一种改进的视频运动目标检测算法

该文提出了一种改进的视频运动目标检测算法。该算法采用动态选取模型数的混合高斯的方法建立背景模型并实时更新,与当前帧比较进而提取出视频运动目标,通过扩展的区域生长法对运动目标进行定位。在背景差图像经过阈值化及形态学膨胀、腐蚀的基础上,定义扩展区域的大小,并设定区域内前景点个数的阈值,进行连通区域合并和前景区域定位。采用不同的视频测试序列,从检测效果及耗时上研究了改进的视频运动目标检测算法的性能。实验结果表明,该算法具有良好的检测效果和实时性能。     

一种基于变化区域检测的 运动对象分割算法

文章针对在变化区域内运动对象的分割，提出了一种基于块的帧差处理方法，对差分图象进行噪声分析和能量分析，利用块矩和能量的双重约束来检测变化区域。后续的空间分割时，在变化区域外接矩形内用区域生长法修正检测结果，取得具有精确边界的运动对象。实验结果表明这种算法兼顾了实时性和精确性，能有效地分割出视频序列中的运动对象。     

基于改进码本模型的视频运动目标检测算法

针对经典码本模型对动态背景适应能力不足及更新算法效率不高的问题,提出了一种用快速冒泡排序和短时滑动窗口改进的码本模型。为了优化码本结构,提高活动码字首次匹配成功概率,设计了一种快速冒泡排序算法对模型码本中码字位置进行快速排序;为了实现像素的均值及偏差的快速跟踪,设计了一种短时滑动窗口算法对像素变化信息进行存储,解决了动态背景的模型自适应问题。实验表明,改进后的算法能够有效适应复杂环境下的背景变化,且具有良好的检测精度和实时性能。     

一种自适应背景差分运动目标检测算法

运动目标检测是运动行为理解的前提,也是安防系统研究的热点、难点问题。在分析现有检测算法的基础上,针对背景更新模型不准确、分割阈值难以选取等问题,提出了一套自适应背景差分运动目标检测算法。算法包括：基于像素相关区域灰度曲率特征的背景更新模型,基于直方图统计的动态阈值,改进型区域生长的运动目标标识。实验表明该算法能较好解决光照变化所引起的背景更新以及不同环境下阈值选取等问题。     

基于运动连通性二维网格运动分析的视频对象分割算法

提出了一种基于运动连通性二维网格运动分析的视频对象时空分割算法。该算法首先利用特征检测算法获得视频帧图像的自适应二维网格表示,然后利用基于运动连通性的高阶统计方法对二维网格表示进行运动分析快速获得粗糙的运动轮廓区域并进行边缘精细化,接着对根据连通性标注出的最大连通区域进行后处理就能获得最终的分割模板从而有效提取出视频对象。实验结果表明,该算法综合了网格基分割算法和像素基分割算法的优点,具有理想的主客观性能,提高了分割速度。     

基于超像素一致显著性的视频运动目标检测算法

针对目前视频运动目标检测中存在受背景影响大,复杂场景下检测效果不佳的问题,提出一种基于超像素一致显著性的视频运动目标的检测方法。首先,将视频图像序列进行超像素分割,在保留目标特征完整性的基础上降低图像后续处理的计算复杂度。之后对视频单帧图像进行显著性检测,得到图像显著目标区域,接下来通过对视频图像序列间显著区域超像素匹配机制对运动目标进行检测。最后,引入视频图像序列间显著性传播的协同判别因子提高对运动目标的判别精度。实验结果表明,所提算法具有较强的鲁棒性,能够处理各种复杂场景下视频运动目标的检测,检测准确率达到93%,优于目前的主流算法。     

基于典型相关的视频运动目标检测

在智能监控系统中,视频运动目标检测是目标分类和行为理解的基础。由于视频背景的复杂性,考虑检测问题中能量函数的全局优化,提出了基于典型相关的树加权置信传播（ TRW）算法用于视频运动目标检测。算法首先将视频图像分成一些图像块,构造有环图模型;然后运用TRW算法将环路分解成生成树的形式,实现有环图模型上的视频运动目标优化检测。仿真结果表明,算法具有较高的准确度,与传统的置信传播（ BP）算法相比较,能有效降低迭代次数,提高计算效率。     

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.     

基于区域生长的目标检测方法

针对前视红外图像对比度低、背景干扰严重、不利于目标检测等问题,提出了一种基于区域生长的目标检测方法。首先,在形态学滤波机理的基础上,利用图像的整体纹理分布特点进行逐行扫描,选取有效的极大值点、极小值点,自适应确定结构元素的大小进行图像滤波。其次,在自动种子区域提取的基础上,通过生长条件的判决准则动态调整生长阈值,确定待检测目标。实验结果表明：该方法与NCC方法和OTSU方法相比,检测准确率提高了10%,精确度较高。     

一种含运动物体的长视频拼接技术

针对长视频序列全景图的拼接问题,提出了一种新的解决方法.该方法首先将长视频序列分段,每一段分别采用场景流形算法进行拼接,然后根据摄像机运动方向将拼接后的相邻图象采用图切割算法搜索最佳缝合线,并依次缝合所有拼接后的图像,最终得到整个视频序列的全景图.场景流形算法是通过在视频序列中构建图卡,以相似测度确定图卡的次序,并寻找贯穿整个视频的流形,完成拼接,该算法适用于存在运动物体的视频序列拼接.试验结果表明,分段拼接的方法得到的全景图可以较好的保证源图像的细节,没有明显的扭曲和变形,并且有一定的实时性,有较好的应用前景.     

一种复杂场景下位置改变运动目标的检测方法

针对三帧差分法不能够实现将复杂场景中的位置不变运动目标与位置变化的运动目标分开,本文提出了一种三帧差分法的改进方案,该方案首先利用三帧差分法检测出场景中所有运动的物体,然后利用背景辅助识别的方法将位置不变自身变化的运动物体识别出来。实验证明该方法可以有效地减少三帧差分法存在的误判现象。     

一种复杂场景下位置改变运动目标的检测方法

针对三帧差分法不能够实现将复杂场景中的位置不变运动目标与位置变化的运动目标分开,本文提出了一种三帧差分法的改进方案,该方案首先利用三帧差分法检测出场景中所有运动的物体,然后利用背景辅助识别的方法将位置不变自身变化的运动物体识别出来。实验证明该方法可以有效地减少三帧差分法存在的误判现象。     

一种新的运动目标自适应图像分割算法

提出了一种新的运动目标自适应图像分割算法．在设置自适应跟踪波门对运动目标进行跟踪的基础上,依据最大类间方差函数准则自适应地求出调节系数,再用设置门限分割法完成图像的自适应分割．对该算法进行了详尽的图像分割实验,与著名的Otsu法、迭代法、最大熵法相比较,该分割算法不仅能适应多种复杂背景,而且分割精度高、速度快,是一种实用有效的图像分割方法．     

视频流中运动对象提取和生成技术

通过采用运动变化区域检测和边缘检测技术来生成视频对象。该方法通过估计相邻两帧的差分图像中相对噪声的特征参数对相对噪声进行滤波,从而自动地检测出运动变化区域;在检测出运动变化区域后,利用运动变化区域和边缘检测的结果,可以确定运动对象的边界位置;最后,根据运动对象的边界位置生成视频对象。     

全局运动序列中运动目标的检测算法

针对全局运动视频序列采用灰度投影法检测序列帧间运动矢量,具有图像信息利用充分、计算精度高等优点,文中采用了改进的三步搜索算法有效地提高了运动矢量搜索速度,降低了运算复杂度,同时保持了运动矢量的搜索精度。通过帧间运动矢量补偿将相邻三帧图像的相同背景稳定在同一幅图像的相同位上,利用改进的三帧差分法检测运动目标区域。结合数学形态学的闭运算和填充运算等提取出运动目标。实验结果表明,该方法能够快速高效地从背景变化的视频序列中提取运动目标,具有较强的鲁棒性和准确性。     

多视频运动对象实时分割及跟踪技术

利用帧间差异积累信息进行自适应背景建模, 采用背景差的方法检测视频运动对象区域. 设计了一种变系数的空域滤波器, 有效地对背景差图像进行了增强, 使获得的视频运动对象区域更具有空域连通特性. 给出了一种改进的基于Otsu法的自适应阈值化方法, 能更准确地对背景差图像进行阈值化. 采用形态学边界提取技术对视频运动对象轮廓进行提取. 在获得视频运动对象轮廓的基础上, 用区域生长法对视频运动对象进行定位, 将矩形中心坐标视为视频运动对象的质心坐标. 用基于空间欧氏距离最短的方法对每个视频运动对象质心进行关联跟踪并绘制轨迹. 试验结果表明, 该方法实时有效.     

基于单目视觉的运动障碍物检测

针对室内结构化环境中光照和外界环境的实时变化,提出一种基于单目视觉的改进的运动障碍物检测算法。利用单目摄像头截取图像,进行灰度转换和中值滤波,将混合高斯模型背景差分法和帧差法相结合,并引入面积信息,对二值化后的差分图像进行形态学处理和连通性分析,有效的解决了空洞问题,得到完整的运动目标信息。实验结果表明,该方法能准确快速检测所观测区域内的运动障碍物,实时性,鲁棒性好,对光照等外界条件的变化有很好的适应性。     

视频目标定位的减法聚类改进算法

针对减法聚类算法用于视频运动目标定位时存在的不足,提出了6点优化技术,即采用不同维度的邻域半径改进了原算法采用固定邻域半径的不足;修正目标邻域半径的取值,改进了原算法无法准确描述不同尺度目标定位效果的问题;引入下采样技术、改变密度值函数及构造网格重定义数据集3种方法以提高算法的定位效率;引入模糊隶属度对视频运动目标做进一步精确定位,解决了原算法无法精确定位的问题.实验结果表明,改进后的定位算法可获得更好的定位效果.     

道路网络中移动对象的连续反k最近邻查询算法

在道路网络中,对象的位置和运动被约束在网络中,对象之间的距离不是传统的欧氏距离,而是由网络连通性决定的网络距离,基于欧氏空间的反k最近邻查询算法不适用于道路网络。为了解决道路网络中移动对象连续的反k最近邻查询问题,给出了道路网络的一种索引结构及一种利用扩展树处理查询的方法,在此基础上,提出了道路网络中适用与单、双色连续反k最近邻查询算法（CRkNNMA算法）,证明了该算法的正确性。