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。     

基于目标函数梯度的模拟退火蚁群算法

根据蚁群算法和模拟退火算法的特点,提出了一种基于目标函数梯度的模拟退火蚁群混合算法。该算法充分考虑了目标函数的梯度,当目标函数的梯度过小时,加强当前最优解对应的信息素,使算法快速收敛;当目标函数的梯度过大时,引入回火策略以提高解的质量。将基于目标函数梯度的模拟退火蚁群混合算法用于旅行商问题,结果表明,与常规模拟退火蚁群算法相比,改进算法的收敛速度和解的质量均有一定程度的改善。     

多运动目标检测的研究

在复杂场景下视觉监控有着广泛的应用前景,例如特殊场合的入口控制,在特定场合下的特定人的识别,人群流量统计,异常检测和报警,多摄像机交互式监控等.而目标检测是视频监控中的目标跟踪,行为理解和描述,多相机的数据融合等步骤的前提,目标检测包括如下步骤,目标检测,阴影去除,目标分类,本文主要是对目标检测这一块内容的进行详细的介绍.     

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。     

运动检测常用算法及其在高速公路的运用

本文首先综述了实现运动检测的几种传统常用算法。最后对这种技术在高速公路上的运用作了一个简略的介绍。     

红外小目标检测算法研究

基于红外场景图像和红外小目标的特征,对红外小目标检测做了概述,并分析比较了多种红外小目标检测算法.     

排球视频中的运动目标跟踪及检测算法研究

为了提升排球视频中的对于目标的追踪能力的准确性,本文利用Mean shift算法,提出了一种高效率并且又稳定的运动目标跟踪检测算法。算法根据排球在x、y轴上的坐标位置和排球在在x、y上的速度,进行观测向量的设置,并求解观测值。实验过程中采用五台摄像机对排球运动场进行全方位的目标跟踪,最终求解得到排球在三维空间的运动轨迹。实践证明,本文算法图像处理信噪比高,时间复杂度低。     

基于OpenCV技术的视频车辆运动目标提取

本文使用Visual Studio 2008作为开发环境,并结合OpenCV提供的图像处理函数库,从开发者角度阐述了视频车辆运动目标提取的基本流程和实现方案。实验结果能够准确提取清晰的车辆轮廓图像,不仅为交通量统计提供可靠依据,也能提供公路的科学管理水平。     

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。     

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。     

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。     

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。     

基于混合高斯模型与差分法的运动目标检测

视频监控涉及计算机视觉、模式识别和人工智能等多个领域,它是指在不同环境下对人和车辆进行的实时观察,根据观察对象的动作、行为进行分析,为用户提供信息。视频监控过程分为运动目标检测、目标跟踪、目标分类和目标分析。     

基于Mean Shift的运动目标的头脚点检测

本文通过编程实现了对视频中运动的人的头点和脚点的标定,在进一步的研究中我们希望能够结合透视技术或者尺度空间理论对人物进行更加精确的头脚点定位。     

基于SIFT算法的煤矿井下运动目标追踪技术研究

为了适应煤矿井下粉尘多、照度低、温度高、湿度大等复杂环境,对于SIFT特征匹配算法进行了改进,本文提出了随机抽样一致性算法与SIFT算法集合的内、外点提纯算法。本文改进后的算法更能够达到对特征点精确匹配的目的,大大改善了原SIFT算法过多错误匹配的情况,能够更好的保证后续图像的处理,完善井下安全监控系统。     

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。     

基于视频的运动目标跟踪算法研究及改进

基于视频的交通事件管理过程中需要知道运动目标的个数、运动快慢等参数,这些数据的得到需要进一步对相关检测目标进行跟踪。运动目标跟踪的主要工作是提取、识别以及跟踪,既而得到跟踪目标的位置、速度、加速度和运动轨迹等相关运动参数。运动目标跟踪算法一般情况下包括基于区域、基于特征、基于模型、基于轮廓的跟踪方法等,各种算法有自己的适用环境及优缺点。     

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。