基于改进单模高斯模型的运动目标检测算法

在视频交通车辆目标检测中,阴影问题是影响其检测准确性的关键问题之一.为了解决这个问题,提出了一种结合单模高斯模型和背景差法的运动目标阴影检测方法.首先针对传统单模高斯模型提出了一种自适应学习率和选择性差值更新背景相结合的方法,加快了背景模型的初始化速度,同时结合背景差法对阴影部分进行检测与去除.实验结果表明,该方法能够较好地去除车辆的阴影,提高了检测的准确性.     

改进的Vibe运动目标检测算法

针对传统Vibe运动目标检测算法提取的目标存在Ghost区域、并且在目标有阴影时检测出的前景区域存在阴影的问题,本文提出了一种结合快速初始化背景建模和阴影去除的Vibe运动目标检测算法.首先采用改进的帧差背景建模方法快速初始化背景模型;然后利用Vibe算法找出当前帧内所有可能目标的前景区域;最后引入HSV模型去除前景目标区域中存在的阴影.实验结果表明,本算法可以有效消除Ghost区域,并且很好地去除前景目标区域里存在的阴影.     

基于OpenCV与混合高斯建模的运动目标检测

针对静态背景下的视频运动序列,在研究现有的检测算法——帧间差分法与背景差分法的基础上,进一步研究了运动目标检测中背景动态建模的方法——混合高斯建模法,在此基础上提出了基于混合高斯模型与三帧差分的运动目标检测改进算法。由于使用背景差分法检测运动目标时,运动物体和阴影都将被看作运动的目标,于是研究了基于归一化RGB色彩模型的阴影处理方法,对阴影区域进行检测与去除。然后使用计算机视觉类库OpenCV结合Visual C＋＋6．0对上述算法进行实现,取得了很好的检测效果。     

基于混合高斯模型与三帧差分的目标检测算法

针对传统目标检测方法中光照变化、复杂背景、阴影等难点,提出了一种结合三帧差分法和混合高斯背景建模的算法,既能很好地适应场景中的光照渐变和背景扰动,又能克服普通帧差法中检测目标不准确,容易产生孔洞及双影现象的问题。同时,采用了一种简易的阴影抑制算法和形态学滤波处理,有效地去除了阴影以及噪声。实验结果表明,该算法易于实现,具有较好地实时性和鲁棒性,能精确地检测出运动目标。     

视频图像中的车辆检测及阴影去除方法研究

视频监控系统成为近年来的研究热点。文中针对交通智能视频检测系统的车辆检测问题,采用基于高斯混合模型方法来检测视频中的运动车辆,结合车辆阴影纹理不变的特性分割阴影,实现了运动车辆的检查识别和阴影去除。仿真实验达到了预期效果。     

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。     

基于YC_bC_r颜色空间的背景建模及运动目标检测

高斯混合模型广泛应用于基于背景建模的运动目标检测中。首先在YCbCr颜色空间采用自适应高斯混合模型对背景的每个像素建模;然后,对输入的当前帧图像的每一像素值与该像素点对应的高斯混合背景模型的各个高斯模型进行比较,将前景运动区域（包括运动目标、投射阴影）从场景中提取出来;最后,采用局部二元图（Lo-cal Binary Pattern,LBP）来提取纹理特征,利用背景在阴影覆盖前后的纹理相似性去除投射阴影,同时结合阴影的空间几何特性优化运动目标检测结果。实验结果表明,该算法能有效地检测出投射阴影和运动目标,具有较高的实际应用价值。     

混合高斯融合三帧差的运动目标检测改进算法

针对混合高斯模型(Gaussian Mixture Model,GMM)无法检测到完整的运动目标,三帧差法检测目标时对物体速度的敏感,检测到的物体会出现空洞等缺点,提出了一种混合高斯融合三帧差法的运动目标检测改进算法。首先,在运动目标提取过程中,改进的三帧差法采用动态分割阈值和边缘检测技术,解决光线突变和边缘不连续问题;然后引入新的高斯分布自适应选择策略,以减少处理时间,提高检测准确性;最后,利用改进HSV(Hue-Saturation-Value)颜色空间来消除阴影区域,得到一个完整的运动目标。数据实验表明,该算法在不同场景具有较好的检测能力。     

基于HSV空间阴影去除方法研究与应用

在智能视频监控系统中,运动阴影如果被误判为运动目标,将会影响到场景中运动目标的准确提取、跟踪和预测。针对这一问题,设计了一种基于HSV颜色空间的阴影去除方法。方法首先将背景差法和三帧差分法相结合,用于提取运动目标,再将提取的含有阴影的运动目标区域映射到其HSV色彩空间,通过与背景和相邻帧的亮度、饱和度比较,实现对阴影区域的检测和去除,处理过程中无需提前确定特征判别参数。将所设计的方法在标准高速公路视频数据库中进行测试并应用于实时的视频监控系统,验证结果表明该方法能更加有效的消除阴影,从而准确的检测出运动目标,同时方法对光线变化具有一定的鲁棒性。     

一种适应光线变化的运动手势检测与跟踪方法

在数字图像处理过程中,运动目标的有效检测是一个重要的前提。文中针对现实环境下光线的多变性,提出了一种有效的运动手势检测和跟踪方法。在三帧差法的基础上,结合Camshift运动目标跟踪法、单高斯建模法和自适应阈值提取方法,从而解决了传统帧差法无法适应光线复杂变化的问题。同时,通过使用Camshift跟踪算法对检测出的手势进行跟踪,并实时建立肤色高斯模型自动适应光线的变化以及其光线变化所带来的干扰。经实验表明,该算法可有效检测出运动目标并进行跟踪,另外还可排除光线发生突变所造成的影响。     

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。     

基于混合模型的运动目标检测算法

自然界中复杂的环境对视频临控系统有一定的下扰,对运动物体的检测也将产生显著的影响,通过分析光照变化、背景干扰等现象对运动目标的检测的影响,本文提出了一种能适应环境变化的混合模型运动目标检测算法,该算法结合帧间差分法和混合高斯模型算法的优点,将帧差法作为进行高斯背景减法的指导,既能得到较高的灵敏度又能进一步提高检测效果,...     

一种基于全景视觉的运动目标检测方法

针对基于全景视觉系统采集的图像序列中运动目标检测的方法进行了研究,采用三帧差法和混合高斯模型相融合的算法对运动目标进行检测。不但解决了三帧差法无法检测出全部目标信息的缺点,而且还避免了背景减除法容易出现两个目标的假现象,在背景颜色和目标颜色相近时检测效果较好。实验表明,该算法能准确检测出运动目标,具有较好的实时性。     

一种稳健的视频SAR动目标阴影检测与跟踪处理方法

视频合成孔径雷达(VideoSAR)可获取观测场景高帧率图像序列,利用车辆等地面运动目标在图像序列中形成的阴影能够实现动目标状态感知,该方法具有定位精度高、检测概率高、无最小可检测速度限制等优点。针对视频SAR动目标阴影变化剧烈、信杂噪比低、多普勒模糊干扰等特有的图像特征,该文充分利用帧图像空间域和时间域信息,研究了视频SAR数据预处理、动目标阴影检测和视频SAR多目标跟踪方法。实测数据全流程处理结果验证了该文方法的有效性。     

视频中运动目标的检测及数据安全传输

为了改进目前常用的运动目标检测方法易受到亮度和噪声的影响及出现虚假目标的情况,提出了一种在视频序列中结合帧间差分法和背景差分法的运动目标识别算法。该算法利用帧间差分法得到当前帧中运动目标的信息,通过3帧差分运算和阈值分割,更好地实现视频序列中运动目标的识别;同时针对实时图像监控系统中视频信号传输的安全性,对信号传输进行了方式和技术上的对比分析;实验结果表明能够得到较好的识别结果。     

烟火视频序列的混合高斯模型利弊探讨

烟火视频序列背景模型的质量直接影响到火灾监控的准确性,烟火初起阶段与发展阶段是火灾监控的关键时间环节,目前以视频序列背景模型利弊分析为主题的文章较少。本文首先针对烟火视频序列建立混合高斯模型,然后利用帧间差提取动目标区域,最后,对影响混合高斯模型质量的更新率进行实验分析。实验结果表明,在烟火初起期、发展期固定环境下,混合高斯背景更新与帧间差相结合的方法能有效地提取出动目标区域。实验也表明,更新率值过大或者过小时,直接导致动目标区域提取不准确。若更新率值过小,背景模型更新较慢,造成背景区域误判为动目标,动目标区域出现拖影问题。若更新率过大,背景模型更新较快,运动速度缓慢或暂时停滞的目标会被误检测为背景,动目标区域会出现空洞现象。