪运动目标,然后进行区域性背景更新。当背景发生整体或局部变化时,该算法能够快速地检测出背景变化,并采用相应算法实时更新背景。实验结果表明,该算法能快速、准确地重建出背景,从而能够完整地提取场景中的运动目标。     

利用改进的背景差法进行运动目标检测

为了更准确地划分运动目标和背景区域,提出了基于背景差法的改进算法。该算法将选择更新法与中值滤波法相结合,对背景建模与阈值选取进行了优化,解决了复杂场景背景建模不理想问题,并能快速有效地进行背景更新。该算法还提出了双阈值思想,根据场景信息自适应地在图像的不同区域采用不同阈值,将当前帧图像与背景图像的差分作为反馈来调整阈值。实验结果表明,该算法能够较快速准确地提取运动目标,并对光照变化、场景变化、运动干扰有较好的鲁棒性。     

基于层次信息综合的复杂场景背景模型

针对复杂交通场景中背景提取和更新的前景目标密度大、走走停停和照明强度突变难题,提出基于层次信息综合(LISM)的自适应背景模型.首先对像素建模,通过分析稳定状态判别参考背景;然后提出方向不变局部二值模式(RELBP),用其分析参考背景区域的纹理特征,再通过纹理聚类获取背景并更新模型参数;最后处理帧级的场景整体变化,用改进的直方图修正(HM)算法解决光照突变引起的背景失效.实验表明,本文提出的算法比已有方法能更好地适应复杂交通场景.     

基于稀疏表达残差的自然场景运动目标检测

本文提出一种基于稀疏表达残差的非参数化运动目标检测算法,在假设前景变化相对静态背景可以视为稀疏残差的基础上,采用视频前n帧初始化稀疏表达字典;利用字典对后续视频帧进行重构,提取每帧的重构残差;结合基于光照强度的全局阈值矩阵,将残差图像二值化,提取图像前景;利用前景区域和边缘点关系剔除ghost区域;采用增量PCA(Principal Component Analysis)算法和保守更新的思想对背景模型进行更新.在changedetection.net提供的shadow数据集上实验表明,采用全局更新和残差计算的方法,可以有效的解决由于自然场景光线变化导致的阴影变化,并且对自然场景中背景的小幅度抖动和相机抖动等问题也具有一定的抵抗能力.     

昼夜转换场景中的车辆检测

在城市交通流量视频检测系统中,昼夜转换是必须面对的问题,在白天和黑夜的过渡期间,简单的使用白天算法或夜间算法检测效果较差。本文提出一种针对昼夜转换场景的车辆检测算法,该算法首先提取出背景图像,针对昼夜转换场景中光线昏暗、变化较快的特点,建立了一种能够快速跟踪背景变化的背景更新模型;然后采用背景差分的方法检测运动车辆。实验表明,本文算法能够很好的检测昼夜转换场景中的运动车辆。     

一种基于混合高斯的快速背景更新方法

针对传统混合高斯模型对场景的突然变化不能实时更新和RunningAvg更新算法中容易产生拖影的问题,提出了一种快速背景更新方法。首先建立混合高斯和RunningAvg两幅背景,基于它们的二值化差分图像DB获取变化区域;将DB与前景二值化图像FB进行逻辑"与"以准确提取变化区域,消除拖影对目标提取的影响。然后根据变化区域的变化情况,用状态表中所记录的变化区域信息对背景模型的变化区域进行有选择的更新,减少了背景模型对变化区域的更新时间。实验结果表明,该方法不仅能对场景的突然变化具有很强的适应性,而且避免了拖影现象和物体短暂停留所造成的干扰。     

基于改进的三帧差分法运动目标检测

为了提高运动目标检测的准确性和效率,提出了基于改进的三帧差分法检测运动目标的算法.该算法对传统的三帧差分法进行了改进,结合了单高斯模型背景提取、背景自适应更新和自适应阈值提取的方法,从而解决了传统三帧差分法中可能出现的无法检测出完整的运动目标的问题.背景的自适应更新和自适应阈值的提取减少了光线亮度变换以及噪声对运动目标检测带来的影响.实验表明,该算法与传统的三帧差分法相比可以更加完整地检测出运动目标,并且可以有效地避免出现“漏检”等情况,提高了运动目标检测的效率和准确性.     

一种自适应码书模型背景更新算法

因背景更新过程中运动信息不足,造成在处理缓慢移动目标和只有局部运动目标时常常发生误判,为解决上述问题,通过提取运动目标的空间整体信息,提出了一种自适应的码书模型背景更新算法.该方法通过对运动目标空间信息变化进行分析,寻找前景中潜在背景,然后联合像素时域统计信息,得到真正的背景模型.实验结果表明,该算法可以快速适应背景变化,能明显减少对运动信息不足目标的误判,同时保证目标检测的完整性.     

一种基于直方图统计与多帧平均混合的背景提取算法

介绍了背景的提取与自适应更新的算法,提出了一种基于直方图统计与多帧平均混合的算法。这种算法克服单纯的多帧图像在车流量多、车速低时出现拖尾和模糊的现象,且相对于混合高斯模型,其计算复杂度较低。该算法已通过TI DM642DSP硬件平台实现,实验图像结果表明,该背景提取算法的速度快,且符合实际场景。     

基于高斯模型的运动目标检测方法研究

提出了一种改进的基于单高斯背景模型运动目标的检测算法。该算法用四帧差分法确定运动目标区域,用单高斯模型对背景进行更新,然后通过(r,g,I)特征空间去除阴影,从而提取运动目标。实验结果表明,该算法能在变化的场景中对背景进行实时更新,能快速检测出运动目标,算法的运算量小。在室内环境和背景较为稳定的室外环境中都具有较好的应用价值。     

建立灰度图像的背景模型方法研究

建立背景模型是在灰度图像序列中进行目标跟踪常用的方法。建立背景模型的目的是对背景象素点的分布及其变化情况作一个描述，以便将前景目标从背景中分离出来。本文对几种建立背景模型的方法做了比较，并通过实验分析了各自的优缺点。     

视频监视中背景的提取与更新算法

提出一种视频监视中背景初始化和更新算法。该算法采用在空域中基于象素中值的方法，来完成对背景的初始化：通过差分当前帧和背景帧，来进行当前帧的重构，应用Kalman滤波器完成背景的更新操作。     

混合高斯背景更新算法的改进和实现

混合高斯背景更新算法在处理红外目标检测中,与其他算法相比有着明显的优势。然而传统的混合高斯背景更新算法仍然存在着不足,针对传统算法的不足,提出了有效的改进方法,使混合高斯背景更新算法的处理分为兴趣区和非兴趣区进行处理,在不同的区域采取不同的高斯分布个数和权值更新速率进行处理,同时通过改变不同的背景更新速率可以处理背景发生突变的情况和前景目标静止的情况,有效地提高了混合高斯背景更新算法检测红外目标的能力,仿真实验取得了较好的效果。     

基于区域特征的视频序列人脸快速检测

提出了一种基于区域特征的快速人脸检测算法.采用瞬时差分和背景差分获取并跟踪运动目标.消除了运动目标引起的背景模型更新误差.在检测到的运动目标区域内.通过基于区域特征的马赛克三分图模型检测人脸区域,并利用频率直方图方法合并所检测区域,最终获得人脸位置.实验结果表明,平均检测时间为30ms/帧,检测准确率可达95.7%,算法复杂度低、检测效果好,适合各类视频图像的人脸实时检测.     

基于混合高斯模型的运动目标检测改进算法

针对传统混合高斯模型法的不足,提出一种基于混合高斯模型的运动目标检测改进算法。首先对模型的参数更新机制进行了改进,不同阶段采用不同的更新率,并选择性地更新背景模型;其次,将改进后的混合高斯模型法与和帧差法结合,进行两次与运算和一次形态学膨胀处理,得到最后的运动目标。实验结果表明,该方法能够有效地消除复杂环境中的噪声,并对阴影有一定的抑制作用,提高了运动目标检测的准确性。     

Improved sigma-delta background estimation for vehicle detection

An enhanced version of the sigma-delta background estimation method for vehicle detection is proposed. A selective updating of the background model at the pixel level is included to deal with slow moving or temporarily stopped vehicles. The proposed algorithm is compared with some previous enhancements of the sigma?delta method, showing its effectiveness in urban traffic scenes.     

基于自适应背景图像更新的运动目标检测方法

在运动目标的实时检测中常用的方法是背景图像差分法,但因其缺乏背景图像随监视场景光照变化而及时更新的合理方法,限制了本方法的适应性.对此,本文首先提出了一种基于光流场等技术的自适应背景逼近更新方法,并根据彩色差值模型得到差分图像;然后引入Gauss模型实现运动目标的自适应阈值分割.实验结果表明:本文提出的背景更新方法可随着光照条件的变化实时、准确地更新背景图像,在此基础上提出的基于Gauss模型的自适应阈值分割方法可以实现运动目标的完整分割,这为运动目标的后续识别与理解奠定了基础.     

彩色图像序列中运动目标外轮廓的自动提取

该文提出了一种新的多运动目标精确外轮廓自动提取算法。算法的主要创新点是:采用指数滤波计算彩色图像的梯度强度,改善了彩色图像梯度局部极值点的定位精度,所得到的梯度强度和运动边缘位置信息供随后的轮廓迭代中使用,成功地避免了动态轮廓的过收缩。此外,充分利用轮廓的方向信息,又有效地克服了动态轮廓迭代中的外扩展。从而,算法自动地提取出一个真正紧贴的目标外轮廓。分析和实验表明,该算法抗干扰能力强,对复杂背景及不重叠物体,可以精确定位并提取出各个运动目标的外轮廓。     

基于时空信息的自动视频对象分割算法

提出一种在通用视频序列中从背景里分离出运动对象的方法.首先,使用全局运动估计和补偿、场景变化检测技术进行预处理.然后,使用四阶统计显著性检测方法从帧差图像中分离出前景和背景,并使用连通成分标记算法和一连串形态学开启、闭合操作得到修正后的二值模板图.接着,使用对称差分技术消除覆盖\显露的背景以及部分噪声.最后,使用模板匹配和更新,不仅能够得到快速变化的对象,而且能够得到视频对象暂时停止运动的部分.