基于背景差分法和帧间差分法的车辆运动目标检测

针对背景差分法和帧间差分法在检测车辆运动目标时存在阴影的问题,提出一种结合背景差分法和帧间差分法去除阴影的车辆运动目标检测算法.首先采用均值法从图像序列建模获取背景,通过背景差分法对当前帧进行差分得到背景差分图,二值化得到二值图.然后利用改进Robert算子对二值图与背景差分图进行边缘检测.最后通过对两张边缘图像进行帧间差分,得到去除阴影的车辆运动目标.     

自适应背景下的运动目标检测

智能视频监视就是实时地观测被监视场景的运动目标,如人或车辆等,并且分析描述其行为.在数字视频监控系统中,从视频流里捕获出序列图像并进行实时运动检测是一项重要的功能.采用基于自适应背景相减法的运动目标检测,并结合数学形态学的方法来进行特征提取.该方法由于增强了边缘检测技术,所以有效地提高了检测水平.     

一种鬼影及边缘传播抑制的ViBe目标检测算法

针对在目标运动检测中ViBe算法容易产生鬼影、缓慢移动的目标容易融入背景样本模型等问题,提出一种改进的ViBe算法,首先在使用ViBe算法检测到运动目标后,利用迭代自组织分析算法的阈值分割来进行鬼影判别;其次利用改进的Canny算子获得图像的边缘特征,当ViBe算法在更新目标边缘的背景样本模型时不对其邻域的样本模型进行更新,从而使得缓慢移动的目标融入背景样本模型的时间得以延长;最后通过形态学处理获得完整的运动目标.实验结果表明,与传统ViBe算法相比,本文算法在有鬼影的情况下能更快获得较高的检测准确率,在有缓慢移动目标的情况下准确率的下降时间更晚.     

联合熵流与边缘算子的红外运动目标检测

针对复杂背景下红外目标检测问题,提出一种联合熵流与边缘算子的红外运动目标检测算法.该算法分4个步骤检测目标:首先将熵流作为一种图像运动描绘子,通过熵流确定含目标运动的区域;其次运用Canny算子检测含背景和目标的边缘;然后联合两者捕获背景成分急剧降低、近似精确的目标边缘图像;最后计算边缘图像聚类中心,依据亮度、熵流约束进行区域生长,识别红外目标.对于海空背景下的红外目标图像,实验结果表明该方法能准确地检测、定位目标.     

改进型自适应差分算法

本文就在复杂背景下的运动目标检测,对传统的帧间差分法和背景帧差法进行改进,对Canny算子检测边缘检测运动目标和增加计数器来对背景模型实时更新的基本算法进行改进,对他们的缺点进行改进,同时引入了中值法提取的背景作为初始背景,大津法进行目标分割,再结合集合关系。将得到的两种二值化图像进行与运算,最后利用图像形态学滤波得到准确的运动目标。     

基于帧差法与边缘信息的红外目标检测算法研究

根据红外序列图像中运动目标具有连续性和一致性,本文提出了帧差法和边缘检测相结合的检测方法。首先采用连续帧间差分法处理图像得到运动区域,然后对当前帧进行canny边缘检测得到边缘信息,两者检测结果相与得到运动目标边缘;最后进行形态学运算得到精确的目标边缘。仿真结果表明,该方法克服了帧差法和边缘检测的不足,对复杂背景下的运动目标能够进行准确检测。     

自适应背景下的运动目标检测

智能视频监视就是实时地观测被监视场景的运动目标,如人或车辆等,并且分析描述其行为。在数字视频监控系统中,从视频流里捕获出序列图像并进行实时运动检测是一项重要的功能。采用基于自适应背景相减法的运动目标检测,并结合数学形态学的方法来进行特征提取。该方法由于增强了边缘检测技术,所以有效地提高了检测水平。     

基于边缘特征的背景建模和去抖动方法

 针对户外监控系统中存在的背景复杂变化及摄像机抖动等问题,提出了一种利用背景边缘信息进行背景建模及去除摄像机抖动的方法。首先,对一段视频序列进行边缘检测,提取出可靠的背景边缘;然后,对处在背景边缘附近的复杂区域建立高斯混合模型,而对其他相对简单的区域建立时间平均模型,兼顾了检测精度和计算代价;再利用可靠的背景边缘信息消除因摄像机的抖动而出现的虚假目标。实验结果表明,该方法在检测速度上比单独采用高斯混合模型提高了50%,在摄像机抖动时能很好地降低虚警率,可用于复杂场景的运动目标检测。     

基于边缘检测与码本模型的运动目标检测算法

传统的码本模型能够快速完整的检测出运动目标,但检测出的运动目标边缘不准确,同时易受到阴影的干扰。针对这一问题,本文提出了基于边缘检测与码本模型的运动目标检测算法。该算法在码本模型提取运动目标的基础上,利用基于YCrCb色彩空间的阴影去除算法消除阴影;然后根据Canny边缘检测算子和形态学闭运算获取运动目标的边缘轮廓。将阴影去除得到的运动目标与边缘检测得到的边缘轮廓进行“与运算”,得到最终的运动目标。经过实验仿真,本算法能够提取边缘轮廓准确和完整的运动目标, 同时能有效的抑制噪声。     

基于混合高斯模型的运动目标检测算法

针对摄像机在静止条件下的自适应运动目标检测,提出一种改进的运动目标检测算法。首先,针对高斯混合背景建模初期背景建模效果不理想的问题,利用统计的方法得到背景模型,根据背景图像建立高斯混合模型;在模型学习方面,为均值与方差设置了不同的学习率。针对传统的LBP算子的缺陷,提出了一种改进的纹理特征算子,将其与HSV颜色空间去阴影的方法相结合,从而实现对阴影的检测与去除,利用随机Hough算子对圆的检测原理,在运动目标检测的基础之上,实现对人头的边缘检测。实验结果表明:该算法可以很好地检测出运动目标,并能够有效去除运动目标包含的阴影区域,从而实现人头区域的检测。     

基于改进的自适应混合高斯背景模型的车辆检测方法

针对静止摄像机条件下运动车辆的检测问题,提出一种改进的自适应混合高斯背景模型的方法.该方法初始时通过三帧差分法判断运动目标所在区域,运用提出的区域背景更新算法生成初始背景图像,然后在Stauffer等人提出的自适应混合高斯背景模型的基础上融入帧间差分和背景差分相结合的方法用于判定运动目标区域和背景区域,通过对背景区域和运动目标区域设置不同的学习率来更新背景模型,提高了模型的收敛速度.实验结果表明,同传统检测方法相比,改进的算法能较快地初始化背景模型并能有效地检测出运动车辆,有较强的鲁棒性和较好的自适应能力.     

融合改进帧差和边缘提取算法的运动目标检测

针对帧差算法检测运动目标存在的目标边缘缺失和空洞的问题,提出一种将改进帧差和基于改进Canny算子的运动目标边缘提取方法相融合的运动目标检测算法.首先,使用帧差法快速检测变化区域,并通过面积阈值判断是否进行当前帧的检测以提高算法实时性;其次,在运动目标边缘提取中,提出一种基于改进Canny算子的运动目标边缘提取方法提取...     

运动车辆阴影的快速检测算法

针对室外交通监控系统遇到的环境光性质变化等问题,提出一种运动车辆阴影快速检测算法.算法首先根据局部阴影模型,利用亮度比判据进行阴影初检测,然后根据动态边缘投影估计得到的车体位置剔除伪阴影,最后根据亮度比统计直方图对亮度比判据阈值进行自适应更新.为验证算法的有效性,分别在不同监控场景、不同日照情况下,对车辆阴影检测进行了实验.实验结果表明:该算法检测速度快,精度高,不受光源性质变化造成的颜色漂移现象的影响,能准确剔除阴影,适合室外环境下的车辆动态检测.     

鹰眼系统运动目标特征参数精确提取算法

鹰眼系统在赛场上可对球类运动轨迹进行跟踪和记录并在辅助裁判对边界球的判罚中起着重要作用,然而由于网球提取过程存在目标小、飞行速度快、光照变化、广告字符以及其他的运动物体影响的问题,网球特征参数提取精准度有待进一步提升。针对这些问题,提出了一种鹰眼系统运动目标特征参数精确提取算法,该算法利用网球色彩一致性较好的特点,根据彩色训练获取网球色调的范围,在HSV色彩空间中对网球图像进行颜色分割,减少背景图像的干扰,采用帧间差分与混合高斯模型融合算法对网球图像进一步分割获取运动目标,对分割后的二值图像使用Sobel算子提取边缘信息减少后续目标圆检测的运算量提高效率,采用Hough圆变换检测轮廓边缘信息完成网球圆心和半径参数的精确提取。实验结果表明,该特征参数提取算法拟合准确率高、相对偏差小,具有一定的实际应用价值。     

一种背景自适应的运动目标检测算法

鉴于传统混合高斯模型背景更新的不足,融合边缘检测、帧间差分,提出一种背景自适应的运动目标检测算法。该算法利用Sobel算子提取图像的边缘信息,采用了三帧差分法把每帧图像分为背景区域、背景暴露区域以及目标运动区域,对背景暴露区域、背景区域以及运动区域采用不同的背景更新策略。实验表明,算法对缓慢运动物体、光线突变及背景融入等条件有较好的适应性,能够有效地检测运动目标。     

基于目标检测的激光雷达道路边缘检测算法

道路边缘检测是自动驾驶车辆环境感知的重要组成部分,有效地从点云数据中提取道路边缘信息,有利于进行目标检测以及可行驶区域检测。针对点云道路边缘检测问题,提出了一种考虑车辆等道路参与者对道路边缘检测带来干扰的解决方案。首先,采用地面点云分割算法,将原始点云分割成地面点云和非地面点云;其次,根据车辆等道路参与者的固有特性,采用点云聚类算法对点云进行聚类,并将符合车辆等道路参与者特性的非地面点云进行滤除;再次,根据道路边缘点云在二维平面内,能够有效的遮挡激光发射中心点与非道路边缘点之间的连线,从而提取道路边缘点云;最后,采用随机抽样一致性(random sample consensus,RANSAC)算法对道路边缘点云进行多项式拟合,并使用扩展卡尔曼滤波器对道路边缘进行跟踪。实验结果表明,所提点云道路边缘检测算法能够消除车辆等道路参与则对点云道路边缘检测的影响,且算法满足实车实时性和鲁棒性要求。     

改进局部二值模式算法与Camshift结合的目标跟踪方法

为解决视频实景监视系统中因场景光照、阴影及远距离小目标跟踪易丢失问题,提出一种改进局部二值模式(local binary patterns, LBP)算法与Camshift结合的目标跟踪方法。利用LBP算子纹理和颜色对阴影不敏感的特性,采用改进的LBP算子与高斯混合模型结合进行背景建模和目标检测,以抑制阴影的干扰;同时将LBP算子的纹理和颜色融入Camshift算法中,结合Kalman滤波进行目标运动状态的预测,最终实现对监视场景中运动目标的可靠、稳定跟踪。采集行人、车辆及航空器等不同类目标进行实验,验证了本文方法不仅能够稳定、精确地跟踪运动目标,同时可适用于场景雾天低能见度条件下的目标跟踪。