基于分块差分与背景减除的运动检测

本文提出了一种基于分块的帧间差分与背景减除相结合的运动目标检测方法.该方法中,运动目标检测分两步进行,在粗分割阶段,首先把视频图像划分为多个子块,用帧间差分对运动图像各个子块进行检测,分离出背景区域和前景区域,背景区域用来构造和更新背景模型.一旦背景构造完成后,便可以对粗分割出的运动区域采用背景减除方法进行细分割,检测出精确的运动目标.使用帧间差分获取的背景区域构造和更新背景,能有效地把停止的运动目标融入背景,同时也能去除场景中突然运动的目标原来位置所留下"鬼影".实验结果表明,该方法克服帧间差分提取目标不精细缺点,解决了背景减除方法中背景构造更新的困难,能够对监控场景中运动目标进行精确检测,对光线变化、背景干扰不敏感,具有较好的鲁棒性和实时性.     

基于高斯混合模型的运动目标检测方法研究

在研究比较常用的各种运动目标检测方法的基础之上,结合静止场景运动目标检测的特点,采用基于背景减除法的高斯混合模型方法进行运动目标检测,即采用高斯混合模型进行背景建模、背景减除法确定目标前景区域,并通过图像平滑、二值化处理、去噪等方法对图像进行后处理,最终得到目标前景图像.该方法具有运算量小、处理速度较快的特点.实验结果表明,所设计的嵌入式运动目标检测系统能够检测出较完整的前景区域并判断出目标前景,能够满足静止场景下运动目标检测的需求.     

一种视频序列图像运动目标区域检测方法

运动目标区域检测是实现目标跟踪、交通监控、行为分析等任务的基础.但由于运动目标的提取易受到背景、光线变化、阴影、运动速度等因素的影响而造成失败,所以如何更好的实现运动目标区域榆测具有相当重要的意义.通过综合运用图像预处理、边缘检测、数学形态学、区域标号算法、目标区域几何形状因子、Douglas-peucker直线简化算法及Hough变换直线检测实现了一种视频序列目标区域的检测,给出了实际图像测量系统中的应用实例,实际应用结果表明了本文方法的正确性和有效性.     

基于像素值聚类的运动目标检测方法

提出了一种基于像素值聚类的运动目标检测方法。在RGB空间进行背景提取,将一幅图像中的每个像素点在时间轴上进行聚类,提取背景模板;之后采用当前图像与背景模板进行比较,从而检测出运动目标,并同时进行背景模板的更新。在此过程中采用了模板替换机制以节约存储空间;在背景建模部分加入结束判定部分,以自适应的建立背景模板。相比于经典的混合高斯（GMM）和codebook方法,该算法的运行时间至少缩短了1／4,提高了检测速度。实验结果表明,该算法能够在不同条件下快速准确的检测运动目标。     

基于人眼识别原理的运动目标检测方法

针对于背景差分法与帧间差分法在运动目标中存在的不知足,为提高运动物体检测的实时性和准确性,提出了一种结合背景差分和帧间差分的运动物体检测方法,该方法模拟人眼对运动目标的检测方式,分为整体感知与精确感知两部分。首先将图像分为多个区域并使用较少的像素点建立背景模型,通过背景模型确定运动物体所在的区域,并将其他区域的图像作为背景图像进行存储。然后使用变化区域的当前图像与存储的该区域的背景图像进行差分运算,以获取清晰的运动目标。该方法使用较少的像素点进行背景模型的构建,减少了背景模型建立和更新的运算量,提高了运算的速度。通过存储的背景图像与当前图像进行差分,可以获得完整的运动目标,避免“空洞”的出现。     

复杂环境下变电站运动目标跟踪技术研究

背景光线变化、树木摇动、下雨下雪等自然环境变化会给运动运动目标检测带来的很大影响。本文介绍一种背景动态生成算法,利用此算法实时动态地生成背景图像,在一定程度上解决了自然环境变化给运动目标检测带来的影响。然后使用背景差分法来检测运动目标,当存在运动目标时,根据连续2帧图像与背景图像差分的结果来确定运动目标的运动方向、运动目标的位置坐标。最后给出了一种云台转动角度的计算公式,根据此计算公式计算出云台的水平旋转角度和垂直旋转角度,实现运动目标检测和自动跟踪功能。     

变电站遥视系统中运动目标检测

运动目标检测是当前无人值守变电站遥视系统的智能视频监控技术需要解决的问题。采用基于负熵最大判据的快速算法(FastICA)又称为定点法(Fixed-point),通过随机梯度法调节分离矩阵W来达到对信号源进行优化的目的。试验表明,在背景亮度发生变化时,FastICA法也可以很好地检测出运动目标,并将其与背景分离,还可确定运动物体的运动轨迹。试验证明了FastICA是一种鲁棒性较强的运动目标检测方法,具有较强的抗图像背景灰度变化的能力。     

基于数学形态学的运动目标检测算法

帧差法和背景差法都是重要的运动目标检测方法,帧差法不能完全提取出目标的所有相关点,而背景差法又受环境光照的影响。针对传统运动目标检测算法的不足,提出一种基于数学形态学的帧差法与背景差法相结合的运动目标检测算法。先将帧差法得到的图像经过数学形态学处理,再将其与背景差法得到的图像相结合。实验表明,该算法能适应复杂变化的环境,准确地提取运动目标,对复杂干扰场景下的实时运动目标检测得到了较为满意的效果。     

视频监视中运动物体检测的一种新算法

本文提出一种结合阈值分割以及区域生长的算法检测视频中运动物体的算法.首先对相邻的图像帧进行差分并根据3σ准则二值化差分图像,然后对二值图像进行扫描去除虚假目标区域和孤立亮点、并记录各区域的边界值,最后用区域生长的办法得到运动物体的完整信息.实验表明,在背景复杂、光照不均匀的视频中,该算法比帧间差分法、数学形态学的方法等能够更精确地检测出多个运动物体,在提取目标的同时,不留下任何背景像素,使下一步的目标跟踪更精确.     

基于FPGA的实时视频运动背景补偿校正技术

从视频运动背景中检测与跟踪运动目标通常需要对背景进行补偿校正.本文提出了一种利用高性能FPGA实时实现的技术方案.该方法基于仿射参数模型求取视频图像的全局运动参数,利用块匹配的方法得到特征点的运动位移估计,利用匹配加权函数的方法剔除目标点和噪声点对全局运动参数估计的影响.在系统实现上采用多分辨率和并行流水线的处理结构,使系统资源占用和运算效率得到了较好的统一.     

一种自适应运动目标检测算法研究

提出了一种新的自适应目标检测算法,实现了快速对目标区域进行匹配更新,能够自适应精确检测出运动目标。通过改进的混合差分模型确定运动目标最大分布可能区域并融合混合高斯模型对此区域进行背景重建,再运用背景差分得到精确前景目标。实验仿真结果表明能够在复杂场景下克服环境噪声与背景扰动,降低了复杂度和计算开销,具有很好的鲁棒性。     

交通监控系统中车辆和行人的检测与识别

本文提出一种应用于智能交通监控系统的车辆和行人的检测和识别方法.首先结合帧间差分,对交通监控场景的视频图像序列建立动态背景模型,然后用背景消除法对监控视频中的运动目标进行有效检测,提取出运动目标的轮廓.最后采用支持向量机,对检测出运动目标进行快速识别.实验结果表明,该方法能够快速准确地在监控视频中对运动的车辆和行人进行检测和分类识别,对快速交通通道中非法行人入侵进行自动报警.     

运动目标视觉跟踪系统的控制特性研究

在介绍运动目标视觉跟踪系统结构的基础上,分析了国内外运动目标视觉跟踪系统的技术发展,研究了运动目标视觉跟踪系统的控制特性,针对其工作稳定性差的问题,提出了两种基于先进控制的运动目标视觉跟踪系统的新方法。     

复杂场景下的快速目标检测算法

针对场景发生改变的目标检测,提出了一种快速的目标检测算法。该算法将像素点划分为背景点和前景点两类,使用聚类的方法并采取像素级收敛条件分别建立背景和前景模型。背景模型的更新适用于全局发生缓慢的变化,稳定的前景模型向背景模型的转化对光照等其他场景突变具有很好的鲁棒性,使背景模型实时逼近真实背景,同时改进连通域扫描分割算法,提高目标分割速度。实验结果表明,该方法具有很好的鲁棒性,能够快速准确地检测出运动目标,为在DSP等嵌入式系统上实现实时目标检测提供了有利条件。     

Markov随机游走和高斯混合模型相结合的运动目标检测算法

针对高斯混合算法对每一像素与它前后帧的像素相关联,并未考虑与相邻像素之间的关联,无法准确地捕捉到运动物体轮廓的情况,提出一种基于混合高斯模型和Markov随机游走的运动目标检测算法。利用混合高斯模型计算像素之间的颜色信息,采用Markov随机游走提取图像的边缘信息,并与提取的运动初始目标进行与计算,同时利用高斯混合模型更新背景信息。结果表明,本方法比传统的混合高斯方法具有较高的分割精度,很好的解决了混合高斯算法边缘模糊的问题,探测率也大大的提高了。     

一种新的视频运动对象分割技术

本文将用于自然静态图像抠图领域的Knockout技术用于视频运动对象的精确分割,给出了一种新的视频运动对象分割方法。在利用积累差异技术自适应建立背景模型、采用背景差法初步提取当前帧视频对象区域的基础上,用本文提出的方法,自动标记原本采用Knockout技术进行抠图时,需手动进行标记的前景轮廓区域、背景轮廓区域及未知区域。在用本文方法完成对3个区域的自动标记后,再利用Knockout技术对当前帧的视频运动对象进行精确分割。本文还设计了一种新的变系数空域滤波器,该滤波器能有效地对背景差图像进行显著增强。同时,对Otsu自适应阈值化方法进行了改进,改进的方法能更准确地对背景差图像进行阈值化。     

多模态背景下快速运动目标检测的研究

为了使运动目标检测算法能够适应场景复杂的情况,可采用高斯混合模型进行建模的方法,本文在此基础上提出了一种新的快速检测算法.该算法基于像素时域和空域相关性,利用这一性质可以减少高斯混合模型的个数,从而提高算法运行速度,经验证发现算法的精确度没有大的降低;同时给出了一种卡尔曼预测的更新算法,这既保证了稳定性又能快速建立背景模型.实验结果表明,该算法在不降低原来算法精确度的基础上,有效地提高了算法的速度.     

基于双边滤波的协方差目标跟踪算法

现有的使用协方差建模的目标跟踪方法在目标形变或是光照变化较大的情况下,达不到理想的跟踪效果。在分析目前协方差建模目标跟踪方法缺点的基础上,提出一种融合双边滤波的协方差目标跟踪算法。首先,将待跟踪图像进行双边滤波,提取滤波后的图像特征构建协方差特征矩阵作为跟踪模板。其次,由于协方差矩阵为对称正定流形,服从对数-欧几里德黎曼度量。在此度量下,构建了目标协方差矩阵相似性度量和模板更新策略。各种条件下的实验结果表明,新构建的基于双边滤波的协方差特征矩阵对目标形变和光照变化有更好的适应性。