一种视频序列中运动前景分割算法

针对视频序列,仅利用其时域信息,提出了一种简单有效的运动前景分割算法。首先对图像序列做帧间差分与隔帧差分。然后将两类差分结果进行累积,对累积结果采取交集聚类求出运动前景轮廓。二值化处理后。扫描填充即可得到图像序列中的运动前景。实验证明;该算法兼顾分割效果和实时性。是一种较好的运动前景分割算法。     

一种基于帧差法与背景减法的运动目标检测新方法

为改进单独利用帧差法或背景减法进行运动目标检测时存在的不足,提高运动目标检测的准确率和鲁棒性,提出了一种利用边缘信息的帧间差分法和背景减法相结合的运动目标检测方法.该方法首先通过基于边缘信息的三帧差法获得一幅前景图像,然后利用改进的mode算法进行背景差分获得另外一幅前景图像,最后将得到的两幅前景图像进行布尔或运算,得...     

基于运动信息和标记多尺度分水岭的运动目标检测算法

针对对称差分法检测目标时容易产生空洞以及当目标运动速度较慢或尺寸较小时易出现漏检等现象,提出了一种基于运动信息和标记多尺度分水岭的运动目标检测算法。首先将用高频强调滤波等处理的视频图像进行差分,再运用高阶统计运动检测算法检测出差分图像中运动目标的大概运动区域,经后处理得到运动目标的初始二值掩膜;并应用初始二值掩膜得到用于标记的前景与背景标识,用该标识修正当前帧的多尺度形态学梯度图像;最后进行分水岭分割,得到具有精确边界的运动目标。实验结果表明该方法能对运动目标进行准确检测,继承了变化检测和分水岭算法速度快的特点,克服了分水岭算法易产生过分割的缺点,且具有良好的鲁棒性。     

视频图像中的运动目标检测

运动目标检测,是指从视频图像中将运动变化区域提取出来的检测技术,是图像处理技术的基础。在军事公安、交通管理、视频监控、医学检查等领域应用广泛。为了改进单独采用帧差法或背景减法进行运动目标检测时存在的不足,本文提出一种利用边缘信息的三帧差法与基于混合高斯模型的背景减法相结合的运动目标检测算法。该方法对视频图像中连续的三帧图像两两差分,对3个差分图像取均值,二值化,再经过形态学处理,并对中间帧进行Canny边缘提取,将二者进行"与"运算,即得到运动目标的边缘,用背景减法提取中间帧的前景,二值化,将其和目标的边缘进行"或"运算,经过形态学处理便可得到运动目标。实验结果表明,使用该方法目标检出率提高了9.7%~72.1%,误检率降低了0.090%~2.900%。这种二者相结合的方法相对于单一的检测算法能够有效、可靠地提取出运动目标。     

基于相关配准的帧间差分算法

针对帧间差分法在摄像头运动时受动态背景严重干扰的问题,提出了一种基于图像配准的运动目标检测算法。首先将中值滤波后的连续两帧图像配准,配准时先在前一帧图像中选取背景,即背景图像,用区域相关法将后一帧图像与背景图像配准;接着将配准后的2帧图像差分得到帧间差分图像,即帧差图像,再用数学形态学的开运算去掉帧差图像中的一些细小噪声;最后将连续两帧去噪后的帧差图像逻辑与运算,得到运动目标检测结果。实验结果表明,在摄像头运动时的动态背景下,该算法有效地抑制了动态背景的干扰,准确地检测出了运动目标的边界,提高了运动目标检测在动态背景下的应用价值。     

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。     

基于图像融合的运动前景检测方法

提出了一种有效的运动前景检测方法。该方法根据图像融合思想,将背景帧与监控视频的当前帧在R,G和B颜色通道分别进行融合,形成包含背景帧和当前帧视觉信息的单一融合图像。之后根据背景区域与前景运动目标在饱和度上存在较大差异的现象,使用大津算法分割融合图像的饱和度分量图,形成运动前景二值图。经形态学处理后,形成了目标区域较完整、背景干净的运动前景检测图。实验结果显示,该算法具有较好的前景检测性能,解决了背景减法过分依赖背景帧的缺陷。     

利用改进的背景差法进行运动目标检测

为了更准确地划分运动目标和背景区域,提出了基于背景差法的改进算法。该算法将选择更新法与中值滤波法相结合,对背景建模与阈值选取进行了优化,解决了复杂场景背景建模不理想问题,并能快速有效地进行背景更新。该算法还提出了双阈值思想,根据场景信息自适应地在图像的不同区域采用不同阈值,将当前帧图像与背景图像的差分作为反馈来调整阈值。实验结果表明,该算法能够较快速准确地提取运动目标,并对光照变化、场景变化、运动干扰有较好的鲁棒性。     

应用粒子滤波及先验概率模型进行图像分割的新算法

基于粒子滤波在非线性非高斯情况下具有较好的预测结果,本文提出了一种自适应背景图像分割新算法,该算法利用粒子滤波对下一帧的前景区域进行预测,进而计算出下一帧各像素点属于背景的概率以指导下一帧图像分割;在前景像素值与背景像素值相近的情况下利用先验知识进行图像分割是一种较好的方法,本文以粒子滤波预测结果与先验概率模型计算结果的均值作为当前像素点属于背景的概率来进行图像分割,实验结果表明,该方法在背景变化范围较大的情况下,可以减少前景点误分割为背景点的概率.     

复杂背景下的运动目标分割与阴影消除

针对目前运动对象分割不完整,以及存在阴影和鬼影对运动目标分割的影响,提出了一种基于复杂背景下的运动目标分割与阴影消除方法.首先利用高斯混合模型进行初始背景建模并提取初始前景对象,将当前视频帧和背景模型进行差分运算,且通过多尺度小波变换时空域特征,将多尺度分析和图像分割相结合,压制阴影并消除鬼影对运动目标分割的影响而得到...     

运动人体轮廓检测算法的分析与改进

在视频序列的人体运动分析中,实时分割出运动的人体,是研究的关键步骤。为了克服不均匀光照、前景运动缓慢、背景中存在摇摆的树叶等因素对检测带来的影响,提出了一种背景减除法与帧间差分相结合的运动目标检测方法。该方法首先通过基于帧差法的背景模型建立方法建立背景图像,再结合背景减除与带有权值的帧间差分检测运动目标,降低目标物体对速度和环境干扰的敏感性。最后通过形态学梯度运算操作消除外界噪声的影响。实验结果表明,本文提出的算法计算简单,对环境适应能力较强,是一种有效的运动人体检测方法。     

基于稀疏表达残差的自然场景运动目标检测

本文提出一种基于稀疏表达残差的非参数化运动目标检测算法,在假设前景变化相对静态背景可以视为稀疏残差的基础上,采用视频前n帧初始化稀疏表达字典;利用字典对后续视频帧进行重构,提取每帧的重构残差;结合基于光照强度的全局阈值矩阵,将残差图像二值化,提取图像前景;利用前景区域和边缘点关系剔除ghost区域;采用增量PCA(Principal Component Analysis)算法和保守更新的思想对背景模型进行更新.在changedetection.net提供的shadow数据集上实验表明,采用全局更新和残差计算的方法,可以有效的解决由于自然场景光线变化导致的阴影变化,并且对自然场景中背景的小幅度抖动和相机抖动等问题也具有一定的抵抗能力.     

基于优选特征轨迹的全分辨率视频稳定

该文提出一种基于优选特征轨迹的视频稳定算法。首先,采用改进的Harris角点检测算子提取特征点,通过K-Means聚类算法剔除前景特征点。然后,利用帧间特征点的空间运动一致性减少错误匹配和时间运动相似性实现长时间跟踪,从而获取有效特征轨迹。最后,建立同时包含特征轨迹平滑度与视频质量退化程度的目标函数计算视频序列的几何变换集以平滑特征轨迹获取稳定视频。针对图像扭曲产生的空白区,由当前帧定义区与参考帧的光流作引导来腐蚀,并通过图像拼接填充仍属于空白区的像素。经仿真验证,该文方法稳定的视频,空白区面积仅为Matsushita方法的33%左右,对动态复杂场景和多个大运动前景均具有较高的有效性并可生成内容完整的视频,既提高了视频的视觉效果,又减轻了费时的边界修复任务。     

基于MPEG压缩域的快速、鲁棒的全局运动信息提取方法

全局运动信息在视频分析中起着重要的作用.本文根据MPEG编码特点,提出了一种从MPEG压缩域中快速有效地进行全局运动参数估计的算法.该算法充分利用了MPEG压缩码流中的信息,通过提取预测残差DC图像的运动背景区域,估计全局运动参数,从而保证了参数估计的准确性,有效地克服了已有文献中仅仅采用运动矢量进行全局运动估计的局限性.根据不同的MPEG测试序列的对比分析,结果表明,本算法可快速准确地对MPEG视频序列进行全局运动信息估计,同时具有很高的鲁棒性.     

一种融合预测过采样的运动目标检测算法

为了改善运动目标检测的精度,提出了一种融合了预测过采样的运动目标检测新方法.首先,基于二维傅里叶变换预测当前帧的目标形状并计算形状相似度;然后,从历史检测结果中选择一定数量的参考帧,使用光流法跟踪目标像素点在参考帧与当前帧之间的运动轨迹,并以像素点轨迹为参考在采样区间执行稠密过采样;最后,基于过采样样本构造前景模型,并在图分割框架内联合使用前景背景模型实现目标检测.在公共数据与自采数据集上对所提方法进行了实验验证,结果表明,相对于经典的运动目标检测算法,所提方法能够有效提高检测精度.     

采用低秩与加权稀疏分解的视频前景检测算法

传统的鲁棒主成分分析模型能较好地解决视频前景检测问题.但是,若该模型的假设条件不能满足,算法性能会变差.针对此问题,本文提出了一种低秩与加权稀疏分解模型,通过对前景矩阵加权以增强其稀疏性.在建立加权矩阵的过程中,采用光流法获取每帧的运动矢量,以区分真实运动区域.其次,进一步提出一种增强模型,通过将加权矩阵作用于观测矩阵及背景矩阵,防止前景与背景的错误分离.实验结果表明,在无噪和有噪的情况下,提出的算法均能有效地分离监控视频中的前景和背景.     

基于块的背景重构算法研究及应用

针对背景静止的立体视频压缩编码,提出了一种新的背景重构和前景提取的视频分割算法。首先在利用帧差法得到左右通道前景运动区域的基础上,分别对前景运动区域进行外接矩形块的初始化,并以初始块为单位进行左右通道的背景重构。然后,对左右通道视频中的每一帧序列均与重构的背景图像做差处理并得到运动前景。实验结果表明,此算法可以达到精确的分割效果,且视频分割后可以显著减小立体视频匹配时间,进而减少数据传输量和存储空间。     

基于背景重构的视频分割技术及应用

针对背景静止的立体视频提出了一种快速的基于背景重构的视频分割算法.先利用帧差法分别确定出左右视频的前景运动区域,再重构出该区域的背景图像,最后,通过视频图像和背景图像的对比来准确地提取运动前景.然后,先匹配左右图像序列的背景图像,并保存它们的匹配结果,再分别对各立体图像对的运动前景进行匹配.采用该方法将立体视频分割可以...     

A novel algorithm to segment foreground from a similarly colored background

Color similarity between the background and the foreground causes most moving object detection algorithms to fail. This paper proposes a novel algorithm designed to segment the foreground from a similarly colored background. Central to this algorithm is that the motion cue of the moving object is useful for foreground modeling. We predict the position of the moving object in the current frame using historical motion information, and then use the prediction information to construct a predictive model. The mixture foreground model is a union of the predictive model and the general foreground model. Final segmentation is obtained by combining a likelihood modification technique and the mixture foreground model. Experimental results on typical sequences show that the proposed algorithm is efficient.     

室内夜间微弱光源下运动目标检测和阴影去除

提出一种新的室内夜间微弱光源照明情况下的运动目标检测方法。首先进行背景建模, 获取稳固的背景图像, 之后对背景和当前帧图像进行图像增强处理, 提高其清晰度; 采用相对背景减法检测前景运动目标, 并对差分图像进行去噪和修补; 利用前景目标区域、阴影区域和背景区域像素亮度值存在差异的特点, 检测和去除背景差分图像中可能存在的阴影, 获得准确的运动目标。在室内夜间环境下采集视频进行试验, 结果验证了所提方法的有效性。