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。     

基于背景差分的运动目标检测研究

基于视频的运动车辆检测及车型识别系统是智能交通系统的重要组成部分。论述了在固定摄像头拍摄的车辆图像序列中检测出运动车辆,使用了目前最常用也最有效的运动目标检测方法和背景差分算法,其中前景提取是背景差分算法的关键。实验表明:此方案可行。     

一种基于北景重建的运动目标检测方法

本文采用改进的背景差法,改变使用多帧序列图像求平均值产生背景图像的方法,利用序列图像的统计信息进行背景重建,对当前视频帧与背景帧的灰度差值图像使用Otsu方法进行二值化处理,产生标记图像以确定运动目标区域,进一步得到运动目标。     

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。     

联合背景差分与区域光流的运动目标轮廓提取

针对光流法计算量大并且无法精确提取运动目标轮廓的问题,提出一个联合背景差分与区域光流的运动目标轮廓提取算法,首先对运动目标区域进行标定,并通过求解区域光流得到光流图像,然后结合基于统计平均的背景差分法获取运动目标二值图像,从而提取出运动目标轮廓。实验结果表明,在监控场景中,本文算法能够准确地提取运动目标轮廓。     

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.     

基于改进的混合高斯背景模型的运动目标检测研究

针对传统混合高斯背景建模（GMM）在一些复杂场景下未能有效地描述背景,目标容易出现错误的检测,本文提出一种改进算法。该算法先对视频帧进行分块处理,然后对单模区域和多模区域采用不同的更新速率进行更新,最后在空域上对检测结果进行数学形态学的处理,从而提取运动目标。实验结果表明,该算法能够提高背景建立和运动目标检测的速率,在多种场景下运动目标的检测都具有良好的鲁棒性。     

基于背景差分法和光流法的视频动态目标检测与跟踪

视频运动目标检测和跟踪技术是智能视频监控的关键技术。基于这两方面展开研究,提出了自适应场境的运动目标跟踪方法。系统由背景差分实现目标检测,由目标区域LK光流预测实现目标跟踪,并融合了＂运动＂背景局部更新来实现跟踪系统对环境的自适应性。最后用VC＋＋和OpenCV软件平台设计了监控系统的演示环境,在简单场景中实现了运动目标的检测和跟踪,初步验证了系统算法的可行性和可实现性。     

基于DM642的混合高斯模型运动目标检测系统设计与实现

运动目标检测是智能视频监控技术的重要环节,精确的分割出运动目标是后续监控技术得以实现的重要基础。该文以强大运算能力的DM642为核心搭建了运动目标检测系统硬件平台,实现和优化了基于混合高斯模型的检测算法。实验表明,该系统能有效地检测出运动目标,实时性较高。     

一种快速的前景检测算法

文章提出一种快速前景检测算法,通过对背景差分得到的前景区域进行处理分析,能够区分出正确的运动区域和由于光线突变而引起的运动区域.首先使用快速背景更新算法建立背景模型及分割出前景,然后提取运动区域,再对运动区域和差分图像进行分析处理,识别出由于光线突变而引起的运动区域,最后对背景进行修正.采用该方法能准确地提取前景中的运...     

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。     

一种基于Kalman滤波器的运动目标检测和跟踪算法

视频或图像序列中的运动目标检测与跟踪已成为计算机视觉领域研究的重要方向之一。本文实现了视频序列中的运动目标检测,使用了背景差法和帧间差分法检测到运动目标并进行了优化。Kalman滤波器是一种在时域内采用递归滤波的方法对系统状态进行最小均方误差估计的方法,本文提出利用Kalman滤波器实现运动目标跟踪中的形心跟踪的方法,可以准确预测到运动目标的一下个状态,得到良好的跟踪效果。     

浅谈基于背景建模的运动目标跟踪

在传统的目标跟踪mean-shift算法中,需要通过手动来获取所要跟踪的区域,不能够满足智能监控的效果。为了达到无人智能监控的目的,采用背景建模法,并且以一定的速率更新背景,检测并提取出运动目标的轮廓及其质心,再结合Camshift算法进行跟踪,从而实现无人监控的自动跟踪。实验证明,该方法实时性高,跟踪准确。     

实时视频监控系统中一种快速运动目标检测算法

介绍了一种快速运动目标检测算法。该算法针对当前运动检测算法的不足,以背景消减和时域差分为基础,快速完成视频帧的背景提取、背景更新、运动目标检测,很好的满足了系统对时间的限制。结果表明,该方法是比较实用的,能满足实时视频监控系统的要求。     

一种基于协方差矩阵的自动目标检测方法

为了将协方差矩阵算法应用于自动目标检测,提出了特征相似度和协方差矩阵相似度.特征相似度是目标特征的相似程度,协方差矩阵相似度融合各个特征相似度.另外,鉴于特征具有不同的有效性和重要性,提出了最小特征相似度.最小相似度可以用于剔除基本无效的特征.通过实验证明,本方法能有效地将协方差矩阵算法应用于自动目标检测,具有较高的准确率.     

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。     

一种分块背景减法的运动目标检测算法

为了能够准确获得视频中感兴趣的运动车辆,提出了一种基于背景减法的运动目标检测算法。首先采用kalman滤波来实现背景图像的提取,其次把当前帧图像和提取的背景图像进行分块,同时计算对应块的灰度差异,然后将得到的灰度差异图进行二值化,最后利用数学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。     

基于对称差分和特征点SSDA算法的运动目标跟踪

针对模板匹配跟踪算法在模板更新时一旦模板信息更新不当,易出现目标跟丢及难以重新捕获目标的问题,给出了一种对称差分和特征点SSDA相结合的运动目标跟踪方法.该方法综合了对称差分法的优点,不仅可以自动提取目标模板,而且在目标跟丢时,可以重新捕获目标.另一方面,该跟踪方法还利用了SSDA算法的优点,不仅搜索目标速度快,而且在运动目标变为静止时以及运动目标较小时,也能保持稳定跟踪.实验结果表明该跟踪方法是行之有效的.     

基于对称差分和特征点SSDA算法醛运动目标跟踪

针对模板匹配跟踪算法在模板更新时一旦模板信息更新不当,易出现目标跟丢及难以重新捕获目标的问题,给出了一种对称差分和特征点SSDA相结合的运动目标跟踪方法。该方法综合了对称差分法的优点,不仅可以自动提取目标模板,而且在目标跟丢时,可以重新捕获目标。另一方面,该跟踪方法还利用了SSDA算法的优点,不仅搜索目标速度快,而且在运动目标变为静止时以及运动目标较小时,也能保持稳定跟踪。实验结果表明该跟踪方法是行之有效的。