基于颜色和梯度差估计器的运动阴影检测

针对当前运动阴影检测中采用的纹理信息过于粗糙问题,提出一种基于梯度差估计器并融合亮度和归一化颜色特征的阴影检测方法。以混合高斯模型得到的前景像素为基础,通过阴影在亮度和归一化颜色上的特性筛选出候选的阴影区域,然后利用梯度差估计器确定最终的阴影区域。实验结果表明,本文算法能很好地区分局部纹理不明显的运动目标和阴影。     

结合直方图反投影的多特征运动阴影检测算法

针对视频监控中运动阴影影响目标检测跟踪准确性的问题,提出一种结合直方图反投影的多特征运动阴影检测算法。首先利用背景减除法,得到前景区域并进行初步筛选;然后在背景区域建立亮度、颜色、梯度特征的联合直方图,以反投影的方式投影到前景区域得到运动阴影概率图;最后结合空间一致性和滞后阈值,对概率图进行分割得到运动阴影区域。与典型算法进行对比的实验结果表明,本文算法能够有效区分阴影与目标,适用于实时的运动目标检测与跟踪。     

综合灰度和纹理特征的运动阴影检测方法

为了提高运动目标阴影检测的有效性和稳健性,提出了一种综合灰度和纹理特征的阴影检测方法。该方法通过背景差分法提取运动区域,利用快速归一化互相关函数对运动区域进行检测,获得潜在的阴影区域。然后,利用Gabor小波分析潜在阴影区域的纹理特征,得到最终的阴影区域。实验结果表明,该算法能够实时有效地进行阴影检测,并具有较强的稳健性。     

融合颜色和梯度直方图反投影的运动阴影检测

针对智能视频监控中运动阴影影响目标跟踪和识别准确性的问题,提出了一种基于颜色和梯度直方图反投影的阴影检测算法。以视觉背景提取模型检测得到的运动目标区域为基础,首先在HSI颜色空间利用亮度和色度信息筛选出阴影像素,然后通过梯度直方图反投影的方法区分运动目标和阴影,最后将上述两种方法的检测结果进行合理融合得到最终的阴影检测区域。与典型算法的对比实验结果表明,所提算法有效提高了阴影检测的准确性和鲁棒性,适用于运动目标的实时检测和识别。     

基于Choquet模糊积分的运动目标检测算法

本文提出了一种基于Choquet模糊积分的运动目标检测算法（CIMOD, Choquet Integrate-based Moving Object Detection）。将模糊测度和模糊积分理论应用于运动目标与背景分类中,提出了自适应阈值的Choquet积分算法,实现了图像的颜色特征和纹理特征相融合;选择YCbCr颜色空间代替传统RGB空间,将图像亮度与色度分离,降低了光照变化对运动检测的影响;利用局部二元模式（LBP,Local Binary Pattern）纹理特征对亮度级的单调的变化具有不变性的特点,将其融合到检测算法中,有效抑制了阴影的干扰。仿真实验结果表明,即使在光照变化、阴影干扰等复杂背景情况下,该算法也能够准确的检测出运动区域。     

一种基于Phong物体光照模型的阴影检测算法

针对目前运动目标检测算法中常将阴影误检为前景目标的问题,提出一种基于Phong物体光照模型的阴影检测算法。基于Phong物体光照模型,我们对场景中象素的亮度值进行分析,通过定义一个亮度相对变化量,推导出他在整个阴影区域是比较稳定的,所以在一个(5×5)的模板上用协方差来衡量这种稳定性,从而得到第一个阴影判决式。又推导出阴影区域亮度相对变化量随时间的变化保持相对稳定,设计一个滤波模板来增大目标区域的不稳定性,从而得到第二个阴影判决式。最后结合以上二个阴影判决式进行阴影检测,并对实验结果进行定性和定量的评估。与前人提出算法比较,本文提出的算法在阴影检测率和区分率等方面都得到了提高,具有较强的鲁棒性。     

基于YC_bC_r颜色空间的背景建模及运动目标检测

高斯混合模型广泛应用于基于背景建模的运动目标检测中。首先在YCbCr颜色空间采用自适应高斯混合模型对背景的每个像素建模;然后,对输入的当前帧图像的每一像素值与该像素点对应的高斯混合背景模型的各个高斯模型进行比较,将前景运动区域（包括运动目标、投射阴影）从场景中提取出来;最后,采用局部二元图（Lo-cal Binary Pattern,LBP）来提取纹理特征,利用背景在阴影覆盖前后的纹理相似性去除投射阴影,同时结合阴影的空间几何特性优化运动目标检测结果。实验结果表明,该算法能有效地检测出投射阴影和运动目标,具有较高的实际应用价值。     

智能交通系统中的椭球法运动阴影检测

基于背景像素被阴影覆盖后RGB值的变化,提出了一种智能交通系统(ITS)中运动阴影的检测算法。首先定义了归一化亮度比例坐标系并将阴影检测视为该坐标系中的分类问题,然后采用阴影像素在该坐标系中的分布信息构建一椭球,并根据像素的坐标值是否处在椭球内部以及RGB3种颜色归一化亮度比例的相对大小确定阴影像素。对比实验表明,该方法能够有效地检测运动阴影,性能优于SNP算法和DNM算法。     

基于视觉注意机制的遥感图像船只检测

针对视觉注意机制中Itti模型在显著性区域提取中提取颜色、方向和亮度3种特征,应用到遥感图像中容易造成错检的问题,在Itti模型基础上提出了改进的显著性模型,用纹理特征代替Itti模型中的颜色特征和亮度特征,同时考虑了图像在频域中的显著性。对改进后的算法进行仿真,仿真结果表明,改进算法检测精度高、实时性好,显著区域与目标基本一致,能够有效地检测遥感图像中船只目标。     

基于OpenCV与混合高斯建模的运动目标检测

针对静态背景下的视频运动序列,在研究现有的检测算法——帧间差分法与背景差分法的基础上,进一步研究了运动目标检测中背景动态建模的方法——混合高斯建模法,在此基础上提出了基于混合高斯模型与三帧差分的运动目标检测改进算法。由于使用背景差分法检测运动目标时,运动物体和阴影都将被看作运动的目标,于是研究了基于归一化RGB色彩模型的阴影处理方法,对阴影区域进行检测与去除。然后使用计算机视觉类库OpenCV结合Visual C＋＋6．0对上述算法进行实现,取得了很好的检测效果。     

基于颜色空间转换的运动目标检测与阴影去除

针对室内视频监控中运动目标检测常出现的阴影误检,提出了一种基于颜色空间转换的自适应背景建模和阴影消除算法.在RGB空间采用自适应背景差对视频图像进行前景背景分离,并将检测出的前景目标锁定在活动轮廓矩形框内进行目标跟踪,对于误检的虚假目标(即阴影),利用其亮度等信息,在HSV空间去除.经实验验证,该算法对阴影的去除有良好的效果,能准确检测出真实目标.     

基于HSV颜色空间检测与Gabor筛选器的阴影检测

针对视频分析中难以完全将前景(FG)和运动阴影正确分离,提出一种基于阴影HSV颜色空间特性与Gabor筛选器的阴影分割方法。首先,采用一种基于复杂背景(BG)的运动目标检测方法提取出运动目标;其次,采用基于HSV颜色空间阴影特性初步判定阴影区域;最后,设计基于感兴趣区域(ROI,region of interest)的Gabor筛选器对初步判定后的阴影区域进行筛选,从而检测出阴影。对不同光照和环境条件下的视频序列进行测试结果表明,方法效果好,阴影检测率高,可应用于智能视频监控的目标检测。     

改进的滑动平均和LBP融合的目标分割方法

文中结合滑动平均算法和LBP纹理对视频进行运动目标分割,改进滑动平均算法中的背景更新方法,以提高背景更新效率,有效解决了拖影现象;结合LBP纹理算法进行阴影特征分析,提出一种改进算法有效地去除了阴影,分割出运动目标.     

MSSFD—一种递进式人脸检测算法

针对传统人脸检测算法计算复杂度大、精确度低的缺点，提出逐层递进式人脸检测算法——MSSFD。该算法首先在视频图像中运用背景消减的方法定位运动物体区域，然后在此区域中运用区域增长算法的自适应阚值处理进行肤色分割，得到运动肤色区域，最后再用SVM分类器做进一步分类，逐层递进武的逐步定位人脸区域。实验表明MSSFD算法复杂度低、精确度高，对阴影、人脸表情、小角度旋转、有遮盖物等有很好的鲁棒性，具有良好的检测效果。     

基于运动区域检测的会议视频清晰度增强处理

视频会议场景对视频增强的实时性有较高的要求.针对现有视频增强算法(如BM3D等)存在的耗时长的问题,基于变化区域检测提出一种基于运动区域检测的视频增强技术.对时序帧数据进行颜色空间转换,快速地将视频场景分为静止区域和运动区域,之后对静止区域进行时域降噪和视频增强.在视频帧集合的实验结果表明,该算法可以显著地增强图像纹理...     

基于区域统计及YUV色度特性的阴影消除

基于阴影区域统计及YUV色度特性,提出一种鲁棒的运动阴影检测方法。首先,在待检测像素点邻域划分小区域,利用小区域内光照条件基本相同、阴影近似线性地降低背景亮度的属性,估计出背景的亮度;接着,与混合高斯模型(GMM)得到的背景相减,统计差值图像的加权方差,作为判定阴影的特征;最后,依据邻域光照变化率不变性与YUV色度差异进一步消除误判阴影点。经多个室内外的经验数据集实验表明,该方法阴影检测率高,前景空洞少,且有较强的抗干扰能力。     

视频图像中的车辆检测及阴影去除方法研究

视频监控系统成为近年来的研究热点。文中针对交通智能视频检测系统的车辆检测问题,采用基于高斯混合模型方法来检测视频中的运动车辆,结合车辆阴影纹理不变的特性分割阴影,实现了运动车辆的检查识别和阴影去除。仿真实验达到了预期效果。