视频监控中一种完整提取运动目标的检测算法

提出一种视频监控中完整、精确提取运动目标前景的检测算法.首先对彩色图像建立混合高斯模型,由背景差分法得到基本准确的前景图像;然后和对称差分法图像综合,得到完整可靠的运动目标图像;再利用亮度信息消除运动目标阴影;最后利用形态学滤波和连通区域面积检测进行后处理.实验结果表明,该算法检测的运动目标前景信息完整准确,对固定场景下的视频监控系统具有一定实用价值.     

一种基于彩色图像边缘检测的道路检测方法

针对非结构化道路的特点,提出了一种基于色度差的边缘检测算法。算法将原始图像的RGB颜色空间转化为L*a*b*颜色空间,利用L*a*b*颜色空间中明度与色度分离的特点,通过对色度差的信息融合提取图像道路边缘,排除了大面积阴影、水渍对真实道路边界的干扰,有效地提高了道路识别的准确性。通过Hough变换提取出图像边缘得到道路边缘信息。实验表明,该算法的优点在于对道路形状不敏感,需要先验知识少,能够很好地过滤道路中存在的水渍、阴影等干扰。     

结合HSV与纹理特征的视频阴影消除算法

目的 在视频监控目标检测应用中,场景中的阴影会直接影响目标检测的准确度,因此阴影抑制算法研究显得尤为重要。目前广泛使用的是HSV（hue,saturation,value）阴影抑制方法,但是该方法存在由于亮度比值的阈值不稳定而造成将运动目标也检测为阴影的问题。针对该问题,本文提出了一种结合HSV与纹理特征的视频阴影消除方法。方法 首先将输入的图像使用传统的混合高斯模型建立背景并在灰度空间中提取前景,其次在HSV空间使用亮度比的阈值方法检测阴影,二者综合得到运动目标;针对由于亮度比值的阈值不稳定而导致的前景误检为阴影的问题,采用了LBP（local binary pattern）算子结合大津阈值（OTSU）提取部分运动目标。最后将LBP算子结合大津阈值提取的部分运动目标与HSV空间检测的目标两者相或,最终去除运动目标的阴影。结果 本文选用在CVPR-ATON和CAVIAR标准视频库中多个场景的阴影视频,将本文算法与SNP算法、SP算法、DNM1算法和DNM2算法进行对比仿真,实验结果表明本文算法在阴影检测率和阴影识别率的平均值上提升约10%。结论 本文提出的视频阴影消除算法结合了HSV与纹理特征,可以在不同的环境中有效地去除阴影,运动目标保留完整,可适用于智能视频监控、遥感图像和人机交互中。     

基于运动目标轨迹的高速公路异常事件检测算法研究

针对人工观看高速公路视频录像判断异常事件劳动强度大、工作效率低等缺点,提出基于车辆运动轨迹的异常事件检测算法。采用背景差法提取运动目标前景;对存在阴影的运动目标,使用改进的基于边缘检测和HSV颜色空间相结合的算法去除阴影;对获得的无阴影的运动目标前景通过kalman滤波算法获得车辆的运动轨迹;通过分析车辆的行驶状态建立异常事件模型,使用实际高速公路视频来验证异常事件检测模型的正确性。实验结果表明,本文提出的新的阴影去除算法能够有效地消除阴影,异常事件检测模型能够有效地检测逆行、停车车辆,准确性高、实用性好。     

室外移动视点视频的在线阴影边缘检测

针对移动视点视频的阴影边缘检测问题,提出一种在线检测室外场景阴影边缘算法.该算法将当前帧中的阴影边缘分为通过前一帧光流跟踪得到的阴影边缘和由视点改变出现的新阴影边缘,由于光流追踪不可避免地存在累积误差,使用Canny边缘置信和单应性矩阵对追踪结果进行优化,在检测新阴影边缘时,根据同一幅图像不同区域具有相似的光照条件这一观察提取优化后的跟踪阴影边缘的阴影特征,匹配并筛选出新阴影边缘;针对整体结果中仍可能存在的阴影边缘断裂等不连续情况,提出基于梯度一致性的优化算法对断点进行修复.对手持摄像机拍摄的室外移动视点视频,采用文中算法与光流跟踪、Groundtruth进行比较,实验结果表明,文中算法能准确、完整地检测到在线视频中的阴影边缘.     

交通视频中利用多特征抑制车辆阴影

提出了一种综合利用交通视频中运动车辆的边缘、颜色以及几何等多特征,达到完整去除运动车辆阴影的方法.利用车辆本身区域的边缘线段比阴影区密集这一特点,首先提取包括阴影在内的前景图像的边缘图像,利用颜色信息判断边缘点属于车辆还是阴影;然后结合形态学开操作、几何特征对第一步处理后的图像进行修正和细化.实验将基于颜色特征进行阴影抑制的方法以及提出的方法进行对比,结果显示该方法能更好地抑制阴影并保留车辆本体信息.     

改进基于HSV空间的阴影检测算法

为实现复杂视频中前景目标的分割,需要解决前景目标准确提取难题,但在光照情况下,会受到阴影影响。为解决这一难题,提出一种结合高斯混合模型的HSV颜色空间阴影检测算法。对HSV颜色空间阴影检测进行修正,消除对非运动目标区域阴影的误检,加入运动目标轮廓检测,消除运动目标边缘阴影误检,得到运动目标阴影的准确检测。实验结果表明,该算法能有效检测复杂背景下的阴影目标,为获得准确分割前景目标奠定基础。     

基于多特征融合的车辆阴影检测与去除

基于ViBE目标检测算法,融合交通监控视频中车辆的边缘与颜色特征,提出一种基于多特征融合的算法,实现对复杂交通场景中车辆阴影的检测与去除。通过ViBE提取前景目标,采用串行融合方式检测阴影。首先在传统的基于边缘特征检测阴影的基础上,利用水平集方法代替水平垂直填充,实现多个前景目标内部边缘的快速填充。在获取候选的阴影区域后,结合HSV颜色特征以及形态学处理等操作,以达到更好的阴影去除效果。通过对不同的视频图像序列进行测试,表明提出的多特征融合算法能有效去除投射阴影,且优于单个特征方法,适用于复杂的交通场景。     

一种基于统计模型的前景阴影消除算法

视频图像中存在的阴影是影响运动目标检测效果的关键因素之一,对阴影进行检测和消除已成为运动检测中的重要研究内容.针对阴影消除问题,本文采用直方图统计方法,将阴影特征引入到传统混合高斯模型中,基于统计特征建立阴影高斯模型;在模型基础上,提出一种新的前景阴影消除算法,将前景像素与阴影模型进行匹配,实现阴影的判定和消除.与同类算法的对比分析表明:本文算法对于不同场景下的阴影消除是准确且实时的,在阴影检测率和阴影区分度上均有显著提升.     

基于覆盖分割和活动轮廓模型的图像边缘提取算法

针对传统算法对边界模糊的图像分割效果不理想,分割结果多毛刺的问题,提出了一种由粗到细的图像边缘提取方法,主要由像素覆盖分割方法和Chan-Vese模型组成。将改进的覆盖分割方法和活动轮廓模型相结合,首先使用原始覆盖分割算法对图像进行分割,利用多方向模糊形态学边缘检测算法提取不同物体之间的边界;然后采用改进的像素覆盖分割方法给边界像素重新分配覆盖值;最后,运用活动轮廓算法进行细化的图像边界提取;分别进行了分割结果的定性比较,抗噪性测试以及提取的边缘对比实验。实验结果表明,该方法对具有模糊边界的图像,提取边缘结果优于其他可比文献中提出的方法。