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。     

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。     

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。     

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。     

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。     

基于视频图像的车辆目标检测算法

通过摄像机获取视频数据,利用运动目标检测的原理,从交通视频图像中提取车辆目标。常用的运动目标检测的方法:光流场、帧间差分、背景差分。本文使用背景差分中非常经典的Code Book算法来实现运动车辆目标的提取。最后,在VS2013和opencv2.3的开发环境中实现了该检测算法。     

一种新的基于背景差分的运动目标检测方法

针对传统运动目标检测方法存在的缺点和不足,提出了一种基于背景差分,融合多种检测方式,有效地克服了传统方法存在的误检和空洞等问题。实验结果表明该方法能够满足运动目标的实时检测要求。     

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。     

简单背景图像中的目标提取技术研究

为实现计算机的自我判别,能判别简单背景的静态图像(即单帧的图像)中的目标,进行目标锁定,提取目标,为动态的图像处理和真正的目标的选取打下基础.     

智能视频监控中运动目标检测技术

本文主要讨论分析了目前常见的几种检测运动目标的技术的特点与不足,提出了一种基于颜色和纹理特征的运动目标检测法,此方法结合图像颜色的地区性影像结构,可正确地区分背景的图像与运动目标。     

基于背景差分法的虚拟手术损伤区入刀点定位

在虚拟手术系统模型中,特别是脑外科手术中,由于背景图像色彩的非规则性和非均匀性,导致对脑部损伤区域的手术入刀切割点的定位不准,影响手术精度和效果。传统方法采用损伤区域差异特征信息提取方法实现入刀点定位,对脑部特征二维灰度图片缺陷边界的定位效果不佳。提出一种基于背景差分法的虚拟手术损伤区入刀点定位算法,构建了虚拟手术的总体结构模型,将背景图像和人体软组织目标图像划分为多个子块,基于直方图选择阈值对差分图像序列进行二值化,得到高斯虚拟人体器官解析模型。设计医学图像分割算法,采用背景差分技术确定手术器械与软组织发生碰撞的激励因子,快速获取碰撞点,实现对虚拟手术入刀点的准确定位。实验结果表明,采用该算法实现虚拟手术系统设计和图像重构,对手术过程中器官损伤区域切割入刀点定位准确,性能优越,视景效果较好,计算时间缩短,精度提高。     

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。     

基于动态背景的视频图像运动检测

在动态变化背景下,实际视频图像运动检测受到光线很大的影响。本文把帧差绝对值法改进成三帧差法,并提出基于三帧差法和背景减除法相结合的运动目标检测和自适应背景更新方法——动态三帧差法。它采用了动态更新策略,能够在正确获得运动目标区域的同时有效地抑制背景渐变的干扰。通过动态背景下检测运动飞机的实验结果,证明该系统性能稳定,检测效果较好,满足实时系统的要求。     

基于OPENCV平台的运动物体跟踪与轨迹生成研究

在比赛项目中,对运动员进行跟踪和分析,精确计算运动员的体能消耗和状态是十分必要的。一个新兴的交叉学科SportsIT,就是利用先进的计算机图形图像技术来分析各种比赛时运动员状态。在此背景下,利用OPENCV平台,实现运动物体的实时跟踪,生成轨迹和长度。实现了对艺术体操运动进行识别和追踪,生成运动轨迹。首先采用camshift方法进行跟踪,当遇到相似的背景导致跟踪失败时,采用帧间差分算法对运动物体再次识别,在出现多个候选运动目标中挑选出距离跟踪失败坐标点最近的运动目标,找回跟踪物体。     

加速鲁棒特征匹配模糊动态场景混淆去除算法

动态场景曝光图像较为模糊,混淆复杂,对动态场景混淆去除是实现基于动态场景图像识别的运动目标检测的关键。针对传统方法中模糊混淆点配准不精,去混性能不好的问题,提出一种采用加速鲁棒特征匹配的模糊动态场景混淆去除算法,设计图像序列块曝光生成模型和边缘检测算法,抑制运动场景混淆图像边缘凹点灰度特征和混淆干扰,设计并行处理的分块检测方案提高处理速度,采用加速鲁棒特征匹配方法实现混淆去除。实验结果表明,采用该算法进行模糊动态场景图像的混淆去除处理,特征匹配精度高,去除混淆效果较好,在色彩自然效果保持和实时性方面优越传统方法,在基于图像处理的快速运动目标识别和动态场景恢复等领域具有很好的应用前景。