跳水运动视频中的运动目标分割

针对跳水运动视频中的人体运动目标分割问题,提出一种简单有效的基于颜色特征运动目标检测及分割算法。首帧进行图像预处理,利用色相和亮度两个分量加强颜色差异,然后使用OTSU算法对图像进行阈值分割。结合RGB颜色空间启发式肤色聚类结果确定运动目标所在的连通区域,最终完成首帧运动目标的自动检测。有效地克服了复杂背景变化的影响,能够快速实现跳水运动目标的分割,且对运动对象的快速整体运动有较强的鲁棒性。     

基于多权值相似均衡的运动图像循环定位算法

为有效对运动图像的目标特征进行较好定位与跟踪,提出了一种基于多权值相似均衡的运动图像循环定位跟踪算法。该算法首先利用颜色与纹理构建运动图像的空间特征分布跟踪模型,通过特征聚类对运动图像自动划分目标空间,然后根据目标模型的相似函数计算多个特征权值对目标模型进行选择性均衡,并结合特征权值自适应迭代定位跟踪信息,以最大程度地对运动图像的细节特征进行定位跟踪。实验结果表明,该算法优于传统的定位跟踪方法,尤其在跟踪目标受到外界干扰时能够得到比较理想的跟踪效果。     

基于中值背景模型的运动目标自适应检测方法

针对复杂交通场景中运动车辆检测方法存在的局限性,本文提出了一种基于中值模型和自适应阈值的运动检测算法。利用自适应阈值对差分图像的三个颜色通道进行二值化处理,实现了运动目标的精确检测,采用中值更新策略实现背景图像的实时更新。实验结果表明,算法可以从复杂交通场景图像序列中有效地检测出运动目标,且算法计算量小,具有良好的鲁棒性与实时性。     

基于改进的OTSU算法的视频处理

针对跳水运动视频中的人体运动目标分割问题,提出利用颜色信息进行运动目标检测和分割的算法。首先采用色相和亮度两个彩色分量加强图像中的颜色差异,使用OTSU算法对图像进行阈值分割,同时结合RGB颜色空间启发式肤色聚类,确定运动目标所在的连通区域,从而完成首帧运动目标的自动检测。在后续帧的处理中,以数学形态学方法进行自适应运动区域预测,运用改进的OTSU算法,提高了分割速度。实验表明,本方法有效地克服了复杂背景变化的影响,能够快速实现跳水运动目标的分割,且对运动对象的快速运动有较强的鲁棒性。     

考虑夜间视觉图像误差的人行道识别技术

传统视觉测量方法在夜间环境下,存在误差因素繁多、对比度差、结构相似性差等缺陷,无法准确识别人行道中的行人目标,提出了考虑夜间视觉图像误差的人行道识别方法,塑造目标模型更新机制,根据目标颜色直方图相似度和形状变化信息运算目标变化程度,及时更新夜间人行道上行人目标模型,利用夜间视觉图像误差达到识别目的,将待识别行人图像当成期望图像,对同类运动物体进行注视跟踪,确保实时采样图像收敛于期望图像,由图像反馈以及物体运动自适应补偿构成控制律,完成夜间环境下行人目标的准确识别。仿真实验说明,所提方法可对夜间环境下人行道中行人目标进行准确识别,具有较高的识别效率和鲁棒性。     

基于帧间差分方法的运动目标检测

运动目标检测是动态图像处理中的一个重要研究方向,本文介绍了一种基于帧间差分的运动目标方法,该方法根据不同帧图像之间的差别来识别运动目标。实验证明,该方法能非常有效地提取动态图像中的运动目标。     

基于颜色对比度及局部信息熵的目标检测算法

基于颜色对比度特征及局部信息熵提出了一种图像显著性目标检测算法。首先,选取了对人眼视觉反映敏感的对抗色颜色空间,然后考虑了包含距离权重的颜色对比度特征;接着,计算每个像素点的局部信息熵来表示图像的纹理特征,两者结合得到了图像的显著性特征;最后,在公开的数据库与流行算法进行测试对比,实验结果表明本文的算法具有较好的检测效果。     

一种去光照干扰的运动目标图像分割算法

对模糊图像的多尺度分割,是解决许多计算机视觉处理问题的基础。传统的图像分割算法采用基于小波变换的局部特征匹配方法,无法有效去除光照的干扰,对运动目标图像的分割效果不好。提出一种基于模糊图像边缘能量特征提取的运动目标图像的去光照干扰分割方法。计算去光照干扰后的运动目标图像振幅分量和频率分量,采用混合函数控制曲线方法生成运动目标图像时间序列,计算每个尺度下计算运动目标图像的边缘能量特征,进行图像区域特征的非同态块匹配分割,最终生成灰度直方图二进制均衡系数,实现了运动目标图像的准确分割,去除了光照干扰。仿真结果表明,该算法具有分割结果准确,抗干扰能力较好,图像分割质量较优。     

运动目标检测中的背景差分方法

从多幅图像中提取出其中的运动目标是当前动态图像处理中的一个重要研究方向。本文介绍了一种背景差分的方法,该方法动态或者静态地维护一个背景图像,通过和该图像的差分来识别图像中的运动目标。实验证明该方法能够有效的识别出图像中的运动目标。     

基于目标检测与加权混合特征的目标跟踪算法

由于传统Camshift算法在运动目标被遮挡、受到背景同色干扰、运动过快时存在跟踪失败问题,因而文中提出一种融合目标检测与混合特征描述的跟踪算法。针对传统单一的颜色直方图的描述,提出基于感知哈希算法、纹理特征与颜色特征相融合的混合特征表达方式表征运动目标区域。针对目标运动过快或者被遮挡的干扰,引入Kalman滤波来预测目标出现的位置,并结合运动目标检测,加快目标搜索过程,提高Camshift算法在目标跟踪与搜索时的准确性与时效性。选取不同场景下的多组视频进行实验,结果表明,跟踪算法具有较好的鲁棒性,验证了算法的有效性。     

运动车辆检测方法的研究与对比

运动目标捡测是数字图像处理技术的一个主要部分,其研究对象是图像序列,目的是从图像序列中将变化区域从背景图像中提取出来,它是计算机视觉、目标识别、安全监控等视频分析和处理的关键部分.智能交通系统中的运动车辆检测是从图像序列中将运动的车辆从静止的背景图像中提取出来,是运动目标检测问题的一个应用实例.本文首先介绍了运动目标检测常用的三种检测方法,详细论述了在复杂背景下背景模型的获取和动态更新问题,在合成背景的基础上提出了一种改进的基于背景差值的运动车辆检测方法,并给出了实验结果.     

运动信号目标检测技术

运动信号目标检测是针对序列图像,分析运动信号目标特征、提取运动信号目标区域,估计有关运动参数的一种分析技术。它是图像处理与计算机视觉领域研究的重要课题,在视频监控、图像检索、图像压缩、人机交互等研究领域都有着非常重要的应用。本文针对运动信号目标检测各过程技术研究情况进行了描述,同时给出了深度学习在信号目标检测里的应用。     

基于单帧视觉差的运动幅度检测仿真

运动图像幅度准确检测是提高对人体运动目标图像远程识别和跟踪的基础。传统方法中对人体运动图像的幅度检测采用运动帧补偿的运动幅度检测方法,当图像处于快速运动状态出现单帧视觉误差时检测性能不好。提出一种基于单帧视觉差的运动幅度检测算法,并进行仿真实现。进行快速运动图像的视频帧图像采集与预处理,采用基于单帧视觉差分析的方法进行快速运动图像的幅度特征提取,通过电子稳像方法进行防抖动处理,得到运动图像的目标函数运动幅度特征点,构造人体运动的位姿表换微分方程,进行单帧运动图像全局运动估计,提高了对运动幅度的检测。仿真实验分析得出,该算法具有较好的快速运动幅度检测性能,对于运动剧烈的Foreman序列,系统性能提高了1~2 d B,对于运动缓慢的序列Claire,系统性能提高了2.5~5 d B,展示了算法的优越性。     

运动目标在复杂背景中的检测

运动目标轮廓的有效提取,对于目标识别和跟踪是非常重要的,但是大量的背景景物增加了目标检测的难度。文中针对复杂背景下红外序列图像的特点,提出了一种实用的运动目标检测算法。首先,通过canny边缘检测算法,对输入图像进行边缘检测,然后把相邻两帧边缘图像进行场景对准,计算出相应的场景平移参数,根据这些参数,平移帧图像后做差分处理。在残差图像中,根据局部熵的图像分割法,对图像进行二值化处理,最终获得了比较完整的运动目标。实验表明,这种方法是有效的,且性能良好。     

抖动状态下的运动图像跟踪方法研究

提出了一种基于改进ROI特征匹配融合算法的抖动状态下的运动图像跟踪方法。该方法先依据图像边缘检测的Laplacian算子,通过计算抖动状态下的运动图像边界,获取了该图像中心点位置,通过建立ROI的图像灰度矩阵,组建其仿射变换目标变化模型,依据模型中目标轨迹的匹配概率计算图像融合中所产生的误差,提高了抖动状态下运动图像跟踪的整体准确性。实验仿真证明,基于改进ROI特征匹配融合算法的抖动状态下的运动图像跟踪方法能够大幅度提高抖动状态下运动图像跟踪的准确性。     

一种稳健的基于主颜色的多目标跟踪算法

多目标跟踪是视频监控等领域的一项关键技术,该文提出一种基于主颜色的多目标跟踪算法,在算法中使用主颜色描述感兴趣目标,在卡尔曼滤波器预测的基础上利用基于主颜色的mean shift算法对各目标进行跟踪,接着利用目标跟踪位置与前景blob之间的关联矩阵来推理多目标跟踪问题中的各种情况,根据不同的情况对目标的位置、大小以及颜色信息做相应的更新。对大量图像序列的测试结果表明,该算法能够较好地处理遮挡,具有稳健的跟踪效果。     

高效运动目标检测算法研究

运动目标检测是计算机视觉与视频图像处理领域的重要研究课题之一,在视频监控、安防、智能交通、军事、科研等领域都有广泛的应用。提出了一种基于OpenCV的高效运动目标检测算法。     

智能视频监控中的运动目标检测研究

现有的背景差分法在背景模型的维持和更新不能用于长期和复杂的场景,针对智能视频监控中的运动目标的检测,提出了帧间差分法重建背景图像,背景差分法分离背景像素点与运动目标点,自适应背景更新方法应用背景的定时自动更新,有效的分离了运动目标和背景图像。该方法不仅能够减小运动目标的检测误差,而且提高系统运行速度,实现复杂环境下的运动目标检测。     

运动目标在复杂背景中的检测

运动目标轮廓的有效提取，对于目标识别和跟踪是非常重要的，但是大量的背景景物增加了目标检测的难度。文中针对复杂背景下红外序列图像的特点，提出了一种实用的运动目标检测算法。首先，通过canny边缘检测算法，对输入图像进行边缘检测，然后把相邻两帧边缘图像进行场景对准，计算出相应的场景平移参数，根据这些参数，平移帧图像后做差分处理。在残差图像中，根据局部熵的图像分割法，对图像进行二值化处理，最终获得了比较完整的运动目标。实验表明，这种方法是有效的，且性能良好。     

基于瑞利差分的颜色空间突变信息内容感知方法

颜色空间内的突变信息感知是实现深度背景下的隐藏目标识别的重要技术。传统方法采用差分进化局部对比方法进行突变信息感知,当图像分块信息不均匀时,信息提取不全。提出一种基于瑞利差分的颜色空间突变信息内容感知方法,进行颜色空间背景全局性信息建模,计算非显著性突变信息。基于瑞利分布的非均匀稀有度特性,得到背景颜色空间和突变信息目标区域分离结果和差异性特征,实现突变信息内容感知。实验结果表明,算法能能使突变信息在深度颜色空间背景下突出显示,较好地检测出图像的显著性特征。在非显著性微小目标探测领域应用前景较好。