一种有效的运动物体检测方法

为了从监控视频中检测出较高质量的运动物体,文章提出了一种基于帧间差分和背景差分相结合的运动目标的检测方法,并且采用像素级和帧级背景更新相配合的一种背景更新策略。算法求取各像素点处的最大概率灰度,从而提取出连续视频的背景图像;相邻帧则利用帧间差分法以及背景差分法得到两幅运动区域图像;将两幅运动区域图像相与,提取出较为准确的运动目标。实验证明,该算法对光线的变化鲁棒性较高,运算速度较快,且能够及时的响应监控视频的实时变化,提高运动目标的检测质量。     

一种基于切比雪夫不等式的自适应阈值背景建模算法

背景建模是实现运动目标检测与跟踪的关键技术之一。在实时视频监控系统中,对背景建模算法的运行时间及所提取出的背景图像的实时性有很高的要求,针对这一问题,提出了一种基于切比雪夫不等式的自适应阈值背景建模算法。算法利用切比雪夫不等式计算像素点色度变化的概率估计值,提出了一种自适应阈值分类方法,它将像素点快速分类为前景点、背景点及可疑点,再利用核密度估计方法对可疑点进行进一步分类,最后利用背景更新算法提取实时背景图像。实验结果证明,该算法能快速有效地区分特征明显的背景点与前景点,提高了背景图像提取的速度,对可疑点利用核密度估计方法降低了背景分割的误差,背景建模效果理想,运算速度快,适用于实时视频监控系统。     

快速背景提取及更新算法

定点DSP浮点运算效率低、存储空间有限,应用传统的背景提取与更新算法时,检测速度慢、实时性差。针对该问题,利用相邻视频帧的时间相关性,根据背景像素灰度以最大概率出现在视频序列中的假设,提取初始背景参考帧。在背景更新环节,对原始背景与当前图像像素赋予不同的权值,并且基于移位运算得到新的背景。在TMS320DM642定点DSP上所做的实验表明,该算法可以满足帧率为25 FPS下的实时应用。     

基于RGB颜色空间的减背景运动目标检测

在计算机视觉领域中,运动目标检测与分割是一个基础而又关键的问题.减背景法是其中一个比较经典和常用的方法,其难点在于如何获取背景以及实现背景的自适应更新.针对该问?提出一种基于RGB颜色空间的运动目标检测算法,充分利用了图像序列在RGB空间中的变化特点,首先通过抽取帧图像进行背景重构,即对图像序列中每个像素点的RGB值进行排序后取中间值作为该点背景像素的RGB值;在此基础上引入学习率对背景进行自适应更新,然后在RGB空间中进行前景目标提取,最后利用数学形态学和连通性分析对结果进行后处理.实验结果表明,该算法快速有效、能够满足实时要求.     

嵌入式系统中视频运动对象分割

提出了一种基于嵌入式系统的视频运动对象分割算法。首先利用差图像法抽取出运动的像素点,然后通过统计像素点的状态变化频率来区分运动物体和动态背景,并配合一权值状态矩阵将全局光照突变和动态背景像素自适应融合到背景中,从而分割出运动对象并进行跟踪。实验结果表明,该算法在嵌入式系统中实时跟踪运动目标取得了很好的效果。     

基于改进Jung方法的实时背景提取算法

结合帧间差分信息和Jung背景提取算法,提出了一种改进的用于运动目标检测的实时背景提取算法。该算法利用视频连续图像帧之间的差异信息加速背景更新过程,提取的背景图像能够快速适应背景中物体的变化,同时保留了基本Jung背景提取方法结构简单、运算速度快的特点。在PETS2001数据集上对本算法进行了有效性验证,实验结果表明,该算法可以实时准确地提取背景图像。     

一种用于消除伪影的增强视觉背景提取算法

视觉背景提取算法(ViBe)在视频的首帧图像中随机地选取每个像素的空间邻域像素,对其背景模型进行初始化。该算法在检测初期容易产生伪影。针对该问题,提出一种采用像素的时间域信息初始化背景模型的增强视觉背景提取算法(E-ViBe)。首先,利用像素在连续的多帧图像中的历史像素完成模型的初始化;然后,根据空间邻域像素所得到的背景复杂度自适应地获取分割阈值;最后,采用动态更新率对背景模型进行更新,从而让背景模型更快、更好地适应场景的变化。实验结果表明,E-ViBe算法不仅能够快速、有效地去除伪影,也提高了目标检测的准确度。     

基于分块分类的智能视频监控背景更新算法

针对传统智能视频监控中背景更新算法计算量大、对光照变化敏感等问题,提出了一种基于分块分类的背景更新算法.首先,根据视频序列获得初始的背景参考图像,采用背景差分法得到当前帧的差分图像.然后,将差分图像采用分块处理,按照子块的均值特征对各子块图像进行前景块和背景块的分类.最后,根据分类情况采用不同的背景更新策略,实现背景的实时更新.该算法以块为操作对象,相比单个像素处理时的计算量更小,运算速度更快.实验结果表明,新算法能较好地适应光照变化,背景更新效果较好.     

视觉监视中基于柯西分布的统计变化检测

为了更好地进行视觉监视,该文给出了一种新的基于柯西分布的光照不变的统计变化检测算法。该算法首先将两帧图像间的灰度比值作为背景建模和剔除的特征,并且在假定背景图像中,当每个像素点观测的时序灰度变化由白噪声引起时,两帧背景图像中对应像素间的灰度比值的分布符合柯西分布;然后基于该变化检测方法,将YCbCr颜色空间的亮度、色调和饱和度用来识别和消除视频序列图像中的阴影。实验结果表明,该新算法不仅可以承受整体或局部的、缓慢或突然的光线变化,并且可以滤除由场景背景中小的扰动而导致的噪声。     

基于增量式特征基背景模型的运动目标检测

背景差法是目标运动检测的主流方法,关键在于背景模型自适应更新.针对传统特征基背景模型批处理方式计算量大、更新速度慢的问题,采用增量式主成分分析来建立特征基背景模型.首先计算样本图像的初始背景图像,然后采用CCFIPCA算法更新特征基背景模型,最后通过输入帧和重建帧的欧氏距离检测前景运动目标.算法以视频帧整体来建立背景模型,克服了混合高斯模型和核密度估计以孤立像素点建模的不足,提高了背景建模的鲁棒性.在SIMULINK下的仿真实验表明,算法能很好地适应高速公路交通场景动态变化,在有光线变化和阴影影响的情况下能完整、准确地提取出运动车辆轮廓.     

??????????????????

If using the traditional algorithms of background extraction and update on the fixed-point DSP, which is memory-limited and weak at floating-point operation, the detection speed is slow and the real-time ability is poor. The algorithm initializes the background reference frame according to the hypothesis that the background pixel intensity appears in video sequence with maximum probability and the temporal relativity between two neighboring frames. In the session of background update, the algorithm updates the background reference frame by assigning different weights to the original background and the current frame and calculating the result based on shifting operation. It is successfully implemented on TMS320DM642 and results show that the algorithm can meet the real-time constraint in 25 FPS.     

一种有效的道路背景提取与更新算法

针对复杂环境中道路背景图像的快速获取问题,提出了一种快速有效的道路背景提取和更新算法。应用改进的多帧平均算法提取背景,采用改进的Surendra算法对背景进行更新。实验结果表明,该算法能够减轻初始静止车辆对背景建立的影响,能及时消除由于初始帧中目标移动而造成的鬼影,对光线变化鲁棒性高、速度快、更新效果好。     

一种基于改进视觉背景提取算法的前景检测

针对视觉背景提取ViBe算法在前景检测中存在的鬼影现象且长时间难以消除的缺点,提出一种改进的视觉背景提取算法。首先,在视频前n帧序列的帧差法中,引入大津（OTSU）算法求自适应阈值,以分割出更为准确的前景区域;其次,利用去除前景区域的前n帧图像合成一张尽量少的包含前景区域的样本图像;最后利用扩展的邻域范围在合成的样本图像中对模型初始化,并把扩大的范围用在ViBe背景模型更新阶段。该算法与各种经典算法在大量视频库中进行了对比实验,仿真结果表明,改进的ViBe算法能快速消除鬼影对前景检测的影响,前景检测更为准确。     

基于虚拟窗口的自适应车流量检测应用研究

基于视频交通检测中实时性和准确性要求,研究了三帧差分、背景差分及动态阈值等算法,提出增加虚拟窗口的方法,使整个车流量检测算法只针对有效序列图像信息进行处理.该方法通过排除差异大图像求均值,快速初始化虚拟窗口背景模型,在检测窗口内使用三帧差分和动态阈值准确定位运动车辆目标,实时更新背景后,根据背景差分法得到的窗口图像信息统计车流情况.实验结果表明,该方法可以有效应用于基于视频的实时车流量检测中.     

机载视频空中目标实时优化稳像算法

针对机载飞机视频摄取与监视中,由于背景稀疏和前景的大幅度快速运动,造成实时稳像算法存在的画面不稳定的问题,提出了自适应Shi-Tomasi机载视频空中目标实时优化稳像算法。根据提取特征点分布自适应地改变Shi-Tomasi角点检测阈值,解决单一阈值不能适应空中复杂稀疏背景特征点提取的问题。构建带约束的实时优化算法,计算平滑的视频路径,解决基于滤波的算法缺少约束导致画面偏移过大的问题。比对实验结果表明,自适应Shi-Tomasi优化稳像算法能够应对各类机载稀疏背景视频的稳像,解决了快速运动目标稳像后画面大幅偏移的问题,稳定性提高,速度达到20?frame/s以上,满足实时处理需求。     

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。     

基于自适应投影矩阵的实时视频拼接算法

提出一种快速的算法用于高质量的实时拼接视频。算法分为两个阶段:后台阶段和实时阶段。后台阶段每隔一定周期运行,从同步的视频流中提取图像特征,采用RANSAC和LM算法计算投影矩阵。在实时阶段,采用从前一帧中得到的特征点点对,用光流法跟踪匹配点对的方法,对跟踪得到的点对由投影矩阵计算得到图像误差。若误差超过一定阈值或跟踪到点对数目太少,后台阶段就会再次执行。一旦得到了投影矩阵,就采取一种非线性的融合算法对视频进行融合。通过以上步骤,即使摄像头移动,算法也能运行快速。实验结果显示该算法大大改善了速度,而且拼接质量也很好。     

基于时域统计变化检测实时分割头肩视频序列

分析了头肩视频序列的特点，提出了基于时域统计变化检测、利用多帧运动信息实时分割视频对象的方法。先选取包括当前帧在内的前连续2N帧图像，将奇数帧与偶数帧图像作差值，形成长度为Ⅳ的帧差图像序列；对每个象素点时域上的Ⅳ个帧差样本值进行分布显著性检验，判断象素点是否发生了变化；对得到的二值图像进行形态学处理，得到完整的分割结果。试验结果表明，该算法能够自动实时的分割视频对象。