运动人体轮廓检测算法的分析与改进

在视频序列的人体运动分析中,实时分割出运动的人体,是研究的关键步骤。为了克服不均匀光照、前景运动缓慢、背景中存在摇摆的树叶等因素对检测带来的影响,提出了一种背景减除法与帧间差分相结合的运动目标检测方法。该方法首先通过基于帧差法的背景模型建立方法建立背景图像,再结合背景减除与带有权值的帧间差分检测运动目标,降低目标物体对速度和环境干扰的敏感性。最后通过形态学梯度运算操作消除外界噪声的影响。实验结果表明,本文提出的算法计算简单,对环境适应能力较强,是一种有效的运动人体检测方法。     

一种融合预测过采样的运动目标检测算法

为了改善运动目标检测的精度,提出了一种融合了预测过采样的运动目标检测新方法.首先,基于二维傅里叶变换预测当前帧的目标形状并计算形状相似度;然后,从历史检测结果中选择一定数量的参考帧,使用光流法跟踪目标像素点在参考帧与当前帧之间的运动轨迹,并以像素点轨迹为参考在采样区间执行稠密过采样;最后,基于过采样样本构造前景模型,并在图分割框架内联合使用前景背景模型实现目标检测.在公共数据与自采数据集上对所提方法进行了实验验证,结果表明,相对于经典的运动目标检测算法,所提方法能够有效提高检测精度.     

一种动态背景下目标检测与提取算法研究

针对在动态背景下,Vi Be算法存在检测鬼影现象和鬼影消除时间长、算法适应性差以及存在变化较为频繁的背景下前景检测存在误判前景干扰噪声像素点多的问题,提出了一种以Vi Be为基本算法框架,引入了由分散系数建立的自适应半径阈值、借鉴帧差分法建立的鬼影模型和二次判断,以及目标提取后的优化算法。该算法能够提高算法对动态背景的自适应性,能够加速鬼影的消除,较好地减少鬼影对背景模型的干扰,抑制了动态幅度较大的水面区域,消除了整个场景中出现的噪声像素点,降低了误判率。实验结果证明所给出的算法能够有效的提取前景目标,抗干扰性鲁棒性好。     

基于分块背景建模的运动目标检测技术

研究了视频监控系统中的目标检测技术,在分析比较几种目标检测算法的基础上提出了一种使用分块处理的方式建立初始背景模型的方法。该方法对视频序列图像中的噪声有较好的抑制作用,并且能够有效地克服因平均而造成背景模糊和阴影残留的缺点。为适应背景变化,在背景更新方法中结合三帧差分寻找像素值变化较大的像素点进行自适应更新。仿真结果表明,在背景减除中使用该方法能够快速、完整、准确地检测出运动目标。     

一种小位移的运动目标检测方法

针对视频序列中由于帧与帧间的目标信息大量重叠导致运动目标的重叠部分被误检为背景,为提高检测目标的完整性,提出了背景减除与边缘检测相融合的算法.首先.利用自适应中值滤波(AMF)与均值结合的方法提取更干净的背景,然后用背景减除法得到前景的大致位置;同时用改进的Sobel算子作边缘提取;最后将这两个结果融合在一起,得到完好...     

基于统计信息的改进滑动平均目标检测算法

随着实时视频监控技术的发展,运动目标的检测在众多领域都有着广泛的应用。针对当下运动目标检测算法易受环境噪声和光照突变的影响,为了提高算法的稳定性和自主检测能力,本文系统研究了背景减除法和帧差法的不足和优势,提出了一种基于统计信息的改进滑动平均算法。首先,依据帧间差分对光照不敏的特性,粗略分离出背景和前景部分,同时去除掉其他随机孤立噪声,然后在滑动平均算法中引入对前景点的统计计数,自适应更新背景建模学习速率,加速背景模型收敛,最后将滑动平均与三帧差分两者形态学处理后的目标团块进行与运算,得到准确的前景区域。实验结果表明,本算法可以在树叶晃动和光照变化中精确定位运动目标,正确前景点率平均提升7.4%,得益于帧差法特性,误检前景点率显著降低,鲁棒性和自适应性更好。     

改进的Vibe运动目标检测算法

针对传统Vibe运动目标检测算法提取的目标存在Ghost区域、并且在目标有阴影时检测出的前景区域存在阴影的问题,本文提出了一种结合快速初始化背景建模和阴影去除的Vibe运动目标检测算法.首先采用改进的帧差背景建模方法快速初始化背景模型;然后利用Vibe算法找出当前帧内所有可能目标的前景区域;最后引入HSV模型去除前景目标区域中存在的阴影.实验结果表明,本算法可以有效消除Ghost区域,并且很好地去除前景目标区域里存在的阴影.     

一种改进的基于单高斯模型的红外异常目标检测算法

基于单高斯模型的红外异常目标检测算法是一种常见的能自适应更新背景模型的检测算法。该算法对各个像素的输出响应进行高斯建模,通过设定的阈值确定目标像素点是否为前景像素点,从而达到检测的目的。本文在单高斯模型的基础上,提出一种改进的异常检测算法,该算法利用奈曼-皮尔逊准则选取最佳阈值,克服了根据经验值选取阈值的局限性,为最佳判决阈值的选取奠定了理论基础,使得在虚假率一定的情况下,检测概率达到最高。实验证明,将常见的经验阈值与本文确定阈值进行比较,本文算法确定的阈值检测效果更佳。     

基于改进光流算法的运动目标检测技术研究

常用的运动目标检测算法有背景减除法、帧间差分法和光流法,针对背景减除法的背景模型需要实时更新,帧间差分法检测到的目标不完整,本文提出将Lucas-Kanade光流法与最大类间方差的图像分割法相结合的算法,即首先对连续两帧图像进行Lucas-Kanade光流计算,再对其进行最大类间方差图像分割,将光流不连续的区域视为运动目标,光流连续的区域视为背景,最后进行形态学处理,完成运动目标的检测过程.通过Matlab实验仿真,验证了本文所提算法能提取更完整的运动目标,检测效果较好.     

一种改进W4算法的运动目标检测研究

针对经典W4背景建模算法只能克服光照强度的微小变化以及背景的轻微运动等问题,提出了一种新的运动目标检测算法。首先,利用均值法进行背景初始化选出静止像素集合,消除背景中运动目标的干扰;其次,给定背景初始帧,用经典W4算法计算出每个像素点的最小灰度值、最大灰度值以及最大帧间差分值;然后,对每个像素点提取的最小灰度值和最大灰度值进行线性加权,并且与均值法得到的初始背景相结合建立稳定的背景模型,克服了移动、阴影、光照突变等影响;最后,比较当前帧与背景模型从而检测出准确的运动目标。实验证明,与其它均值法、经典W4算法以及混合高斯背景建模方法相比较,改进方法不仅耗时短而且取得了较为理想的检测效果。     

Video object segmentation in rainy situations based on difference scheme with object structure and color analysis

A scheme based on a difference scheme using object structures and color analysis is proposed for video object segmentation in rainy situations. Since shadows and color reflections on the wet ground pose problems for conventional video object segmentation, the proposed method combines the background construction-based video object segmentation and the foreground extraction-based video object segmentation where pixels in both the foreground and background from a video sequence are separated using histogram-based change detection from which the background can be constructed and detection of the initial moving object masks based on a frame difference mask and a background subtraction mask can be further used to obtain coarse object regions. Shadow regions and color-reflection regions on the wet ground are removed from the initial moving object masks via a diamond window mask and color analysis of the moving object. Finally, the boundary of the moving object is refined using connected component labeling and morphological operations. Experimental results show that the proposed method performs well for video object segmentation in rainy situations.     

一种新型的视频序列运动目标检测方法

针对传统运动目标检测方法的不足,提出一种新型的背景减法和背景更新相结合的运动目标检测方法。在该方法中,首先应用动态阀值背景减法能很好地弥补固定阀值背景减法容易造成误判的不足,实现绝大部分运动像素的提取;接着基于双阀值计数的局部背景更新策略能及时更新背景,克服传统背景更新方法的缺点;最后运用多次形态学处理去除各类噪声,并起到磨光图像边缘的效果。实验结果表明,所提出的新方法运算复杂度低,能够在复杂的背景环境下很好地检测出运动目标。     

基于改进单模高斯模型的运动目标检测算法

在视频交通车辆目标检测中,阴影问题是影响其检测准确性的关键问题之一.为了解决这个问题,提出了一种结合单模高斯模型和背景差法的运动目标阴影检测方法.首先针对传统单模高斯模型提出了一种自适应学习率和选择性差值更新背景相结合的方法,加快了背景模型的初始化速度,同时结合背景差法对阴影部分进行检测与去除.实验结果表明,该方法能够较好地去除车辆的阴影,提高了检测的准确性.     

基于背景差分和混合帧差的运动目标检测

针对利用核密度估计建立背景模型时计算量大,运动目标和外界环境容易发生变化,提出一种基于改进的核密度估计背景差分法和改进的混合帧差法相结合的运动目标检测方法。该方法在背景建模时,先对背景差分后的图像进行分块和分类,并简化了核密度估计的核函数,对前景块中的像素进行核密度估计,减少了计算量。在混合帧差法中增加了动态阈值,提高了对光线变化的适应性。实验结果表明该方法能够完整地提取出运动目标,提高了目标检测的准确率。     

基于嵌入式系统的运动检测算法的设计及实现

提出一种基于TMS320DM6437嵌入式视频处理系统的运动检测算法,采用实时性很强的ViBe算法进行背景建模及像素点分类,在背景更新的算法上,引入帧级更新的策略,以弥补ViBe算法对突变的背景更新较慢的不足.对前景二值图,使用扫描标记法实现对运动物体的捕捉.实验结果表明,该算法实时性强,适用于嵌入式系统.     

基于多层背景模型的运动目标检测

复杂背景下的运动目标检测一直是计算机视觉领域中一个具有挑战性的问题,本文提出一种基于多层背景模型的运动目标检测算法.该算法首先从视频序列的第一帧中提取每个像素的邻域样本,用于初始化背景模型,只需一帧图像即可完成背景模型的初始化;其次,为实现背景模型的自适应更新,引入随机采样技术,随机选取一个不匹配的码字,采用新的背景像素取而代之,避免错误分类的码字长时间驻留在背景模型中;为处理动态场景中多种干扰因素的影响,提出了多层背景模型策略,每个像素经过多层背景模型的逐层验证,保证了背景模型的精确性.实验结果表明,该算法能够有效克服复杂背景下的多种干扰因素影响,且检测率和识别率均高于现有经典算法.     

Motion detection in moving camera videos using background modeling and FlowNet

Real-time moving object detection is challenging for moving cameras due to the moving background. Many studies use homography matrix to compensate for global motion by warping the background model to the current frame. Then, the pixel difference between the current frame and the background model is used for background subtraction. Moving pixels are extracted by applying adaptive threshold and some post-processing techniques. On the other hand, deep learning-based dense optical flow can be efficient enough to extract the moving pixels, but it increases computational cost. This study proposes a method to enhance a classical background modeling method with deep learning-based dense optical flow. The main contribution of this paper is to propose a fusing algorithm for dense optical flow and background modeling approach. The background modeling methods are error-prone, especially with continuous camera movement, while the optical flow method alone may not always be efficient. Our hybrid method fuses both techniques to improve the detection accuracy. We propose a software architecture to run background modeling and dense optical flow methods in parallel processes. The proposed implementation approach significantly increases the method’s working speed, while the proposed fusion and combining strategy improve detection results. The experimental results show that the proposed method can run at high speed and has satisfying performance against the methods in the literature.     

基于RGB三通道分离的运动目标检测方法

背景图像的提取和更新是背景差分的关键。传统的背景差分法是对灰度图像进行处理,在检测前要对彩色图像进行颜色空间的转换,必然会丢失许多信息。对时间中值获取背景模型的不足加以改进,设计并实现了一种基于RGB三通道分离的运动目标检测方法。用形态学处理和连通性分析消除噪声,用区域填充技术填充目标区域内部空洞,在HSV空间去除阴影部分,得到比较准确的运动目标。实验结果表明,该算法在运动目标存在的情况下也能获得较准确的背景模型,当目标灰度值和背景灰度相近的时候,也可以检测到较完整的运动对象。     

基于加权空间直方图的均值漂移目标跟踪

目标模型内的背景像素会造成目标跟踪定位偏差。为了减少背景像素对跟踪造成的定位偏差,首先通过目标区域像素和目标区域周围背景像素的颜色直方图定义了一个加权系数,然后将该加权系数引入到空间直方图的计算中,提出了一种基于加权空间直方图的均值漂移(MS)目标跟踪算法。在此基础上,给出了一种模型更新方法。仿真实验表明,该算法具有很好的跟踪精度,对遮挡具有更好的鲁棒性。