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。     

雾霾天气下运动目标检测技术研究

雾霾天气的频繁出现使运动目标检测受到了很大影响。为提高雾霾天气下运动目标检测质量,研究了当前去雾算法和运动目标检测算法。针对雾霾天气下可见度低、运动物体模糊的情况,比较了当前的去雾算法,使用性能优良的基于暗通道的去雾算法对图像进行去雾,然后对处理过的图像序列进行光流法计算,完成运动目标检测。将基于暗通道的去雾算法和光流算法相结合,应用于雾霾天气下的运动目标检测,以提高检测质量。通过Matlab仿真表明,改进方法比直接通过光流算法检测的效果更好。     

基于智能视频监控系统的运动目标检测和跟踪研究

运动目标检测和跟踪技术是视频监控系统中的两大关键技术,本文以智能视频监控系统研究为基点,介绍了智能视频监控系统的兴起及组成部分、运动目标检测与跟踪算法的基本作用原理,阐述了基于智能视频监控系统的运动目标检测方法和运动目标检测方法的实现,分析了包括基于均值偏移的跟踪算法、基于粒子滤波的跟踪算法、融合Mean-Shift的粒子滤波跟踪算法在内的运动跟踪方法,对于后期智能视频监控系统的运动目标检测和跟踪研究具有一定的指导意义.     

基于OpenCV图像处理的支撑剂颗粒圆度和球度检测方法

为提升检测效率和检测精度,提出了基于OpenCV图像处理的支撑剂颗粒圆度和球度检测方法。该方法使用OpenCV算法,综合考虑图像的背景颜色和图像中颗粒的多样性等各种因素的影响,优化处理算法,提高检测有效性和图像处理效率。在检测过程中,新出现的影响因素还可对算法进行优化,具有很好的可调节性。将检测数据与标准模板相比较,结果证明该检测方法具有可行性和有效性,为支撑剂颗粒的圆度和球度检测提供了新路径。     

基于SVD的改进混合高斯模型弱小运动目标检测算法

为了在提高弱小运动目标的检测准确度的同时满足实时性要求,提出了一种基于SVD的改进混合高斯模型弱小运动目标检测算法。针对普通混合高斯模型阈值选取没有针对性的问题,运用基于奇异值分解(SVD)的动态阈值调整更新方法,提高混合高斯模型对弱小运动目标检测准确度。实验结果表明,该算法能够准确、高效地检测特定弱小运动目标。     

基于OpenCV的指纹提取算法与实现

目前,OpenCV函数库的应用越来越广泛,将其运用到数字图像处理中解决一些图像处理问题,能够提高图像处理的有效性。而常用的大津算法容易造成图像细节丢失的问题,为了解决这些问题对大津算法进行了改进,使其能够在不均匀光照、图像模糊的情况下很好地对图像目标进行分割,结果准确,实现简单。使用OpenCV函数库实现一个指纹提取算法,该算法利用改进后的大津算法得到最佳阈值,用最佳阈值对图片进行分割处理。利用面向对象Vc++6.0编程工具进行仿真实验,结果表明,基于OpenCV函数库的指纹提取算法是有效的,提高了指纹提取的准确性,贴近真实图像。     

基于Kalman滤波算法的运动目标跟踪系统建模与仿真

鉴于传统的跟踪算法鲁棒性和实时性不足,构建了一种基于Kalman滤波的运动目标跟踪系统。对于运动目标的跟踪,此系统先采用背景差分法检测目标位置,再使用Kalman滤波算法估计目标位置。通过建模仿真,结果表明,该算法能较好预测运动目标的位置,实现了对运动目标的实时跟踪。     

一种应用于大型综合实验的运动目标识别与跟踪方法

介绍了一种基于NM I特征的目标识别与跟踪算法,与基于图像灰度的跟踪算法相比,该算法利用运动目标的NM I特征值,避免了背景亮度变化对目标识别和跟踪的干扰,具有实时性好、抗干扰性强的特点,适用于复杂背景下的运动目标检测和跟踪。     

一种基于对称差分的运动检测算法

用于数字视频监控系统中运动物体检测的算法是一种基于三帧差分法的对称差分运动目标检测算法。实验表明,这种算法对于光照、背景内容的变化不敏感。该算法能够有效地检测出图像中的运动物体。     

一种针对人体运动目标的Mean-Shift跟踪算法

针对传统的Mean-Shift目标跟踪算法在跟踪人体运动目标时的不足,提出了一种基于Mean-Shift目标跟踪算法的人体目标跟踪方法。该方法首先利用人眼视觉阈值效应和区域生长法检测目标,再用Mean-Shift跟踪算法对目标进行跟踪。实验表明该方法大幅提高了人体运动目标的跟踪精度。     

基于Android的人脸识别系统设计与实现

人脸识别是公共安全领域的研究重点。随着移动互联网的快速发展,移动式终端人脸识别应用日益广泛。探讨人脸识别在Android系统中的实现以及用户个人信息保护,包括人脸检测、特征提取和特征识别。首先,通过分析比较,采用基于Adaboost的算法检测人脸,基于PCA的特征脸算法实现特征提取和特征识别。然后,分析相关研究现状以及技术可行性,选择OpenCV计算机视觉库来实现人脸检测和人脸识别。最后,通过JNI调用本地OpenCV代码实现个人信息保护。该系统具备手机人脸解锁、程序锁、偷窥者记录查询和远程查看偷窥者信息等功能。     

基于图像差分的背景差分算法改进及实验数据分析

针对交通视频中车辆移动检测问题,结合交通视频镜头相对固定、实时性强的特点,研究了基于图像差分运动目标检测算法中的背景差分算法,在真实的环境中对运动的目标区域完成实验检测,然后对检测数据进行分析,在背景估计和背景更新算法上做了相应的改进。通过对实验数据的观察和分析,背景差分法在交通视频车辆移动目标检测中具有较好的适用性和通用性,能较好地对交通视频车辆移动目标进行检测。     

基于AdaBoost算法与改进帧差法的动态行人检测

针对传统基于HOG特征与AdaBoost算法分类器在目标检测中存在检测速度慢、误差率大的问题,提出一种基于改进帧差法与AdaBoost算法相结合的动态行人检测方法。帧差法是运动目标检测的一种算法,能够将运动中的区域很好地显示出来。改进的帧差法不再单一使用一个阈值,而是利用多个阈值,以更好地分割出检测行人,再通过分类器进行多尺度检测来确定目标。该方法减少了传统HOG特征的检测时间,能够更快地找出感兴趣区域,并提高检测速度和误差率。     

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。     

一种改进的视频运动目标检测算法

为了克服帧间差分法和HS光流法在运动目标检测中的缺点,提高视频运动目标检测准确性,提出了一种将改进的三帧差分法和基于灰度梯度优化计算的光流法相结合的运动目标检测算法。首先利用改进的三帧差分算法对图像进行预处理,使用最大类间方差法对图像进行二值化,获得全局二值化阈值,得到准确度较高的运动目标区域;然后利用优化灰度计算的光流法处理,排除光线等因素的干扰,从而更加准确地提取运动目标区域。实验结果表明,该方法能够有效提高运动目标检测的准确性。     

基于多层关联目标跟踪的视频浓缩算法

针对银行监控系统中监控视频信息冗余度高、浏览效率低等问题,提出一种基于多层关联目标跟踪的视频浓缩算法。该算法首先通过基于聚类的目标检测算法获取运动目标,其次将检测结果通过多层关联目标跟踪,获取运动目标的运动轨迹,并将目标图片和视频信息结构化保存在本地,最后将这些目标重新组合整理,回贴到背景图片上得到浓缩视频。实验结果表明,通过该算法得到的浓缩视频,能够在不丢失视频信息的前提下,减少存储空间,节省硬件成本,缩短浏览时间,提高相关人员的工作效率。     

基于目标运动信息的Mean Shift跟踪算法研究

目标跟踪是计算机视觉实践课程中学生选课率最高的实验项目。针对传统Mean Shift跟踪算法无法克服复杂环境下背景颜色干扰的问题,提出一种基于目标运动信息的Mean Shift跟踪算法。通过引入显著性检测MSS算法,实现对传统MOG(混合高斯模型)算法的改进,并利用改进的MOG算法,检测场景图像中的运动目标信息,对Mean Shift框架下的目标模型进行加权描述,提高目标和背景的区分度,减少背景信息对目标定位的干扰。实验结果表明,改进算法可以对视频流中的运动目标进行较准确的实时跟踪。     

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。     

一种基于自适应阈值的运动目标检测方法

针对视频监控系统,论文提出了一种基于自适应阈值的运动目标检测方法。通过帧间差分与背景差分相结合来检测运动目标。差分图像二值化时,利用自适应阈值算法来得到最佳阈值。实验结果表明该方法具有很好的实时性、有效性和鲁棒性。     

基于视频的运动目标检测跟踪模型的应用研究

本文采用了一种运动目标存在情况下的背景重建算法,能较好地抑制外界环境变化带来的影响。该运动目标检测算法通过一定数量帧的学习、统计,找到各坐标点像素灰度等级的分割阈值。在对当前帧图像进行背景差分后,分割出运动目标区域。若存在运动目标,则根据串行边界跟踪算法获得运动目标轮廓。获得边界后,模型将绘制方框显示运动物体,并发出警报。该运动目标检测模型用VisualC＋＋给予实现。