序列图像运动目标检测的一种快速算法

研究了序列视频图像中运动目标的检测与跟踪快速算法．研究基于Kalman滤波理论的渐消记忆最小二乘法，用该方法重建背景图像；采用图像差分算法提取运动目标；提出简化的等效灰度投影算法来计算目标的质心；采用记忆外推跟踪算法实现图像目标的跟踪，并且对全部算法做了仿真．仿真结果表明算法简单、有效、执行速度快、具有很强的适应性，能够用于单镜头序列图像中运动目标的检测与跟踪．     

一种改进的利用背景检测弱小目标的方法

提出一种基于背景检测弱小目标的改进算法.该算法通过双重预测窗,分别用来预测当前像素的背景灰度和真实灰度,不仅能解决传统预测算法的边缘模糊问题,而且适用于双极性目标的检测,运算速度更快,是背景预测算法的一个重要改进.在导弹视频实时跟踪中,检测的可靠性和稳定性要求目标检测算法既要克服边缘模糊问题,又能保证导弹在亮、暗背景下都能正常工作.针对导弹跟踪系统提供的实际图像的试验表明,提出的算法能快速准确地检测出目标.     

一种视频序列中运动目标的检测与跟踪方法

运动目标的监控与测量在汽车导航和智能监控行业中得到大量应用。本文提出了基于统计背景模型和灰度质心模型的运动目标检测和跟踪算法。在此方法中先建立背景的高斯模型,然后检测出场景中的运动目标,最后根据目标检测的结论,得到运动目标灰度质心的计算结果,并在坐标系中记录位置,采用最小二乘法拟合实现了对运动目标的跟踪。相应的实验结果表明这种方法能有效检测和跟踪运动目标。     

基于FPGA的静态背景下移动目标检测

基于现场可编程门阵列(Field Programmable Gate Arrays, FPGA)硬件平台和背景差分算法设计一个静态背景下的视频移动目标检测与跟踪系统,并详细给出系统的实现过程.检测结果表明:采用FPGA硬件实现系统设计,极大地提高了系统的处理速度,在静态背景下,可以实时、准确地检测和跟踪到移动目标.     

基于DSP与FPGA的靶标动态检测跟踪技术

针对靶场目标测试面临的测量目标小、距离远、目标与背景对比度低等实际问题,提出了基于DSP(Digital Signal Processing）与FPGA（Field Programmable Gate Array）的数字视频图像信息进行目标动态检测跟踪的方法。该方法采用了图像分割检测方法与目标跟踪算法,精确并快速地定位靶标十字的中心,从而实现复杂环境下运动靶标检测跟踪,提高了检测效率和精度。     

运动目标检测与跟踪算法的研究

运动目标检测与跟踪的算法一直以来是计算机视觉领域中的核心课题,也是智能视频监控中的关键技术。它主要是包含了图像处理、模式识别、人工智能等领域内的成果。着重研究运动目标检测与跟踪的算法[13],并通过编程实现方法的有效性。在运动检测方面,主要应用的算法包括背景差分法、帧间差分法以及光流法,指出了这些算法的优缺点以及适用范围。在运动目标跟踪方面,主要研究了特征匹配跟踪算法中的Mean Shift算法[19]。     

汽车智能驾驶系统中运动图像的实时检测与跟踪

采用CCD摄像机获取运动目标图像序列,用基于背景重建的运动变化,对运动目标检测;通过运动分割并求运动梯度计算出物体运动方向;利用目标的短时相似性,完成对目标的跟踪与识别,并进而实现对目标长时间的稳定跟踪,确定目标的运动规律,实现运动图像实时检测与跟踪的目的.基于上述运动目标检测跟踪算法,利用C++编写了实时处理程序,实现了动态单目标、多目标及不同方向运动目标的检测与跟踪.实验证明,本算法可以实现对单运动目标和多运动目标的实时检测与跟踪,具有很高的鲁棒性,效果良好.     

基于嵌入式Linux的运动目标跟踪视频监控系统简

针对运动目标检测和出现严重遮挡时目标丢失的问题,提出了一种基于五帧差分和Surendra背景更新相结合的检测算法,同时设计了结合Kalman滤波和线性预测的MeanShift算法,引入了动态自适应窗口的CamShift算法,并提出了CamShift算法的全自动跟踪策略,减少手工选取目标引起的误差.在实现系统功能方面,搭建嵌入式交叉开发环境,通过相关应用程序的交叉编译实现了在嵌入式平台上目标跟踪的监控系统.实验结果表明,该文提出的算法跟踪效果相比传统的算法明显提高,所设计的视频监控系统运行可靠,改进后算法检测效果好,可以快速完整地提取出运功目标,并且进行稳定的跟踪.     

基于光流的运动目标检测与跟踪

采用经典的光流计算方法,对运动目标检测与跟踪。经仿真实验验证算法具有精度高,计算速度快的特点。将算法引入到序列图像的运动目标提取,可以比较完整地从背景中提取出运动目标,并能够稳定跟踪序列图像中的运动目标。     

空中“低慢小”目标检测跟踪算法的应用研究

由于目前空中“低慢小”目标存在无法快速、准确地检测和跟踪的问题，本文基于全景相机与变焦吊舱的多源信息融合方法，提出了一种检测跟踪方案。首先，基于YOLOv4-Tiny模型，本文在其颈部网络中引入坐标注意力机制，提出了YOLOv4-TCA算法，新算法所得的mAP较改进前提升2.3%。另外，本文利用间隔取帧手段，借助目标检测结果实时校正被跟踪目标尺度，改进得到AS-KCF目标跟踪算法。通过将上述算法应用到搭载全景相机和变焦吊舱的检测跟踪平台，实现了对空中“低慢小”目标的检测跟踪。实验结果表明，本方案目标重捕成功率较基线方案提升11.66%,目标重捕平均时间缩短2.6 s,具有一定的理论研究和工程应用价值。     

试论数字化背景下高校图书馆与院系资料室的整合及分工

分析了高校图书馆与院系资料室在数字化背景下的功能和特点,阐述了二者在发展过程中遇到的问题和不足,提出了高校图书馆和院系资料室整合与分工的设想,以提升其服务功能,更好地为科研教学服务。     

噪声特点分析在老电影声音数字修复中的应用

基于当前国内老电影声音修复的现状——声音数字修复中使用的去噪、编辑等工具需要人工干预的成分较多,导致声音修复效率无法有效提升.本文在数十部老电影声音数字修复的实践经验基础上,分别挑选20世纪50,60,70,80年代的多部老电影,从中截取数十段噪声样本,对其进行分类梳理和噪声声学特点分析,并对每段噪声给出当前常用去噪办法的说明.本文的研究内容为未来电影声音修复的算法研发及相关研究提供了一份真实可靠、具有借鉴价值的数据支持.     

图象动目标检测

提出一种用连续运动的三帧图像递推处理方法,检测出当前帧运动目标.处理前用特征向量相关背景配准算法对图像进行背景配准.还提出了一种快速去噪声并同时提取目标轮廓的算法.采用高速数字信号处理器TMS320C25研制的图像动目标检测装置,可实时对128×128的图像进行动目标检测处理。     

复杂交通场景中运动车辆的检测与轨迹跟踪

针对复杂交通场景提出一种基于高斯分布假设的背景图像自回归估计算法,该算法能同时适应白天和夜间光环境,实时性好.对于二值图像的分割问题,提出并论证一种新的连通标记算法,该算法只需遍历像素1次,因此时间复杂度达到了理论上的最小.根据运动车辆的随机过程特性,提出基于Kalman滤波的轨迹跟踪算法,给出状态转移矩阵和观测矩阵,并讨论初始状态矢量的获取方法.为了解决半遮挡混合图块的分割问题,提出了图像相似度的计算方法以及局部图块与全图块相匹配的思想.在实际道路上的实验表明,所提出的方法实用有效,其中车辆跟踪准确率达到95.63％.     

文化图式差异及其翻译策略——以《红楼梦》两英译本为例

文化图式与文化密切相关。文化的不同必然导致文化图式的差异。文化图式差异包括文化图式缺省和文化图式冲突,这两者是文学作品的翻译中无法回避的问题。本文主要讨论了文化图式差异,并以《红楼梦》的两个英译本为例,归纳两个译本在处理文化图式缺省和文化图式冲突时所采取的策略。     

一个多层次水产养殖信息管理系统的设计

以上海市水产养殖信息管理系统的开发为背景，在确定系统设计目标的基础上，提出了多层次的监管体制，设计了3个监管子系统的实现方案，实现了对上海市水产养殖全过程数字化监控的目标．     

一种基于Surendra背景更新的背景减除运动目标检测方法

针对监控环境下运动物体的检测,提出了基于Surendra背景更新的背景减除的运动目标检测方法.首先对视频图像进行灰度化并去噪,再建立一个可靠的Surendra背景更新模型,由背景消减法得到运动目标图像,最后图像进行二值化并采用形态学滤波和连通区域面积检测进行后处理,以消除噪声和背景扰动带来的影响.试验结果表明本文采用的基于Surendra背景更新算法的背景减除的方法,具有较好的实用性.     

基于邻域相关性的背景重构

 背景差法是一种重要的运动检测方法,当场景中背景被长时遮挡,并非总是以最大频率出现时,往往容易将前景错误地认为是背景,从而产生错误的重构,针对该问题本文提出了一种基于邻域相关性的背景重构算法.算法首先对输入数据进行排序;其次利用简单归类算法对排序后的数据进行分类;再次计算灰度类的出现频率,根据灰度类的出现频率得到像素的背景确定标识,并为背景不确定的像素选定候选背景;最后对背景不确定的像素循环执行背景确定程序,即基于像素邻域相关性,选择和邻域相似度最大的候选背景为像素的确定背景.为验证算法的有效性,对算法进行了多种场景的仿真实验,仿真实验表明,即使在背景被长时遮挡的环境中,算法仍能很好构建背景,从而有利于后续的运动目标检测、识别和跟踪.     

基于背景差法的运动目标检测

视频序列图像中,视频分割的主要目的是要在视频序列中分割出具有意义运动对象实体.背景差法能够很好地从一段视频中提取出运动目标.可靠的背景图像的提取是该算法的关键.表述了一种新的背景提取算法,利用图像序列的灰度统计特性来提取背景图像,并利用Surendra背景更新算法根据每帧图像对背景进行更新已获得可靠的背景.然后,将当前帧与背景作差,并对差值图像进行适当处理,这样运动目标就能够被精确地提取出来.     

一种基于动态背景的运动目标提取方法

为了实现旋转摄像头下运动目标的监控,提出了一种动态背景下提取运动目标的方法.在全局运动估计过程中,首先提取当前帧的特征点并将其离散化,然后以特征点为中心在当前帧和前一帧之间进行块匹配,其后用3σ准则除去误差块,从而得到全局运动估计量,并且在VC平台上实现了该算法.