基于深度图像的运动人手检测与指尖点跟踪算法

针对由传统摄像头获得的二维图像难以准确检测复杂环境下运动人手目标的问题,提出了一种利用Kinect摄像头对复杂背景下近景人手指尖空间点的检测和跟踪算法。首先利用基于视觉的多信息融合方法对人手区域进行粗检测,并利用深度信息对得到的模糊人手区域进行精确定位及分割,从而有效抑制了复杂背景对人手区域的干扰;根据分割得到的人手区域,利用人手边界的曲率关系实现了指尖空间点的快速检测;最后利用卡尔曼滤波跟踪检测到的运动指尖点。实验结果表明,与已有指尖点检测方法相比,该算法能够准确地跟踪多种姿态下手指指尖的空间位置,具有较低的误差率。     

基于二维主成分分析的运动目标检测

运动目标检测是计算机视觉研究的重要领域,在视频监控和智能交通等领域应用广泛.本文提出了一种自适应的运动目标检测方法.该方法采用二维主成分分析建立背景模型,通过比较重建图像和原图像的差异来检测运动目标.为了自适应动态变化的复杂背景,该模型由增量算法在线更新.实验结果表明,提出的方法可以在复杂变化的动态背景环境下进行有效的运动目标检测.     

复杂背景下的自适应前景分割算法

复杂背景下的运动前景分割是计算机视觉领域研究的一个重点研究问题。为了对复杂背景下的运动前景进行有效分割,提出了一种复杂背景下自适应前景分割算法。该算法 的背景模型是由一系列聚类和聚类的权重构成。每个聚类表示背景的一个历史状态,并能够根据背景的变化,自适应创建、更新或删除聚类,使得背景模型能够准确反映出场景的 变化。每个聚类权重是根据聚类的大小和更新时间自动确定的。为了自动确定该方法的重要阈值,还提出一种基于非参数密度估计的阈值估计方法,并在不同的场景下与多个背景 建模方法进行了比较, 实验结果表明,该算法是有效的。     

采用时空信息的运动对象检测

针对复杂背景下的运动检测困难,提出了一种结合时域差分与尺度空间信息的运动对象检测算法。该方法首先以视频序列的第一帧作为初始背景,以相邻帧金字塔差分信息作为背景更新掩膜,并采用自适用的背景更新因子实现背景更新。在运动对象检测阶段,结合背景差信息与当前帧和背景帧金字塔差分信息,提取出运动对象。实验结果表明,该方法具有较好的实时性和自适应性,对噪声不敏感,有效提取运动对象。     

高阶统计量的背景估计法在运动目标检测中的应用

利用随机变量的各阶矩的性质,构造了一种基于高阶统计量的背景估计方法,并将其应用于静态背景下的运动目标检测。文中采用多分辨率思想对程序进行优化。同时,在检测的过程中利用检测结果,采用分区域的方式对背景图像进行更新。计算机仿真实验表明,基于高阶统计量的背景估计及更新方法在应用于运动目标检测、提高背景差法在运动目标检测对背景环境变化的鲁棒性方面是有效的。     

一种改进运动目标检测算法的研究与应用

针对运动目标检测中场景的混乱多变和干扰的复杂多样的问题,提出了一种鲁棒而有效的运动目标检测方法。通过对混合高斯模型的匹配准则和背景模型学习更新方法进行改进,使背景模型的可靠性和收敛速度得到了有效的提高。根据各种干扰的特点,分别实现了光照变化、物体的移入移出的干扰检测和排除。实验结果证明,本文提出运动目标检测算法具有较好的实时性和鲁棒性。     

基于统计方法的视频序列运动人体检测

描述了一种运动人体检测的方法。首先利用多帧图象统计平均的方法得到背景模型,采用背景差法检测出运动目标,并实时地对背景模型更新,以适应光线变化和场景本身的变化;然后在HSV色度空间下检测消除阴影,得到准确的运动目标。最后用形态学方法减小噪声和背景扰动带来的影响。实验结果表明,这种方法简单高效、抗噪性强,能实现复杂背景下的运动目标检测。     

基于像素层背景模型的复杂场景运动目标检测

为了从复杂变化背景中鲁棒地检测、提取运动目标,提出一种基于像素层背景模型的运动目标检测算法。该算法采用快速均值漂移方法将背景帧上具有相同统计特性的像素划分为一个像素层,背景模型从而被表示为一组像素层,通过与邻域像素对应的层匹配来检测运动前景像素。实验结果表明,该方法可以实时、准确地检测运动目标,特别是在摄像机颤动等原因造成的背景时域不规则变化情况下,比经典的基于混合高斯背景模型的方法具有更好的检测效果。     

复杂背景下直线目标的一种动态检测方法

探讨了复杂背景下具有固定特征的直线目标的检测问题,提出了一种基于直线目标特征的检测算法,并指出了该方法的优点。实验结果表明,该算法结构简捷有效,鲁棒性好,能在复杂背景的条件下快速分离出背景和目标直线。     

基于特征大小的背景差分算法研究

背景差分算法是一种重要的运动目标检测算法,在运动目标检测技术中,如何对变化区域进行有效的检测和分割至关重要。本文提出了一种新的基于特征大小的背景差分算法,该算法可以根据需要,对检测物体的大小进行选择,以此来减少非生物的机械运动和小目标运动带来的虚报率。实验结果表明,该算法在一定程度上提高了检测的准确性,有效增强了目标检测的效果。     

基于人体骨骼和深度图像信息的指尖检测方法

针对复杂环境下的指尖检测,从手部图像分割和指尖检测方法两方面进行改进,提出了一种基于人体骨骼和深度图像信息的指尖检测方法。首先采用Kinect获取人体骨骼和深度图像信息,通过人体骨骼信息锁定目标用户,利用锁定用户的手部节点位置从深度图像中提取手部区域图像;然后从手部骨架中搜索骨架端点,提出局部最优查找方法对轮廓凸包计算结果进行优化;最后结合手部轮廓特征找到指尖位置。实验结果表明,该方法具有良好的检测效果,满足实时性要求,能够实现复杂环境下的鲁棒检测。     

改进的道路背景提取和更新算法

现有算法对长时间含有静止车辆的视频序列进行背景提取和更新时效果不甚理想,为此提出一种改进的道路背景提取和更新算法。通过统计一段时间内视频帧中各像素值所属区间来提取背景图像,结合边缘检测算法分析持续变化的区域,解决背景更新中存在的当前背景图像中含有静止车辆的问题。实验表明算法可以很好地适应实际应用中的复杂情况,准确性有了明显提高,且算法实现简单,实时性较高。     

基于码本和运行期均值法的双层背景建模方法

背景建模是视频处理的重要部分,是后续运动目标检测、识别和跟踪的基础。针对现有的背景建模方法无法兼顾抗干扰性、适应光照、背景更新速度和遮挡等问题,提出结合码本和运行期均值法对视频进行双层背景建模的方法。首先在第一层提取亮度和颜色特征,使用聚类的方法进行码本建模,接着在第二层建立运行期均值法模型,通过两种背景模型的有效结合快速准确地实现运动目标分割。实验结果表明,该背景建模方法计算简单、背景更新快、抗噪声能力强并且能较好地适应光照变化,适应于复杂环境下的目标检测。     

基于随机选择和竞争合作更新策略的变化检测

针对复杂场景中背景更新这一难题,提出一种背景更新适应性较强的变化检测算法。利用建模样本的无记忆性进行随机更新得到初步更新后的背景模型,采用模型像素间竞争的方式选取邻域更新位置,通过当前帧图像像素间合作的方式得到加权更新值。仿真实验结果表明,所提更新策略能够在有效处理复杂场景的同时保证检测结果的准确率。五类复杂背景图像序列的仿真结果也验证了该算法具有综合性能的优势。     

指势识别的实时指尖提取

指势行为识别作为一种理想的人机交互模式,而指势手指有效分割与指尖提取是关键。采用基于背景差分方法提取前景运动目标并消除背景影响,运用肤色分割方法,提取运动目标脸部、手部区域。在确定指势手与人脸位置关系的基础上,基于指势行为中指尖位于指势手的边沿轮廓,从指势手的外界矩形框与轮廓的交接点中定位指尖点。经实验证明该算法快速有效、提取精度高,且有一定的鲁棒性。     

基于背景重建和MDBP的视频对象分割算法

提出了背景置信度图像和背景标示图像的概念,给出了一种基于背景重建和象素最小距离(M DBP)的自动视频对象分割方法。首先运用基于背景置信度图像和背景标示图像的背景重建技术从视频序列的多帧图像中重建出可靠的背景图像,然后运用差背景法分割视频对象(VO),同时再利用象素最小距离(M D BP)和总体象素最小距离(W M DBP)准则对分割出的视频对象图像进行处理,克服由于背景的微小变化而引起的前景对象的错误检测。试验结果表明该文给出方法能够较好地重建背景,对于背景静止的视频能够得到更好的分割结果。     

改进视觉背景提取模型的前景目标检测算法

针对经典视觉背景提取算法（ViBe）在动态背景场景下检测精度不高,以及长时间存在鬼影的问题,提出一种改进的视觉背景提取算法.该方法在背景模型初始化阶段考虑到像素点之间的颜色相似性以及空间距离,选取像素点邻域内的同质像素点对背景模型进行初始化;根据场景动态程度自适应调整每个像素点的阈值以及背景模型更新的速率,改善了在动态背景场景下的检测精度;根据光流判断像素点是否存在运动来把真实前景目标和鬼影区分开来并及时对背景模型进行修正,从而尽快消除鬼影现象.使用changedection测试集进行测试,改进后的ViBe算法在能提取到较完整前景目标的同时,检测准确率相比原始ViBe算法也有所提高.     

一种适于公交乘客计数的自适应背景更新算法

在基于视频图像处理的乘客计数系统(APC)中,背景与前景目标的分割是运动目标检测的关键。针对公交车APC系统的特征,在背景差法的基础上,结合相邻帧差以及平均灰度差,提出了一种自适应背景更新算法,以此为基础,实现了视频图像序列中的运动目标检测。通过对公交车实验采集的视频图像进行处理,证明算法能够克服光线的变化及干扰物体的影响,有效地实现目标分割。     

一种自然环境下运动物体监测算法

提出了一种自然环境下运动物体的监测算法,该算法基于时空信息融合与特征识别,主要包括背景分析、前景提取、去除阴影、背景更新。其思想是将图像序列均转换为HSV颜色模型,并分析比较各像素点参数在某一时间段内的变化规律,通过判定公式的判定,便可区分出各像素点在某一帧中是属于背景点、运动物体点还是阴影点。该算法针对风、阳光、闪电等自然条件可能带来的影响进行了改进,并能够在光照突变、运动物体静止后融入背景、背景物体转为运动等情况下智能更新背景,适用于自然环境下运动物体的监测。     

一种结合曲率与平行向量的实时指尖检测方法

根据手指几何形状大致平行的特性,本文提出一种基于曲率和平行向量 来进行手指检测的新方法。该方法首先利用深度图像信息从复杂背景环境中迅速分割出手 部;然后依据形态学操作和中值滤波进行平滑处理后提取边缘,再根据曲率定位拟指尖点; 最后采用平行向量特性排除误检点。实验结果表明,该方法在不同手指运动状态,不同光照 强度,以及复杂环境背景下均能实时定位指尖位置,指尖位置识别率可达98.64%。