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。     

从移动背景红外序列图像中检测运动目标

该文提出了一种从背景移动红外图像中自动检测运动目标的算法。该算法首先采用图像灰度互相关度量的匹配算法对连续的6帧序列进行配准,用第1帧和第4帧配准,第2帧和第5帧配准,第3帧和第6帧配准,然后用配准后的图像对分别做差分运算,再将3个差分图像按像素相乘,在运动目标处得到了非常尖锐的相关峰。这为进一步自动跟踪目标提供了一个跟踪窗口的中心点。实验结果验证了该方法的有效性。     

基于地理同名点配准的机载红外移动小目标检测方法

在飞行器等移动载体条件下的红外光电系统中,由于场景条件复杂,目标特征不明显,弱小移动目标检测是自动目标检测领域的一大难点。因此,针对复杂地面场景条件下的移动小目标检测问题,提出了一种无关图像内容的基于帧间地理同名点区域配准的机动目标检测方法。该方法通过综合飞行器惯性组合导航信息,解算视场中像素点对应的地理位置,获取帧间图像地理同名点对,完成图像配准工作,区域配准获得帧间背景的移动量,并对帧间图像进行运动补偿,然后进行帧间差分将背景干扰去除,突出运动目标,最后利用目标运动信息的反向验证对目标进行确认。通过试验结果可以看出,该算法能够取得较好的检测效果。     

星空背景中目标识别算法研究

为了实时捕获混杂在天基背景中的运动目标,采用基于Fourier—Mellin图像配准与边缘提取相结合的差分算法。先采用Fourier—Mellin算法和相位相关算法求取图像的旋转角度及缩放和平移参数,得出配准点,再对连续采集的两帧图像配准、差分、二值化,将差分图像与后一帧边缘提取的图像进行逻辑乘,得到目标。仿真结果表明,该算法虚警率低,适合微型航天器多目标捕获的要求。     

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.     

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。     

野外复杂背景下红外图像的目标检测

野外复杂背景下红外图像序列目标检测是红外野外监视中的重点问题。大量的背景物增加了目标检测的难度。文中针对野外复杂背景下红外图像序列的特点,提出了一种实用的运动目标检测算法。该算法包括两个处理步骤：首先,在场景配准后利用帧间差图像提取目标的运动信息,并据此进行目标的粗检测;其次,合目标运动在时间和空间上的相关性进行精检测。粗检测的低漏判度和精检测的低误差率保证了算法的可靠性。在检测的同时算法确定了目     

一种解决波动式干扰影响的序列图像运动目标检测方法

为解决复杂环境下的诸如枝叶摇摆、摄像机抖动等波动式干扰对运动目标检测的影响问题,该文提出基于视频窗口切分与分类的序列图像运动目标检测算法。首先将序列图像切分为rc大小的视频窗口,然后提取窗口内区域图像累积帧间差矩阵的简单统计特征,针对每一帧序列图像,将视频窗口进行分类,把它们划分为运动目标窗口和非运动目标窗口(包括静止背景窗口和波动式干扰窗口),最后将运动目标窗口合并为运动目标。该方法的优点是无需已知背景模型和运动目标大小、形状等任何先验信息。实验表明该算法能在摄像机抖动以及枝叶干扰等复杂环境下快速有效的检测出运动目标。     

一种机载平台快速目标运动补偿方法

针对载机大机动运动条件下,目标在图像中位置变化较大,无法准确进行目标归属的问题,提出一种机载平台快速目标运动补偿方法。首先,选取前一帧目标所在区域图像作为模板图像,再根据前一帧目标在图像中位置,探测器安装角度和载机姿态信息,预测目标在当前帧中出现的位置,获取预测目标所在区域图像作为待配准图像,最后应用SIFT算法计算模板图像和待匹配图像中关键点,通过图像配准获取目标在当前帧中精确位置,为后续目标归属性判断的准确性提供保障。实验结果表明,所提方法能够精确定位载机大机动条件下目标在连续帧中位置,与通过整幅图像配准获取目标位置相比计算效率大大提高。     

周扫条件下的红外运动目标检测

针对周扫条件下的运动目标检测出现的问题,提出了多种解决办法,并从中选择最优方案。首先根据系统红外图像特点,使用投影匹配法进行图像配准;然后针对现有运动检测算法中存在的问题,结合帧间差法和经典自适应背景差分法的优点,提出一种基于分级自适应背景差分的运动检测方法,使得伪运动目标明显减少;最后针对剩下的伪运动目标,借鉴图像配准方法,提出了一种基于最小平均灰度差判定真假运动目标的方法,有效剔除了伪运动目标。实验结果表明所提出的算法能快速有效的解决周扫模式所带来的各种问题。     

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。     

基于粒子滤波的视频图像目标遮挡算法研究

基于粒子滤波的视频图像目标遮挡算法是当前的一个热门研究领域.在对于视频图像目标跟踪方面,综合运用了多种算法进行检测和跟踪,详细分析光流法、帧间差分法、背景差分法和视频图像目标特征的提取,并在最后对帧间差分的算法进行了改进.通过实验证明,采用基于粒子滤波的视频图像目标遮挡算法能够更加有效地解决对跟踪目标的准确判断.     

HOS运动目标分割算法在视频监控中的应用

为了提高视频监控中运动目标分割的速度和准确度,研究并实现了一种基于高阶统计量HOS(HigherOrder Statistics)的分割算法.首先根据HOS假设检验处理帧差图,判定像素点是否属于运动区域,阈值通过灰度共生矩阵获得,考虑了背景纹理的慢变化.然后,用矩形框聚类法大致确定运动目标的范围,在该范围内使用形态运算法和首尾扫描法去除空洞.最后,使用模板相与法获得帧图像的运动目标模板,从原图像中分割运动区域.算法采用了由粗到精的分析策略,实验表明,是一种快速稳健的算法.     

基于过渡区提取的红外运动目标检测

针对复杂动态场景下的红外目标检测问题,提出了一种基于交叉熵的过渡区提取的红外运动目标检测方法。该方法首先使用帧差法和背景差分法相融合的检测方法,对红外图像进行差分处理,然后采用基于交叉熵的过渡区分割算法二值化图像,最后进行形态学滤波,从而检测出完整的红外目标。实验结果表明,该方法目标检测效果比较好,能满足红外运动目标检测的需要。     

基于嵌入式视频监控的人脸检测系统设计

针对视频监控系统智能化的要求,提出了一种基于嵌入式视频监控的人脸检测设计方案。采用在ARM-Linux操作平台上建立Servfox流媒体服务器,实现USB摄像头的视频采集和传输。在客户端首先采用帧间差分更新背景模型的改进算法获取运动目标,减少视频中运动目标对背景模型的影响,且为人脸目标的检测缩小了范围。在运动目标区域内,通过Ada-Boost人脸检测算法,最终获得人脸位置。结果表明,系统对人脸检测效果良好,准确率可达95.2%,检测时间22～27 ms/frame,满足视频监控的实时性要求。     

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。     

基于融合差分的可变光强自适应目标识别算法

主要研究视频监控系统中运动目标检测算法,提出一种背景差分与帧间差分相融合的方法。该算法通过多次差分以及判决区域的相关运算划定背景区域和运动区域。同时参考相邻帧平均灰度信息更新背景帧以适应光线变化对判断造成的影响。在图像后处理中结合相关形态学算划分最终的运动目标。该算法可实现运动目标的快速准确定位和区域估算,实验表明该算法的时间复杂度和空间复杂度低,效果良好。