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.     

静态背景差分运动目标检测研究

为解决传统运动目标检测算法在硬件实现上存在实时性差、开发过程复杂的问题,利用DSP Builder工具,在FPGA上实现静态背景下运动目标检测算法。结合FPGA并行计算的特点,采用模块化设计思想,按照背景差分、阈值分割和质心提取的流程搭建各算法模块。实验结果表明,该设计可以有效地检测动态目标,满足嵌入式系统对实时性的要求。     

移动背景下运动目标检测与跟踪技术研究

文中分析了移动背景下运动目标检测与跟踪技术.介绍当前移动背景下运动目标检测常用的方法,指出了难点与关键.结合目前的工作,给出了一个移动背景下运动目标检测与跟踪的解决方案,并以人物为跟踪目标进行了实验,较好地实现了移动背景下的全局运动参数鲁棒性估计以及人物目标在不同场景下的跟踪.但是在目标检测时图像边缘白色块的去除和跟踪...     

浅谈运动目标检测的基本方法

运动目标检测是视频图像处理过程中重要的环节,提取视频图像中的运动目标是视觉监控领域研究的难点之一,运动目标检测的效果将影响到目标跟踪结果的准确性。若要确定视频图像序列中目标的位置及灰度等特点,就要准确的检测出运动目标,本文介绍了背景消除法,帧间差分法和光流法三种常用的运动目标检测的方法,同时对各自方法的基本思想进行了阐述,对其优缺点进行了分析。     

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。     

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。     

旋转摄像机下的快速目标检测算法

对于动态场景下的目标检测,传统的方法已经不能适用.提出一种基于SIFT特征点预测的匹配算法,提高了运动目标检测的速度和准确率.在此过程中,用仿射参数模型结合最小二乘法求解出全局运动参数,再对运动进行补偿.采用ORSA的方法去除外点的影响;采用基于残差图像块的更新策略,实时更新特征点集.最后使用背景差法来实现运动目标的检...     

基于双目视觉的运动目标检测算法研究

运动目标检测是实现目标识别与跟踪的基础,它是计算机视觉研究领域的重要组成部分。鉴于传统的运动目标检测算法容易受到噪声、光照及外部环境影响,导致难以准确检测到运动目标的缺点,提出了基于视差的目标检测方法和基于灰度的目标检测方法相结合的算法进行运动目标检测。该方法是将两种算法检测出的前景目标相交部分作为运动目标,克服了双目视觉在目标检测中难以准确的获得目标轮廓,单目视觉容易受环境变化影响的缺点,可以在环境光线发生变化时、物体被照射产生阴影时、目标发生遮挡时准确检测出运动目标,从而提高目标检测的稳定性。     

采用随机样本进行运动目标检测的算法研究

针对目标检测中由于背景光线突变等复杂条件所造成的背景无法实时更新等缺陷,提出了一种基于随机样本的目标检测方法。背景的建立依赖一幅图像中的每个像素点的历史采样值或其邻域采样值,初始化采用像素点的八邻域值来实现。背景的更新采用像素级更新和帧级更新相结合的算法。在正常情况下,采用像素级更新;在复杂条件下,采用帧级更新,且对复杂条件进行了较好的阈值认定。该算法改进了背景建模依赖一段时间内相邻帧的统计值,实现了在单帧进行背景建模,实验结果证明,跟混合高斯模型相比,具有较强的抗噪性和较快的响应速度。     

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.     

动态场景下的快速目标检测算法

提出了一种动态场景下的目标快速检测算法,基于特征点SURF算法,采用旋转参数模型,结合最小二乘法求解全局运动参数进行运动补偿,最后使用帧差法获得运动目标.采用ORSA的方法去除外点的影响;SURF算法不能满足实时性的需要,针对这一点,提出基于运动预测的特征点匹配算法,提高了匹配的速度和准确率;采用基于残差图像块的更新策...     

一种新的ATI动目标检测方法

在传统沿迹干涉合成孔径雷达(ATI-SAR)动目标检测中,只利用干涉相位进行动目标检测,往往会造成较高的虚警率.本文提出了一种新的ATI动目标检测方法,该方法在干涉相位判决之后,利用复相关系数对该判决结果进行再一次判决,以降低检测虚警率.为了降低计算量,该方法只对干涉相位大于相位阈值这部分像素进行复相关系数检测.文中给出了该算法的理论推导和算法流程,并进行了仿真实验,仿真结果表明,该方法能有效地降低动目标检测的虚警率.     

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。     

基于ORB特征的快速目标检测算法

在动态场景运动目标检测下提出了一种新颖的快速目标检测算法,针对SURF算法不能满足实时性的需要,提出基于ORB(oriented FAST and rotated BRIEF)特征的特征点匹配算法,接着采用八参数旋转模型,结合最小二乘法求解全局运动参数进行运动补偿,最后使用帧差法来获得运动目标。在此过程中采用PROSAC(progressive sample consensus)算法来去除外点。实验结果表明,该算法不仅保持了SURF本身的优越性,而且提高了检测速度,可以实时准确的检测出运动目标。