结合帧差法与Mean Shift的抗遮挡跟踪算法

针对目标严重遮挡后,运动状态发生改变时,传统的基于运动预测的算法无法有效跟踪的问题,提出一种基于帧差法的改进算法。引入巴氏系数(Bhattacharyya)作为目标是否发生遮挡的判据;当发生遮挡时,帧差法检测目标,再次检测到目标时将此位置作为Mean Shift迭代的起始位置;最后正常跟踪时采用卡尔曼滤波预测目标位置,减少迭代次数。实验结果表明,当目标在严重遮挡后,运动状态改变时,基于运动预测的算法将无法跟踪目标,改进算法能够重新跟踪目标。     

用于运动人体检测的改进的帧差法

为了克服单一固定的阈值难以获得可靠的结果缺陷,提出一种使用分级闻值,对帧差图像进行二值化的方法.实验表明使用该方法可以可靠、实时地检测视频序列中的运动人体.     

基于MRF的自适应帧差运动目标检测

为克服传统的运动目标检测算法容易受到显露遮挡,空洞以及噪声现象的影响,构造了一种基于MRF的自适应帧差运动目标检测算法。采用最大类间方差法自适应确定序列图像的初始标记场;通过帧差及“与”运算处理,消除伪运动信息;结合马尔可夫随机场理论构建了自适应马尔可夫随机场模型系统能量函数;并利用迭代条件模式算法完成标记场的优化过程,准确的提取出运动目标。实验结果表明,该算法能够有效地实现运动目标检测,效果理想。     

基于块的Mean-shift跟踪算法

针对传统Mean-shift跟踪算法在目标发生遮挡和形态变化时跟踪性能下降的缺点,提出了一种基于块的Mean-shift跟踪算法,该算法主要特点有：(1)将跟踪目标平均分块,每小块独立进行传统Mean-shift跟踪,利用小块跟踪未被遮挡的目标部分;(2)跟踪检测器检测目标小块跟踪的有效性,筛选出无效跟踪的目标小块,解决了目标分块造成跟踪性能下降的问题;(3)归一化互相关检测器和邻域一致检测增加了对目标空间信息的检测,弥补了Mean-shift算法的局限性,增加了跟踪的鲁棒性。实验表明,该算法在目标发生遮挡和形态变化时仍然可以有效的实现跟踪。     

基于特征融合的Mean-shift算法在目标跟踪中的研究

针对仅采用颜色特征的Mean-shift跟踪算法,在目标跟踪过程中,运动目标受光线变化的影响时,易发生跟踪错误等问题,提出一种基于特征融合的Mean-shift算法.新算法结合了颜色特征和边缘方向角特征,并对各特征模型进行加权处理,有效解决了Mean-shift算法在光线突变场景中跟踪失效的问题.实验表明,该算法能够有效提高跟踪的稳健性,达到快速、实时的跟踪效果.     

混合高斯融合三帧差的运动目标检测改进算法

针对混合高斯模型(Gaussian Mixture Model,GMM)无法检测到完整的运动目标,三帧差法检测目标时对物体速度的敏感,检测到的物体会出现空洞等缺点,提出了一种混合高斯融合三帧差法的运动目标检测改进算法.首先,在运动目标提取过程中,改进的三帧差法采用动态分割阈值和边缘检测技术,解决光线突变和边缘不连续问题;然后引入新的高斯分布自适应选择策略,以减少处理时间,提高检测准确性;最后,利用改进HSV(Hue-Saturation-Value)颜色空间来消除阴影区域,得到一个完整的运动目标.数据实验表明,该算法在不同场景具有较好的检测能力.     

结合帧差法与窗口搜索的车道线跟踪方法

针对计算机绘制车道线地图的过程中,需要在移动背景下精准追踪车道线的功能需求,提出一种结合帧差法和窗口搜索的车道线跟踪方法。首先,对广角镜头拍摄的图像进行棋盘格矫正,再利用逆透视变换(IPM)将包含车道线的感兴趣区域转换为鸟瞰图,再使用色度,饱和度,纯度(HSV)、红绿蓝(RGB)分别将白色、黄色像素筛选出来。其次,利用车道线与垂线的夹角对车道线进行修正,根据修正后图片的像素密度,选出车道线的起始点,并采用滑动窗口搜索的方法提取整个车道线。最后,采用改进的帧差法,对车道线进行跟踪,并根据车道线标准对车道线像素进行规范化补充。由大量的实际道路行驶测试表明,该算法的准确率为94.97%,能够较为精确地完成车道线的追踪。     

基于Kalman预测和Mean-shift算法的视频目标跟踪

提出一种用Kalman滤波理论和Mean-shift算法结合的视频目标跟踪方法,解决了目标变形、部分遮挡和运动速度过快问题。在初始帧中,确定跟踪目标并计算H分量直方图,将每帧图像转化为该直方图的概率投影图;在当前帧中,用Kalman滤波预测搜索窗口,并在搜索窗口中用自适应的Mean-shift算法精确匹配跟踪目标。实验结果表明,本文方法对刚体、非刚体和多目标的跟踪都具有良好的自适应性。     

基于帧差法和自适应阈值区域生长的红外运动目标检测

针对具有背景干扰、信噪比低的红外图像,提出了一种基于帧差法和自适应区域生长的红外运动目标检测方法.首先对红外图像进行了高帽变换,以抑制大面积背景的干扰,相邻帧图像间做帧差,初步提取目标区域;其次分析了红外目标的特性,针对其特性提出了一种基于灰度等级的自适应阈值分割方法;最后以帧差法检测的目标质心为种子点,以自适应阈值为分割准则,在预处理后的图像中进行区域生长,最终实现了红外运动目标的检测.结果表明,所提算法可抑制大面积背景的干扰,实现单个和多个红外运动目标的完整提取和检测.     

改进帧差与分水岭算法融合的运动目标检测法

针对机器视觉系统中运动目标检测问题,在帧间差分法的基础上,提出了一种新的运动目标检测算法。采用改进的帧间差分法,融合分水岭算法分割特点,获得真实目标的轮廓,并进行实验验证。结果表明,该算法对帧差法进行改进后,得到的动态目标更接近于实际情况,改进的算法更适合于智能系统中消除杂波及对运动目标的检测。     

基于多特征自适应融合的均值迁移目标跟踪算法

针对复杂环境下,均值迁移算法只使用 颜色特征跟踪目标鲁棒性差的问题,提出一种多特征自适应融合的MS目标跟踪算法。算法在 跟踪场景的动态变化过程中,通过选择对目标和背景区分能 力强的特征描述目标,建立多特征 融合目标模型,并设置特征重要性权值。给出了多特征融合目标定位公式。通过 动态评估不同特征在不同跟踪场 景中的可靠性,对特征权值进行动态更新以及多特征自适应融合。依据不同特征的权值给出 一种选择性模板更新机制,以减 轻目标模型的漂移。实验结果表明,提出的算法在复杂场景下,具有更高的鲁棒性和跟踪效 率。     

一种基于帧差分法与快速图分割相结合的运动目标检测方法

针对在处理复杂场景情况时,帧差分法在预处理后获取的目标区域往往会空洞化或者分裂成多个互不相连的部分,计算机难以实时判断多个部分是否同属于一个目标,为此,提出一种基于三帧差分法与快速图分割相结合的运动目标检测方法。首先对序列图像做三帧差分运算及基于图的快速分割;然后通过定义融合判定规则,将帧差分结果同图像分割的区域块进行互相补充和约束;再对符合判定规则的子区域块进行合并,最终精确提取出运动目标的位置及轮廓。实验结果表明该方法能够有效提高目标检测的完整性。     

一种基于背景减法和帧差的运动目标检测算法

针对帧差分法易产生空洞以及背景减法不能检测出与背景灰度接近的目标的问题,提出了一种将背景减和帧差法相结合的运动目标检测算法.首先利用连续两帧图像进行背景减法得到两种差分图像,并用最大类间与类内方差比法得到合适的阈值将这两种差分图像二值化,然后将得到的两种二值化图像进行或运算,最后利用图像形态学滤波得到准确的运动目标.实验结果表明,该算法简单、易实现、实时性强.     

基于五帧差分和模板匹配的运动目标检测识别

针对帧差法和背景差分法检测运动目标准确率低,自适应能力弱等缺陷,提出了一种改进五帧差分法与背景差分法和模板匹配相结合的运动目标检测和识别算法;通过改进的五帧差分和背景差分法融合的算法从视频图像序列中检测出运动目标;利用形态学方法去除噪声,改善运动目标提取效果;在Harris算法提取图像匹配特征值的基础上角点配准,提高图像识别的准确率,通过提取目标特征与自适应模板图像进行特征匹配的方法实现了目标检测识别和跟踪。仿真结果和实验表明该方法有噪声和部分遮挡的运动目标有良好的检测识别效果,识别率达到了95%。     

基于改进的三帧差分法运动目标检测

为了提高运动目标检测的准确性和效率,提出了基于改进的三帧差分法检测运动目标的算法.该算法对传统的三帧差分法进行了改进,结合了单高斯模型背景提取、背景自适应更新和自适应阈值提取的方法,从而解决了传统三帧差分法中可能出现的无法检测出完整的运动目标的问题.背景的自适应更新和自适应阈值的提取减少了光线亮度变换以及噪声对运动目标检测带来的影响.实验表明,该算法与传统的三帧差分法相比可以更加完整地检测出运动目标,并且可以有效地避免出现“漏检”等情况,提高了运动目标检测的效率和准确性.     

结合运动目标轮廓提取的均值漂移算法

提出一种结合运动目标轮廓提取的改进均值漂移算法。对相邻4帧的图像两两配准之后进行差分相乘运算,再进行形态学处理获得理想的目标区域,经权值计算之后在该区域内建立目标颜色直方图模型,计算均值漂移向量进行目标跟踪,当相似性系数小于某个阈值时更新目标模板模型,以适应目标的形变等情况。实验结果表明,改进后的算法具有较好的抗背景干扰能力,能够有效和准确地跟踪目标,而且对跟踪不规则和形变目标有很好的适应性,提高了均值漂移算法的跟踪性能。     

帧间差分融合灰度投影的运动目标检测方法

针对光线变化、动态背景以及摄像头轻微晃动等因素导致监控视频中运动目标的检测识别率低的问题,提出帧间差分融合灰度投影的运动目标检测方法。在帧间差分算法的基础上,通过改进三帧差加法运算,改善了光线变化的影响。同时,将连续三帧差加法运算的图像进行水平与垂直方向的灰度投影得到两个方向上的灰度投影曲线,对相邻的灰度投影曲线进行互相关运算,互相关曲线的峰值坐标即为运动目标在相邻图像之间的运动位移,以此实现了运动目标的检测。实验结果表明,在单个目标和多个目标的检测识别中,该方法能够获得准确的运动目标,其识别率、误检率均优于传统帧差法。     

基于DSP的两帧差分和改进半因果弱小目标检测

针对工业现场镁熔液中弱小目标实时检测的难题,提出一种基于DSP的两帧差分和改进半因果支持域相结合的弱小目标检测新方法。该方法以DSP图像处理平台为核心,DSP集成开发软件Code Composer Studio 3.3为辅助,首先采用改进的半因果支持域模型对两帧原始图像进行背景预测,背景预测图像与原始图像相减得到残差图像;其次残差图采用两帧差分和自适应阈值分割处理得到二值图像;最后对二值图像形态学处理,获得真实弱小目标。实验结果表明：在相同实验条件下,该方法对序列图像的检测性能与已有文献进行对比,可以快速有效地检测到弱小目标,同时检测到的目标面积增大1.3倍,预处理时间减少34%,检测总时间减少20%,为工业现场镁熔液弱小目标实时检测奠定了基础。     

基于背景差分和信息熵的运动目标检测算法

提出一种目标检测算法,首先选取视频的第一帧作为背景帧,运用加权累加图像方法更新背景图像,背景图像的更新速率通过相邻帧的差分结果决定,再运用背景差分算法提取出运动目标。计算运动目标的区域的熵值,通过熵值判断出特征目标。实验结果表明,该算法简单,稳定性好,能够较好解决动态背景的问题并且检测出特定目标。