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。     

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。     

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.     

智能监控中的运动检测算法研究

介绍了室内智能监控系统中运动检测算法的具体实现。利用帧间差分法提取运动目标,通过对差分能量和运动速度的分析判断出运动目标的大致动作。     

视频帧色差突变图像的背景检测参量提取

对视频帧中运动目标提取是计算机视觉研究的重点课题,对视频帧色差突变图像的背景检测常受到背景色差干扰,目标检测性能不好。提出一种基于视频序列的双背景建模的视频帧色差突变图像的背景检测和参量提取算法,背景建模加入了光照突变处理机制,进行色差补偿。计算视频帧差背景内的突变信息感知概率和统计概率,对视频图像进行滑动平均建模,采用模极大值法进行边缘检测,得到基于灰度方差的视频帧色差稳定性检测的判别函数。将当前帧与背景帧相减,建立滑动平均背景模型,提取其背景差异性特征参量。仿真结果表明,该算法的检测性能较好,当背景发生变化时,如光照突变、人群数目突然增大时,具有较好的背景检测性能,处理光照突变方面的图像平滑性较好。     

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。     

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。     

一种结合背景聚类的快速前景分割的Vibe目标检测算法

针对视频中提取出完整运动目标,提出了一种结合背景聚类的快速前景分割的Vibe目标检测算法。首先通过Vibe目标检测算法初步找出当前帧中的所有存在的目标前景区域;然后进一步的选择从而滤去无效前景区域,合并有效区域;最后结合背景聚类的快速前景分割算法来分割出更加完整的目标前景,实验结果表明,本算法与传统的背景建模方法相比,达到了很好的检测效果。     

智能视频分析技术在监狱监管工作中的应用

本文主要分析了智能视颇分析技术.研究了视频监视系统中的运动目标检测与跟踪方法,提出了基于背景统计模型估计的方法在基于运动目标检测与跟踪算法的智能视频监控系统中的实际应用方案,并设计了基于智能视频分析技术的数字化监狱网络监管系统的实现方案,包括基于DSP处理和单片机控制的运动目标检测与跟踪系统的硬件组成方案,和基于运动目标检测与跟踪算法的智能视频监控系统控制图像处理电路以及算法流程.     

移动物体检测方法研究

对固定镜头下视频序列中运动人体的检测方法进行研究。本文运用图像差分的方法将运动目标从序列图像中提取出来,然后利用投影的方法计算出目标区域。与传统的采用腐蚀处理、膨胀处理来提取移动目标的方法相比,文体提出的方法更具实时性,准确率更高。     

基于视频图像的车流量检测系统

为了实现道路上车流量的统计,本文主要介绍相关视频处理技术在车辆检测中的应用,并研究基于视频的车流量检测方法。设计中采用混合高斯背景模型算法对背景建模,设置指定检测区域并使用检测线法实现了基于视频图像的车流量检测系统,并通过MATLAB仿真实现。     

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...     

续航里程约束条件下低空无人机高像素监控高速公路研究

无人机技术发展愈发成熟,具备高机动性及视角范围广等特点,在民用领域得到广泛应用,尤其是用于交通监控等。在续航里程约束条件下,提出以视频交通监控平台为基础运用无人机高像素监控高速公路实现智能化管理。利用以特征为基础的视频稳像方法及光流法相结合方法对运动目标车辆检测。采用视频稳像方法对参考帧及匹配帧间的特征点进行获取,经过特征点匹配过程找出参考帧和匹配帧间转换关系,将动态目标变化为静态目标检测问题;利用光流法对运动车辆实行检测,实现在不同背景及不同分辨率条件下有效识别出运动车辆的目的。基于视频交通监控平台,将图像质量测评引进无人机视频监控模式中,依据图像质量及缓冲区实际条件,实时调整图像编码帧率和分辨率,确保输出图像质量及视频流稳定性。实验证明,运用低空无人机监控平台可实现高速公路远程管理目标。     

视频增强算法及其应用

针对传统视频增强算法中整体过度增强而忽略局部特征增强的缺陷,提出了一种有效的基于快速光照分割及分区映射的视频增强算法。首先从视频图像中提取运动目标和分离静态背景,通过快速分割方法将视频图像背景分成高光区、中等亮度区及暗光区,然后利用分区映射对不同亮度区分别进行增强。为了加强观察者对动态目标区域的视觉感知,基于区域亮度平均方法对运动区域作了进一步增强,以解决动态目标与增强背景不协调等现象。算法能够获得比传统视频增强技术更好的感知和亮度保持效果,可以直接运用到实时视频处理应用中。     

基于改进的Vibe算法在视频监控入侵检测的研究

视觉背景提取(Vibe)算法在复杂背景下的入侵检测比较容易出现明显的问题,主要表现形式是鬼影和空洞现象。本文提出一种改进的Vibe算法可以融合彩色空间下的像素距离模型,并对运动目标进行形态学处理。实验结果表明,对于复杂背景的视频监控场景,文中的算法达到了理想的检测效果。     

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。     

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。