基于复小波光流法和利用平均算子的二次三帧差法的运动目标检测方法

针对机器视觉系统中快速运动目标的检测问题,提出了一种结合复小波光流法和利用平均算子的二次三帧差法的运动目标检测新算法。首先,在考虑算法复杂度的情况下,选择图像中的Harris角点作为特征点计算光流信息;然后运用复小波光流法对运动目标进行更精确的运动估计,为了得到更完整的检测区域,同时引入改进三帧差法作为光流法的补充。改进的二次三帧差法通过平均算子滤波,能较好的抑制噪声,消除背景变化带来的干扰。通过QT和OpenCV搭建的平台,利用该算法对快速运动目标进行检测,结果表明:该算法能检测出动态背景下快速运动的目标,其检测率高于90%,虚警率低于10%,证明了算法的有效性和实用性。     

基于模糊积分特征的红外图像运动目标检测算法

提出了一种新颖的融合红外图像的亮度和纹理特征进行运动目标检测的算法。算法使用模糊数学理论中的Sugeno模糊测度和积分技术将图像的亮度特征与局部二元模式纹理特征结合进行运动前景/背景分类,实现了低信噪比、黑白级反转等复杂背景条件下的准确目标提取。通过实验分析比较了不同检测算法的检测结果,实验数据表明,该算法能够以高检测率、低误检率获得运动目标,为进一步的目标识别或跟踪提供了保障。     

基于中值背景模型的运动目标自适应检测方法

目的 在保证准确性的前提下,降低运动车辆检测算法的计算量,加快处理速度,满足实时性要求,提出一种基于中值背景模型和自适应阈值的运动检测方法 .方法 基于当前帧与背景图像的差分图像,利用自适应阈值分别对差分图像的三个颜色通道进行二值化,从而实现运动目标的精确检测.同时,根据检测结果 ,采用中值更新策略实现背景图像的实时更新.结果 实验结果 表明,笔者算法可以从复杂交通场景图像序列中有效地检测出运动目标,并且算法计算量小,具有良好的鲁棒性与实时性.算法每帧处理时间比混合高斯降低43%,背景更新时间比一阶Kalman算法降低了45%.结论 算法能够很好地满足智能交通监控系统中运动车辆实时检测的要求.     

基于背景重建的运动目标检测算法

针对复杂背景下参考帧的提取问题,提出了一种改进的基于帧间差分的背景提取算法。该算法利用帧间差分将图像序列中的背景像素点提出来,从而确定背景帧;并利用序列图像背景点在时间上呈高斯分布,用“3σ原则”判断背景点是否发生变化来更新背景。实验结果表明,该方法可以有效的提取和更新背景,从而完整准确地检测出运动目标。     

一种鱼体运动特征视频图像检测方法

为了根据鱼体运动状态实时准确地监测水质状况,给出一种适用于水质监测的鱼体运动特征视频图像检测方法。采用统计学方法建立背景模型,利用最大类间方差法获取分割阈值,通过背景差分初步获取运动目标;引入删除干扰区域算法以增强所获取鱼体运动目标的准确性。在实验室环境下,采集视频数据,并计算两条红鲫鱼在正常水质中自由运动状态下的质心位置、运动轨迹、速度、方向角、加速度。实验结果显示,所给方法能够获取鱼体运动目标及运动特征参数,处理每帧图像平均所需时间为51.35ms,满足实时性检测要求。     

基于视觉注意机制的复杂背景下红外小目标检测

针对视觉注意机制Itti模型对复杂背景下红外小目标检测易受到图像背景杂波影响,检测结果不理想的情况,对传统算法加以改进,在Itti模型中引入背景预测算子。对图像背景进行预测,与原图像进行差减,以达到突出目标区域的目的,消除背景区域对目标显著性的影响。再提取滤除背景后的图像视觉差异,找出图像的显著性区域,实现对红外小目标的检测。将改进后的模型应用于复杂背景下红外小目标检测中,实验结果表明,相对于传统的Itti模型的检测算法,新提出的算法具有更高的检测率。     

图像序列中点目标实时检测算法

点目标检测在液体杂质检测中非常关键,在分析现有图像点状目标检测算法的基础上,研究了一种适用于图像序列的运动点目标多阈值检测算法,在背景抑制的基础上,首先采用自适应多阈值分类的方法提取多类疑似目标,强化了各点状目标疑似的检测能力。在当前帧疑似目标的真伪无法判定时,根据目标在相邻帧间的位置变化信息构造相应的时空管道,沿时空管道正向寻找可能出现的各类疑似目标,并将其能量与当前帧疑似目标点的能量进行加权求和后再进行门限判决。使用硬件并行预处理图像,较好地解决了实时性问题,满足系统实时性要求。对安瓿瓶液体图像序列进行测试的结果表明,该算法的效果令人满意。     

非刚性运动目标识别跟踪研究现状

基于非刚性目标运动跟踪问题进行分析,针对运动过程中目标会出现旋转、比例变化及形变等情况,在复杂的背景中通过特征识别匹配实现跟踪。以运动目标的检测识别方法及特征识别方法为出发点,对目前几种经典方法进行分析、比较。结果表明:与光流法及背景差分法相比,MHI在非刚性目标运动的检测准确率、实时性以及鲁棒性方面均占优势;特征匹配技术SURF则可更好地平衡处理速度和效果性能。以SIFT使用不同尺度确定稳定特征点的思路为基础,提出多小波变换图像分析方法,用于实现对序列图像运动目标的特征匹配。     

序列帧间双重匹配的红外点目标跟踪算法

针对海空复杂背景下红外点目标的检测与跟踪,提出了基于图像序列帧间双重匹配的边跟踪边检测算法,并建立了数学模型。它采用标记序列帧M以帧对帧的方式记录输入序列的帧间匹配结果,标记帧T以点对点的方式记录标记序列帧M的帧间匹配结果,统计帧S记录T中各像素的匹配成功次数,输入单帧图像同步输出矩阵T和S分别显示目标运动轨迹和迎头目标检测结果。算法匹配过程不随目标数目或运动状态而改变,且无需提前判断疑似目标位置,有效解决了目标在图像序列中突然丢失或出现被干扰情况下的跟踪,尤其可以对跟踪结果实时地进行目标分离,解决了迎头目标跟踪的难题。仿真和实际工程图像实验结果表明,算法具有较高的可靠性和实时性。     

一种基于码本背景模型的运动目标检测方法

针对减背景算法中复杂背景下背景帧的提取问题,给出了一种码本背景提取方法。利用视频图像序列中的颜色和亮度信息,为每一个像素点创建一个码本,且码本随着其中码字的更新而更新,所有像素点的码本构成一个完整的背景。用当前视频帧和码本进行比较得到前景运动目标。结果表明：算法运算量小,适合做实时处理。     

结合背景差分与光流法的人群状态突变检测

针对群体性异常事件中人群状态突变场景发生时的运动特征,提出结合背景差分和光流法的检测算法.对图像背景差分提取前景寻找特征点,利用光流法预测特征点位置,将特征点以光流运动方向为依据划分后处理数据,得到累积加速度进行判断.该算法弥补了单独使用背景差分算法检测准确率低和单独使用光流法检测效率低的缺陷,通过将特征点以光流运动方向划分处理数据,大幅度提高了检测的准确性和稳定性.经过实验测试,结果表明,该算法在人群状态突变异常事件检测中有较高的准确性,能够满足实时性要求,较同类检测算法在综合性能上有显著提高.     

基于ViBe算法运动特征的关键帧提取算法

针对视频关键帧提取算法中运动类视频运动目标特征不易提取所造成的错选和漏选问题,提出一种基于背景建模(visual background extractor, ViBe)算法的前景运动目标特征提取的关键帧提取算法。通过ViBe算法对视频序列进行前景目标检测,提取前景运动目标的尺度不变特征变换(scale invariant feature transform, SIFT)特征,并对相邻帧之间的特征数据进行特征点匹配,根据定义的公式计算视频帧的相似度,然后根据提出的关键帧判别方法输出视频的关键帧。试验结果表明,该算法能较好的解决运动类视频关键帧提取中出现的漏选和错选问题,与基于SIFT分布直方图的算法相比,其查准率和查全率的综合指标F₁值有较好提高。因此该算法对于判别运动类视频中包含关键动作的关键帧具有较好的检测效果。     

红外运动弱小目标的动态规划检测

针对动态规划方法在对红外序列图像运动弱小目标进行检测时的能量扩散问题,提出了一种新的检测方法。该方法以目标的运动特性为基础,构造出一个高斯模板来描述目标在下一帧可能出现的位置,利用概率来描述目标可能的运动而不是直接的硬约束,能很好地克服目标运动的随机性。将该方法应用于实际的红外序列图像的运动弱小目标检测,实验结果表明,可以大幅降低动态规划方法的能量扩散问题。     

一种空背景下红外弱小目标检测算法

为了检测空背景下的红外弱小目标,提出了一种预测式管道滤波新算法。首先进行单帧检测以获取候选目标,并以该候选目标位置为中心建立预测管道;根据前三帧管道中心位置预测下一帧管道中心位置,从而实现管道随着目标的移动,而且为下一帧的预处理提供先验知识;使用管道滤波算法进行目标检测。由于进入管道预测阶段后,单帧检测只需在预测的管道中心周围进行,由此显著提高了该算法的检测速度和抗干扰能力。仿真实验证明,该算法具有很好的检测性能。     

一种视频序列中运动目标检测算法

在现有方法的基础上,提出了一种基于Otsu动态阈值背景差法和三帧差法相结合的运动日标检测方法.首先通过改进的Surendra算法建立背景模型,并由Otsu动态阈值背景差分法得到二值图像,然后与三帧差分法结合,得到可靠的运动目标区域并进行背景实时更新.实验结果表明该方法满足视频序列运动目标检测的实时性和准确性要求.     

基于多结构元素灰度形态学的红外背景估计算法

背景估计技术是红外弱小目标检测中的关键技术.传统的形态学算法采用单一结构元素对红外图像进行处理,当背景存在强起伏时,残差图像存在大量的背景泄漏,导致大量虚假目标点的出现.该文在分析红外图像统计特征的基础上,提出了一种基于多结构元素灰度形态学的红外背景估计算法.采用实际红外图像进行了仿真实验,并与传统形态学算法的性能进行比较,结果表明该算法能够尽量保留图像细节,减小图像细节对背景估计的影响,大幅提升了图像的信噪比,提高目标单帧检测概率.算法易于实时并行处理,便于硬件实现.     

基于多尺度融合与注意力机制的小目标车辆检测

针对传统目标检测算法（SSD）检测小目标精度低的问题,提出基于注意力机制与多尺度信息融合方法并将其运用于车辆检测任务.结合浅层特征图与深层特征图的优势,小目标检测分支和大中型目标检测分支的特征图采用5支路和2支路融合.在基础网络层之间加入注意力机制模块,模型会关注包含更多信息量的通道.实验结果表明,在自建车辆数据集上的均值平均精度（m AP）达到90.2%,比传统SSD算法提高了10.0%,其中小目标检测精度提高了17.9%;在PASCAL VOC 2012数据集上的类别平均精度mAP为83.1%,比主流的YOLOv5算法提高了6.4%.此外,提出算法在GTX1 660 Ti PC端的检测速度可以达到25帧/s,能够满足实时性的需求.     

基于多尺度局部梯度的点目标检测技术

在研究红外点状移动目标特征的基础上,该文提出一种多尺度局部梯度强度测算的小目标检测算法。首先构造多尺度图像金字塔,并在多尺度下提出一种快速粗略的小目标检测方法;再利用目标本身与环绕背景之间的差异性,测算局部窗口内各个方向的灰度变化强度。然后根据这些测算结果获得最合适的响应。实验结果表明,在复杂多变的背景下,该方法具有较好的鲁棒性,在低信噪比下,有较为有效的检测性能。     

基于改进的混合高斯背景模型的运动目标检测研究

针对传统混合高斯背景建模（GMM）在一些复杂场景下未能有效地描述背景,目标容易出现错误的检测,本文提出一种改进算法。该算法先对视频帧进行分块处理,然后对单模区域和多模区域采用不同的更新速率进行更新,最后在空域上对检测结果进行数学形态学的处理,从而提取运动目标。实验结果表明,该算法能够提高背景建立和运动目标检测的速率,在多种场景下运动目标的检测都具有良好的鲁棒性。