基于局部更新的分层码本目标检测算法

为了解决复杂环境下如树木摇摆、水波晃动等波动式干扰及光照变化对运动目标检测产生影响的问题,给出了一种基于码本模型的运动目标检测算法。考虑到实际场景中背景的变化主要体现在亮度方面,首先对视频序列图像进行颜色空间转化,由RGB空间转化到YUV空间,然后利用Box模型优化了码本模型参数和训练策略。目标检测时,采用局部背景更新方法,即利用帧差法确定变化区域,结合分层码本思想,实时更新背景模型,以达到精确提取运动目标的目的。对比实验表明在背景中存在扰动或者光照发生变化等情况下,该算法都能够对运动目标进行有效检测,具有一定实用性和鲁棒性。     

一种基于三层圆柱体码本模型的前景检测算法

针对经典码本模型算法无法消除运动目标阴影和码本模型参数难以调节的问题,提出一种在YUV空间下的三层圆柱体码本模型算法。该算法根据运动阴影与背景相比色度相同亮度偏低的特点,在模型底部构建了阴影背景模型;根据光照变化的特点,在模型顶部构建高亮背景模型;并对亮度分量进行高斯建模,用以调节码本模型参数。实验结果表明:采用该模型和参数调节方法能较好的去除阴影和适应光照的变化,而且较好的检测精度和鲁棒性,适用于复杂环境下的前景检测。     

一种基于码本模型的运动目标检测算法

提出一种基于背景码本模型的视频图像中运动目标的检测算法。该算法利用归一化的Mann-Whitney秩和统计量自适应调整判决阈值,使用Mean Shift进行码本中码字和方差的更新,实现在检测过程中同时更新码本模型适应图像背景的变化。不同背景条件下的实验结果表明该算法利用Mann-Whitney秩和统计量的分布无关性,提高了运动目标检测精度。 。     

结合背景更新和亮度范围的改进Codebook模型算法

传统的Codebook背景模型算法是在RGB颜色空间下建立的,该算法计算复杂、分割质量不高且抗扰动能力较差。首先利用YUV颜色空间下亮度与色度分离的特性,建立Codebook背景模型,其次针对背景模型的亮度范围定义不合理的问题,采用码本中码字的Y分量均值重新定义亮度范围,最后在运动目标检测过程中使用双层码本与短时滑动窗口相结合的背景更新方法提高抗干扰能力。实验表明,改进算法的亮度范围能够随背景变化不断更新。与传统的Codebook背景模型算法相比,该算法能够有效更新背景,同时提高检测的准确性。     

基于码本和运行期均值法的双层背景建模方法

背景建模是视频处理的重要部分,是后续运动目标检测、识别和跟踪的基础。针对现有的背景建模方法无法兼顾抗干扰性、适应光照、背景更新速度和遮挡等问题,提出结合码本和运行期均值法对视频进行双层背景建模的方法。首先在第一层提取亮度和颜色特征,使用聚类的方法进行码本建模,接着在第二层建立运行期均值法模型,通过两种背景模型的有效结合快速准确地实现运动目标分割。实验结果表明,该背景建模方法计算简单、背景更新快、抗噪声能力强并且能较好地适应光照变化,适应于复杂环境下的目标检测。     

基于YUV颜色空间码本模型的水下运动目标检测

水下是1个复杂的动态场景,会受到光照、水波和倒影等影响,同时考虑到水下视频智能监控的实时性的要求,由此该文提出了1种快速有效的运动目标检测算法——基于YUV颜色空间的码本模型。经典的码本模型算法已经能够快速有效的提取出运动目标,但由于该算法在RGB颜色空间下根据颜色扭曲度和亮度范围对每个像素建立码本,计算复杂,运算时间较长,对水波、气泡的抑制较弱,同时无法对阴影进行有效的清除。该文提出的算法根据阴影只改变亮度,对色度影响较小的特点,以及YUV颜色空间的亮度和色度的分离特性,在YUV颜色空间下改进颜色扭曲度和亮度范围的评价方法,然后对视频图像序列建立码本模型。实验表明通过对码本模型算法的改进,对于水下场景,该文算法能够更加完整的提取出运动目标,对阴影、气泡、水波都有较好的抑制,同时算法的实时性也有了很大的提高。     

基于分层码本模型的阴影消除方法

为了解决复杂环境,特别是背景改变带来的背景模型变化,对运动目标的阴影检测与消除效果产生影响的问题,给出一种在YCb Cr颜色空间下基于分层码本模型的阴影消除方法。目标检测时采用分层建模与检测技术检测出运动区域并更新背景模型,从永久背景模型中提取背景图像并采用基于色度的阴影检测方法消除阴影,避免在阴影检测与消除中使用固定背景的问题。在公开测试集上的实验结果表明,该方法能有效地适应背景的动态变化,对复杂环境中的前景目标检测与阴影消除有很好的效果。     

一种快速的视频序列运动分割方法

提出一种视频序列运动分割的实时方法,该方法通过两次背景更新提取运动前景,其中长程背景更新检测噪声运动区域,并将长时间停留在场景中的物体纳入背景范围,短程背景更新利用单高斯分布模型实现对光线缓慢变化的适应。采用基于颜色空间的方法实现对阴影的消除,通过投影分割提取出不同的运动目标。试验证明该方法能够快速、精确地实现视频序列中多个运动目标的分割,消除背景噪声运动、目标阴影以及场景变化的影响。     

一种基于改进码本的车辆检测与跟踪方法

为了解决固定摄像机下车辆跟踪过程中阴影对检测的影响,提出一种改进型码本模型的车辆检测方法。该方法直接对YUV空间的车辆序列进行处理,将采样到的背景值聚类成码本,对于新输入的像素值与其对应位置的码本作比较判断,提取出前景区域。车辆跟踪中采用Kalman预测的方法来处理车辆遮挡问题。实验结果表明,本算法可以从复杂交通场景图像序列中快速有效地检测出运动目标,能较好地处理阴影、高亮、遮挡和背景变化等问题,且计算复杂度小,能满足实时跟踪的需要。     

基于YUV空间码本模型的运动检测

以YUV空间码本模型为基础,提出了一种融合码本聚类思想和信号能量分析思想的运动检测算法。先在YUV空间上进行码本建模,然后在码字训练阶段对每个进入码字的像素点的均值以及围绕均值波动的能量值进行统计,最后在前景检测阶段通过能量门限实现前景和背景的分割。实验结果表明,与以往的YUV码本模型相比,该算法除了具备快速实时和准确的特性外,对复杂背景环境中如晃动的树叶、水波和光线的突变等强干扰因素体现出更好的适应能力,并且在阴影的抑制方面也有较强的鲁棒性。