背景差方法在复杂场景条件下的应用

针对运动目标检测中背景模型的维护问题,提出了基于动态三元组(DTDG)的背景建模方法.该方法给出了动态三元组的概念,对每个像素维护一个动态三元组,根据像素的动态变化信息决定更新策略.实现了背景的自动更新,可以适应光照的突变、缓变和场景本身的变化.实验表明了该方法在复杂场景条件下的有效性.     

基于FPGA的背景自适应星点提取法设计与实现

根据点状目标图像的特点,提出了一种新的基于FPGA的背景自适应星点提取算法,提高了点状目标图像的处理速度.在星敏感器数字处理板上,利用现场可编程门阵列(FPCA)强大的并行数据处理能力,设计并实现了星点提取算法.背景自适应星点提取算法采用数字滤波技术提取背景图像动态阈值,利用该动态阈值完成目标和背景噪声的分离,并采用线连通域分析算法提取星点连续区域,从而实现星点提取.利用星敏感器捕获星空图像,对FPGA功能定制程序进行了时序仿真,并采用MATLAB仿真了算法处理过程,两者的结果取得了一致.     

基于背景提取和扩展均值漂移算法的目标跟踪

通过在静态背景模型下利用自适应背景提取和扩展均值漂移算法相结合的方法对人机交互式的目标跟踪作了进一步的改进。首先利用自适应的背景提取算法从带有运动目标的复杂背景中构建背景图,并提取出运动目标轮廓。在跟踪模块,在均值漂移算法的基础上加入协方差得到的扩展均值漂移可以很好地解决传统均值漂移算法在跟踪过程中因为目标的形状或大小改变而导致跟踪的框架偏离目标的问题。实验结果表明,该算法能够较好地实现自动、实时、较准确的跟踪目标效果。     

基于自适应背景匹配的运动目标检测算法

为了减小所提取的背景对后续目标检测的影响,提出了基于自适应背景匹配的运动目标检测算法.通过改进的Mode算法结合自适应背景匹配更新机制获得可靠的背景,在此基础上结合绝对差分和具有双动态阈值的Cauchy分布模型建立了目标检测总体模型,从而实现对视频序列中的运动目标进行检测.通过对行人和车辆等不同监控对象的实验,验证了算法具有良好的噪声抑制能力和对慢目标良好的鲁棒性,同时能有效的分割前景目标.     

一种自适应阈值的运动目标提取算法*

为了准确地划分运动目标和背景区域,提出一种自适应阈值的运动目标提取算法,对现有基于背景差的提取算法进行改进。本算法将运动目标和背景作为两个聚类,对图像中的点按像素灰度进行分类,以聚类间的方根—算术均值距离最大作为分割阈值选择的准则,使得运动目标提取算法中二值化阈值能够自动更新,从而实现对运动目标的准确完整提取。实验结果表明,该算法能够较准确快速地提取运动目标,并对环境亮度突变、背景存在微小运动等情况具有较好的鲁棒性。     

复杂背景下改进视觉背景提取的前景检测算法

针对视觉背景提取模型存在的鬼影抑制效果差、动态背景适应能力不足等问题,本文提出了一种改进的视觉背景提取模型算法。在模型构建阶段,该算法充分融合时空域信息初始化背景模型,避免了样本的重复选取,提高了鬼影抑制能力;在像素分类阶段,根据背景动态程度,引入自适应距离阈值代替全局固定阈值,增强了模型对动态背景的适应性;在背景更新阶段,对连续多帧判定为前景的像素点进行阈值判断,并及时更新到背景模型,消除了运动背景与静止前景造成的虚影现象。多个公开视频数据的测试结果表明,本文算法相比典型算法在复杂背景下检测的准确性和鲁棒性都有了很大提高。     

基于自适应在线聚类的背景提取

分析目前应用于背景提取的各类聚类方法的原理和存在的问题,提出一种基于自适应在线聚类的背景提取方法。通过使用自适应动态改变的聚类阈值对视频进行在线聚类,无须设定任何参数即能自适应地提取出背景图像。实验结果表明,该方法具有较好的自适应性,能够提取出较优的背景图像,对于各种视频具有较好的鲁棒性。     

一种基于区间分布的自适应背景提取算法

交通流量的视频检测离不开背景提取.现有的背景提取算法往往运算量大,不能快速跟踪背景变化.本文提出一种基于区间分布的自适应背景提取算法,该算法利用背景像素值的分布特征,得到背景的估计模型.实验结果表明,相对于其他自适应背景提取算法,区间分布法能够较好地自适应环境光线的变化,快速跟踪背景的变化,同时计算量较小,能够满足实时性要求.     

一种新的道路交通背景提取算法及研究

基于视频的道路运动目标检测是智能交通系统的基础部分,目前最常用也最有效的运动目标检测方法是背景差分算法,其中背景提取是背景差分算法的关键一环。提出了一种新的背景提取算法——mode算法。定义了算法比较标准,并据此比较了mode算法以及一些目前流行的背景提取算法在不同车流量情况下的性能优劣。通过比较发现,在低车流量时,中值法提取的背景较好,mode算法次之;在高车流量时,用mode算法提取的背景最好。基于不同算法在不同环境下的性能不同,利用图像频域信息区分车流量大小,实现对背景提取算法的自适应选择,使得实际应用时的背景提取算法更具灵活性和针对性,也进一步提高了背景提取结果的准确度。     

基于区域提取与改进LBP特征的运动目标检测

树叶晃动、光照变化等自然场景下的动态背景会影响运动目标检测的准确性,区分动态背景和前景目标的变化是复杂场景下运动目标检测的首要任务.针对现有的前景提取算法逐点提取前景从而导致计算资源浪费的问题,提出了一种区域提取与改进LBP(Local Binary Patterns)纹理特征相结合的运动目标检测算法.首先,将图像分为大小相等的图像块,利用各图像块的统计特性建立核密度估计(Kernel Density Estimation,KDE)模型,并用KDE模型估计出前景区域.然后,计算前景块中所有像素点的改进LBP纹理特征直方图.最后,通过直方图匹配提取所有的前景像素实现目标的精确提取,并用概率模型更新背景.实验结果表明,该方法在快速提取运动目标前景区域的同时能够消除大部分动态背景产生的干扰,相比传统算法更适用于自然场景下的运动目标检测.     

基于协同理论的交通图像背景生成方法

针对交通图像目标检测中背景生成问题,提出一种基于协同的背景生成方法。把交通序列图像定义为3个状态,用协同方法对交通序列图像预分类,为不同状态的交通图像赋以不同的权值,利用加权平均的方法生成初始背景。试验结果说明该方法提取背景的效果较理想。     

一种二维图像序列的深度图像生成方法

针对二维图像序列提出一种基于运动对象的深度图像生成方法。采用改进的均方差累加算法提取背景模型,并利用背景差分法提取运动对象图形,将人工绘制的背景模型的深度图像,结合每帧运动对象图形深度赋值,自动合成用于二维视频到三维视频转换的图像序列的深度图像。实验结果证明,相对于传统的仅仅依靠计算机视觉获取深度图像的方法,它获得的深度图像,不仅画面的深度信息真实、可靠,而且转换后的三维场景更立体化。     

采用时空信息的运动对象检测

针对复杂背景下的运动检测困难,提出了一种结合时域差分与尺度空间信息的运动对象检测算法。该方法首先以视频序列的第一帧作为初始背景,以相邻帧金字塔差分信息作为背景更新掩膜,并采用自适用的背景更新因子实现背景更新。在运动对象检测阶段,结合背景差信息与当前帧和背景帧金字塔差分信息,提取出运动对象。实验结果表明,该方法具有较好的实时性和自适应性,对噪声不敏感,有效提取运动对象。     

基于差分图像分块的视频背景提取算法

为了降低背景提取算法的时间复杂度和空间复杂度,提出一种结合差分图像分块、背景减除和帧间差法的背景提取方法。对差分图像进行分块分类,提出了一种统计像素值的子块分类法,对不同类的块用不同的更新策略进行背景实时更新。该算法有效解决了背景更新过程中运动目标逗留、背景物体移入移出等问题的影响。实验结果表明该算法运算速度快、鲁棒性高、能准确地提取实时背景。     

一种快速的三维有限元网格生成方法

针对三维有限元网格的生成的速度较慢并且网格质量不高的问题,提出了一种基于约束波前法的三维有限元网格生成算法。算法的主要思想是用背景网格提高网格单元的可控性,避免网格单元生成时验证有效性的计算量,从而快速生成高质量的三维有限元网格。算法首先借助八叉树方法生成背景网格,其次利用背景网格的密度对模型表面进行三角剖分得到初始波前,然后依据背景网格的特征生成实体网格单元,最后对得到的结果进行优化。实验证明结合了八叉树和推进波前法的三维网格生成算法降低了波前法的时间复杂度,将其效率提高了20%,而且能得到更高质量的网格。     

基于时空相似度量的复杂场景背景估计

针对复杂场景中背景的不完整性、背景噪声的影响以及场景中目标运动快慢不一等影响背景估计的因素,该文提出了一种基于时空相似度量的估计视觉监视场景背景的递进式策略。首先利用无运动假设分析时域相似度量矩阵中相邻时刻有运动的子块对,将相似度量矩阵分解为连续的相对平坦子相似矩阵;然后在子相似矩阵中,搜索候选背景子块集合,通过度量与邻近时刻的时域相似度及子块周围场景的空间相似度,判别最可能的背景子块;最后对于一直有运动目标遮挡的位置直接进行有损重建。该方法对噪声、运动目标速度有较强的适应性,计算代价较低。     

基于动态阈值对称差分和背景差法的运动对象检测算法*

提出一种基于动态阈值对称差分和背景差法的运动对象检测算法.首先通过建立一个基于统计的可靠背景更新模型,由背景差法得到基本准确的前景图像;然后与用对称差分法得到的差分图像综合;最后得到完整可靠的运动目标图像.中间采用了一种动态的最优阈值获取方法,然后用形态学滤波和连通区域面积检测进行后处理,以消除噪声和背景扰动带来的影响,并用区域填充算法来填补目标区域的小孔,从而将视频序列中的运动目标比较可靠地检测出来.实验结果表明,该方法快速、准确,有一定的实际应用价值.     

红外地面背景的真实感生成

红外地面背景的真实感生成在军事国防、遥感探测、航空航天等许多领域中具有重要的应用价值。提出了一种基于可见光图像的红外地面纹理真实感生成的新方法。首先,基于可见光图像交互指定不同的材质区域如地面、马路、河流等,再根据传热学原理及不同材质的属性数据库模拟不同区域的热物理过程。最后,对红外地面纹理进行了真实感绘制。通过设定不同的环境参数,用户可以将一幅可见光地面图像转化生成不同时刻、不同环境条件下的较为逼真的红外地面图像。     

一种高速密集视频监控场景背景重构方法*

针对高速密集视频监控序列建立了一种新的简单的背景重构方法。该方法首先基于帧差序列的时空分布特性,利用高阶统计量理论,获取视频序列公共背景区域;然后根据同一背景帧差图像分布特性相似性,去除运动对于背景的干扰,形成路面背景序列值,从而获得路面背景图像;最后利用计分牌监测的自适应背景更新方法进行背景更新。实验结果表明该方法效果理想,为高速路视频背景重建和运动目标检测提供了新的方法。     

自适应背景筛选的运动对象检测算法

针对传统帧差法和背景差分法对运动对象检测不准确等不足,提出了一种自适应背景筛选的运动对象检测算法。该算法在采用帧差法构建的背景中标注出原图存在运动对象的区域,筛选当前运动对象区域未被标注且距当前时刻最近的背景与当前帧进行差分,从而提取前景运动目标。与帧差背景结合方法相比,该方法能更好解决因运动对象静止后融入背景建模而导致的检测对象不准确问题,且算法简单,易于实现,满足实时监控要求。实验结果验证了该算法的有效性。