基于双向稀疏光流融合的小目标检测方法

针对动态背景下的小目标检测问题,提出了基于双向稀疏光流融合的目标检测方法.首先采用FAST方法提取当前帧图像中的角点,然后在连续的三帧图像中进行前、后向稀疏光流跟踪,确定正确匹配的特征点对,利用匹配的特征点对计算用于背景补偿的帧间运动参数,最后在背景补偿的基础上进行三帧差分,以检测出图像中的运动小目标.实验结果显示,本算法能够很好地解决背景和目标同时快速运动的问题,为运动目标的跟踪奠定基础.     

运动目标检测研究方法述论

运动目标检测是视频处理系统的基本环节,它是运动目标跟踪、特征提取等复杂的处理的前提。当前,运动目标检测技术在视频监控、工业监测、质量控制、智能交通系统等众多领域广泛应用。文章介绍了背景减除、帧差法与光流法的原理特征,并对比分析指出了这三种方法的优势和局限性,对进一步提高运动目标的准确检测具有意义。     

浅谈视频图像序列运动目标的检测方法

视频图像序列运动目标检测是计算机视觉研究的重要组成部分,广泛应用于交通、医学等领域。文章主要论述了常用的三种检测方法:帧间差分法、背景减法、光流法。     

智能视频监控图像中运动目标检测方法的研究

描述了智能视频监控系统的概念及其研究意义。介绍了监控图像中运动目标检测的几种方法,阐述了他们各自的基本原理和优缺点。讨论了目前运动目标检测所面临的主要问题和困难,并展望了该领域的发展趋势。     

基于AForge.NET类库的视频移动目标检测

运动目标的检测是数字图像处理和模式识别的基础,也是计算机视觉研究的一个重要领域。以C#为主要研究工具,对基于相邻帧差法及背景差分法的视频目标检测算法进行了研究,主要对其原理和算法进行研究。最后利用以AForge.NET架构类库,利用图像灰度的绝对值是否大于设置的阈值实现了对运动目标进行检测,实验结果表明,采用该算法可以对运动目标进行较为精确的检测。     

基于区域光流法的人体异常行为检测

为了提升智能视频监控系统在保障公共安全方面的能力,提出基于区域光流法对人体异常进行检测的方法.采用改进的背景差分法来准确提取前景目标,然后对提取出的前景目标进行光流特征计算,有效滤除环境噪声的影响.采用方向-幅值直方图来描述行为,通过计算直方图的速度判断是否发生抢劫、追逐行为,计算直方图的方向和幅值的熵以及速度的方差来判断是否发生打斗行为.实验结果表明,该方法在不同视角下均能取得良好效果.     

基于帧间差分和金字塔LK光流法的运动目标检测

针对用于运动目标检测的光流算法存在处理复杂、计算量大等问题,提出一种帧间差分算法和金字塔LK光流法相结合的运动目标检测方案.该方法先对视频图像进行帧间差分处理,得到图像的运动区域,再对该运动区域进行金字塔LK光流计算,减少了计算区域,提高目标检测的速度.最后在搭建的视觉避障平台上使用LabVIEW语言进行算法程序验证,实验结果证明了算法的有效性.     

基于视频图像中运动目标检测算法的研究

运动目标检测是从实时捕获的视频序列图像或视频文件中将与背景存在相对运动的目标找出来。帧差分法和背景差分法是运动目标检测中常用的方法,文章主要研究了背景差分法中的单高斯背景模型和高斯混合背景模型的基本原理,对这两种算法进行了详细描述,对高斯混合背景算法进行了改进,实验结果表明,改进后的算法在目标检测质量是相对于原来的背景的基础上差分法,混合高斯模型数据量很小。     

基于隔帧差分区域光流法的运动目标检测

结合运动目标检测帧差法运算速度快和光流法动目标检测准确度高的特点,提出了一种基于隔帧差分区域光流计算的运动目标检测方法.该方法通过隔帧帧差方法先提取运动区域,然后只对运动区域进行光流计算,减少了计算区域,提高了速度;在光流场计算时,对梯度较大和较小的点处,分别采用基本等式约束和光滑准则约束的方法,提高了动目标检测的准确性,另外在光流迭代运算中增加惯性项,减少了迭代次数,进一步提高了检测速度.实验结果验证了该方法的有效性.     

无人机视频图像运动目标检测算法综述

运动目标检测是实现目标跟踪、交通监控、行为分析等任务的基础。但在无人机获取的视频图像中,无人机运动、旋翼震动或外界风力等客观因素使图像出现较为明显的背景、光照等变化,会对运动目标的检测产生影响。因此,如何降低干扰、提高检测精度,让无人机在运动目标检测领域发挥作用在信息时代具有相当重要的意义。无人机视频图像的运动目标检测相比传统运动目标检测,检测思路基本一致,但干扰因素众多。本文以此为切入点,分类综述了适用于无人机视频图像运动目标检测的算法及其改进,主要包括运动估计算法、帧间差法、背景建模法、光流法等传统算法和近年出现的新型算法;通过对无人机运动状态的划分探讨比较了上述方法的优缺点及适用场景。帧间差法更适合处理无人机悬停状态的数据,背景建模法、光流法及新型算法对无人机悬停及巡航状态的数据均可处理;上述算法均不能很好解决光照变化造成误检、漏检现象。所以处理无人机视频数据时,要根据其运动信息及数据特点选择合适的算法,才能获得好的检测结果。     

视频跟踪技术方法研究

在深入探讨了运动检测方法研究现状的基础上,对当前较为典型的几种运动目标检测方法进行了比较和整理,指出了各种方法的优点和不足,同时提出了改进思路,最后对运动目标跟踪问题进行了分类总结.     

运动目标检测算法研究综述

运动目标检测技术是计算机视觉的基础,是一个十分有研究意义且很有挑战性的问题。文章从当前运动目标检测问题的相关方法进行分析研究。首先详细介绍了光流法、帧差法和背景差法的算法原理。然后对比了几种算法的优缺点,介绍各算法的适用场景。最后针对研究过程面临的难题,展望了运动目标检测技术新的发展趋势。     

基于光流算法的医学柔式内窥镜系统

手动操纵的柔式内窥镜在介入内腔管道时,要求医生必须有熟练的操作技巧和技术。针对手动操纵柔式内窥镜所带来的弊端,设计了一种基于LK光流算法的机器人柔式内窥镜系统。利用内窥镜图像控制内窥镜指向内腔管道的中心线,从而可提高内窥镜的智能化、简化对操作医师技术的依赖、减少医疗事故的发生。以常规胃镜检查为例,对常用的图像灰度算法进行了分析比较,实验结果表明,基于LK光流算法得到的内腔管道中心路径更为精确。     

实时视频的清晰度检测算法研究

本文针对实时视频的清晰度检测问题．提出了一种基于背景提取、背景更新与点锐度算法相结合的方法。采用帧差法获取背景图像．然后对背景图像采用基于区域的选择性背景更新的方法对背景图像进行背景更新,并且将点锐度算法进行改进后应用于实时视频的清晰度检测。实验结果表明．此方法具有良好的检测效果．计算速率可以满足系统实时性的要求。     

基于视频修复的运动目标删除篡改行为的检测算法

将运动对象从视频中删除是视频篡改的一种常见 形式,针对删除视频运动对象这一篡改操作, 提出了基于视频修复痕迹的检测方法。运动对象删除后需采用数字视频修复技术填补由于移 除操作产生的 黑洞,使得篡改后的视频遗留有修复痕迹;通过深入分析篡改视频中遗留的修复痕迹,对篡 改后未压缩视 频采用对称帧差法检测运动对象删除区域;对压缩后的篡改视频从运动光流场的角度,由视 频帧光流方向 的不一致性进行检测。实验结果表明,本文方法不依赖于原始视频,计算复杂度低,能够有 效检测运动对象删除操作,并在空时域上对篡改区域进行定位。     

基于光流辅助可变形卷积的压缩视频质量增强

视频压缩会给视频带来压缩伪影,从而影响视频质量,但是可以在解码端通过多帧融合让待增强帧从其余帧中学习到高质量的信息从而获得质量提升。基于此,引入光流辅助可变形卷积,使多帧融合达到更好的对齐效果,并充分利用过去以及未来时刻帧对齐后的结果,进一步获得更好的增强效果。     

基于光流与Mean Shift算法的运动目标检测

为了改善传统光流法不能很好地解决背景运动带来影响的问题,提出了一种基于光流矢量与Mean Shift算法的运动目标检测方法。结合图像中边缘信息和灰度信息,用金字塔法计算出特定像素点的Lucas-Kanade光流矢量。再利用Mean Shift算法的梯度搜索原理找出运动背景的光流矢量,进而找出运动目标的光流矢量。实验结果表明,融入Mean Shift算法后的光流法高精度地检测出了目标,显著降低背景运动所带来的影响。文中所提方法比传统几种方法更加准确地得到了所需结果。     

一种基于灰度连续区域分割的视频对象分割方法

针对目前许多分割方法中分割边界不精确、计算复杂和缓存帧多等问题，提出了一种结合空间区域分割和运动象素检测的自动分割方法：先将当前视频帧分割为不同的灰度连续区域，再利用二次帧差确定视频图像中的运动象素，然后按一定的规则确定哪些灰度连续区域属于运动区域，从而有效地从静止的复杂背景中分割出运动对象区域。实验结果表明这种分割方法计算简单、分割边界比较精确。     

基于区域时偏特性的视频复制-粘贴检测

Copy-Move作为一种较为普遍的视频篡改行为引起了国内外很多学者的关注,作为一种帧内篡改,篡改者通过改变视频帧内的像素值来达到篡改目的。为了检测此篡改,文中提出了基于区域光流偏移特性的检测算法,利用此偏移特性来搜寻其在视频中被拷贝的位置来达到检测目的。实验证明,提出的方法创新性的利用了时域信息进行检测,同时在未增加算法复杂度的情况下,提高了检测准确率,是一种有效的检测方法。