一种自适应背景差分运动目标检测算法

运动目标检测是运动行为理解的前提,也是安防系统研究的热点、难点问题。在分析现有检测算法的基础上,针对背景更新模型不准确、分割阈值难以选取等问题,提出了一套自适应背景差分运动目标检测算法。算法包括：基于像素相关区域灰度曲率特征的背景更新模型,基于直方图统计的动态阈值,改进型区域生长的运动目标标识。实验表明该算法能较好解决光照变化所引起的背景更新以及不同环境下阈值选取等问题。     

一种基于改进码本模型的背景分割算法

针对原始码本模型算法参数多且难以设定、背景模型更新缓慢、背景容易被误判为前景目标等问题,本文提出一种改进的码本模型背景建模算法。该算法以像素点的均值和方差作为码本背景中码字的参数,用高斯正态分布判断该像素值是否匹配某个码字,采用以码字出现频率为参数的动态更新率来更新高斯正态分布中的均值及方差;采用两层的背景建模技术添加与删除背景码本中的码字;并增加频率阈值来判断某个像素值对应的码字是否添加入/删除出背景码本模型或缓冲区码本模型。实践证明,该算法能在复杂的场景下准确的分割出运动目标,且快速实用,能应用于实时视频图像处理中。     

改进的码本模型背景建模算法

针对原始码本模型算法参数多且难以设定、背景模型更新缓慢、背景容易被误判为前景目标等问题,本文提出一种改进的码本模型背景建模算法。该算法以像素点的均值和方差作为码本背景中码字的参数,用高斯正态分布判断该像素值是否匹配某个码字,采用以码字出现频率为参数的动态更新率来更新高斯正态分布中的均值及方差;采用两层的背景建模技术添加与删除背景码本中的码字;并增加频率阈值来判断某个像素值对应的码字是否添加入/删除出背景码本模型或缓冲区码本模型。实践证明,该算法能在复杂的场景下准确的分割出运动目标,且快速实用,能应用于实时视频图像处理中。     

复杂场景下自适应视频前景提取算法

针对目前基于背景建模的前景提取算法在复杂场景中误检率高以及鬼影融入背景模型慢等问题,提出一种复杂场景下自适应视频前景提取算法。在前景检测阶段,利用背景模型中样本之间最小欧式距离的均值衡量背景动态波动程度,自适应调整像素点的半径阈值,从而抑制在光线变化,树叶晃动等场景中产生的拖影和噪声点;在更新背景模型阶段,根据物体的运动速度自适应选择一次更新背景模型中样本个数,加快因首帧存在运动目标和物体运动状态变更而产生的鬼影融入背景模型。实验表明,相比其他代表性算法,改进算法在加快鬼影融入背景模型和抑制背景动态干扰方面均有较好的表现,且提升了准确率、召回率,降低了假正率。     

基于三帧差分混合高斯背景模型运动目标检测

针对混合高斯背景模型运动目标检测的光照突变误检以及突然运动目标的“鬼影”问题,提出了一种基于三帧差分的混合高斯背景模型运动目标检测算法。通过图像前景检测比例判断光照是否发生突变,利用三帧差分法对图像的背景区域、运动区域和背景显露区域进行划分,并根据光照情况及时改变各区域的学习率以调节混合高斯模型背景迅速更新,设计了基于三帧差分的学习率自适应混合高斯模型背景更新的方法。该方法使光照突变及目标突然运动后产生的新的背景模型得到迅速更新,从而改善这两种情况下运动目标检测效果。实验结果表明,该算法避免了光照突变时的大面积误检现象,并且同时解决了突然运动目标的“鬼影”问题。     

相机抖动场景下的运动前景检测算法

前景检测是视频监控中信息提取的关键,而相机抖动造成背景边缘的像素极易误检为前景像素,降低前景检测的精确度.为此,提出相机抖动场景下一种基于运动信息的前景检测算法:分析二值图像中候选前景点的运动信息,构建非参数的背景运动信息分布模型;计算候选前景的运动信息与背景模型的概率似然性,由自适应的阈值控制来确定真实前景,该自适应阈值由Mean-shift及信息熵算法共同确定,可以克服单个的全局阈值对场景变化适应能力差问题;针对检测到的前景点和背景点的运动信息,采用首进首出的策略更新背景运动信息分布模型,提高模型对场景实时变化的适应性.实验结果表明,该算法具有良好的鲁棒性,能有效地检测相机抖动场景下的运动前景.     

融合空域信息的码本动态背景相减算法

背景动态纹理是导致传统背景相减算法性能下降的一个重要因素。为了区分背景动态纹理导致的图像运动与真实目标导致的图像运动,同时确保目标检测的完整,对码本编码的过程引入空间位置信息,实现近邻像素间码本模型的共享。这样不仅利用了动态背景的时间准周期行为,还兼顾了它们的空间准周期行为。在保证检测率的基础上,降低了虚警的产生。实验结果证实了提出算法的有效性。     

运动目标分割中的自适应背景建模方法

背景差法是视频图像序列中运动目标分割的重要方法。为了解决背景中光照亮度渐变和背景物体移动等问题，提出了基于动态信息窗口(DTW)的自适应背景更新算法。根据像素的动态变化信息决定更新策略。利用该方案实现了人体检测系统，并且在室内和室外进行了实验。实验结果表明所提出的方法不仅能自适应地更新背景模型，而且较其他方法能更有效地消除阴影。     

参数自适应去阴影前景目标检测算法

针对前景目标检测中出现的对动态背景适应力不佳、受鬼影及阴影干扰严重的问题,提出一种改进的视觉背景提取(ViBe)算法.首先,通过像素点的动力学模型和闪烁程度来衡量场景的动态程度,并以此自适应更新像素分类和背景模型中的关键参数;然后,利用鬼影的视觉显著性和静止不动的特点,快速找出并消除隐藏在背景模型中的鬼影像素;最后,针对在HSV颜色空间下创建的阴影候选区域,结合移动阴影的纹理不变性,使用LBSP纹理特征进行检测并去除阴影部分.实验结果表明:本文算法的前景检测准确度与错误分类率都要优于经典算法,适用于多种场景下的前景目标检测.     

基于融合邻域信息的海面运动目标检测

运动视目标检测是视频信息处理的重要研究课题之一.本文提出了一种基于高斯混合模型邻域信息融合的海面运动目标检测算法.该算法融合了背景差分和背景邻域信息差分,充分利用同一幅图像的像素邻域信息得到运动目标的种子点,认为高斯背景差分图像中包含种子点的连通区域为真实前景目标.实验表明,该方法可以避免背景模型在构建或更新阶段对场景的表征不足或错误而造成的误检,对强光下的海杂波也有良好的抑制作用,且对不同的气候环境有较好的鲁棒性.     

融合码本和纹理的双层视频背景建模方法

基于背景建模的运动目标分割是智能视频监控的重要任务,模型的质量直接影响到检测、跟踪、识别等运动分析的准确性.当前的建模方法多是单层的,忽略了像素特征在时域和空域上的联系,模型描述不够准确,对于背景扰动、全局光照变化及复杂的室内外场景等多种情况鲁棒性不强,导致了分割中出现空洞和噪声点.针对这些问题提出了一种双层建模的方法,在第一层提取时域上的像素亮度特征采用码本建模,第二层提取邻域纹理特征采用基于中心对称的局部二值模式建模.实验证明该方法在用于运动分割时,比常用方法具有更好的准确性和鲁棒性.     

空时自适应混合高斯模型复杂背景运动目标检测

为克服传统基于单像素建模方法存在的缺陷,解决复杂背景下的运动目标检测问题,将视频图像序列的空间信息引入背景建模过程中,研究了邻域更新、二维联合直方图信息熵判别、空时平滑等方法.采用引导滤波方法对视频图像进行预处理,以消除图像噪声,并保留图像中目标的边缘信息,给出了算法处理流程和实现步骤.在不同的评测数据库及现实捕获的视频图像上进行了定性及定量实验,结果表明,本文提出的算法在目标检测准确度和完整性等指标上优于传统的同类型算法,为复杂背景环境下的运动目标检测提供了一种新的解决方法.      

基于目标检测和图割的多目标跟踪算法

多目标跟踪是智能视频监控中的一个具有挑战性的问题.提出了一种基于运动目标检测和图割理论的多目标跟踪算法.首先,利用码本模型对背景建模,检测运动目标.然后,令一个标签对应一个目标,建立能量方程,把多目标跟踪问题转化为能量最小化的组合优化问题.最后,构造网络图,利用最大流-最小割算法寻找最优解.实验结果表明,所提算法能够处理新目标的进入和原有目标的离开,对多目标之间的遮挡具有较强的鲁棒性.     

一种快速运动目标检测算法

运动目标检测是智能视觉监控系统的重要组成部分,其主要功能是检测监控场景中的运动目标,为高层运动分析提供必要的信息。文章提出一种快速运动目标检测算法,以帧差法和背景减法为基础,快速实现背景提取、背景更新、运动目标检测的功能。实验结果表明,该算法计算量小,检测目标完整,能够满足实时监控系统的要求。     

基于视频的人体运动肢体检测

要实现对视频中人体动作的捕捉和分析首先要提取出人体的运动肢体,当视频中背景和人体姿态比较复杂时,帧差法、光流法等传统的运动目标提取方法并不能准确检测出人体运动肢体的轮廓.在帧差法基础上,提出了动态区域边缘点保留法来获取运动区域的边缘点集,并根据人体先验知识总结出一种边缘点整合的算法,用于对运动区域的边缘点集进一步处理,得到了人体运动肢体较为完整的轮廓.实验证明,该方法可以较好地解决背景干扰和人体及服饰的非刚性问题,比较准确地检测出人体运动肢体的轮廓.     

基于静态背景下的视频多目标运动物体的提取

为了对静态背景下的多目标运动物体提取,提出了一种基于差分方法的多运动目标提取,首先获取运动框架,有利于消除噪声,得到时空融合图后,进行形态处理,并运用新的填充算法,该算法可以一次性的快速填充所有的运动物体,节省了时间.实验证明,该方法简单有效.     

基于对称差分算法的视频运动目标分割

提出一种视频运动目标分割的改进算法, 该算法综合帧间差分算法及背景减算法获得的信息分割运动物体, 利用对称差分算法获得中间帧运动目标的轮廓信息, 以该轮廓的外接矩形为分界, 再对其外部进行动态背景更新处理, 并对其内部进行减背景运算. 实验结果表明, 该改进算法解决了帧间差分算法在运动物体缺乏足够表面纹理时, 易产生空洞和边缘缺失的问题, 具有计算速度快、 抗噪声能力强和分割效果好等优点.     

小波分析在视频检测中的应用

针对复杂背景下机器视觉系统中运动目标的检测,提出一种基于小波分析的运动目标检测方法。首先,利用双Haar小波软阈值法,去除视频图像的噪声。然后,建立了一种基于小波变换的运动目标检测算法,直接在二进小波变换域提取运动区域,从而检测出运动目标。实验结果表明,本文方法可以有效地从图像序列中检测出完整的运动目标,而且在平滑噪声的同时还可以保护图像边缘细节不受损失,效果要好于传统帧差法。     

基于分区灰度投影稳像的运动目标检测算法

针对视频监控系统中,复杂环境引起摄像机抖动,造成运动目标检测不准确的问题,提出了一种基于分区灰度投影稳像的运动目标检测算法.首先对每帧图像进行分区,利用分区灰度投影算法对图像各分区的运动矢量进行准确提取和相关性分析,进行抖动判断,并对抖动帧进行运动补偿.然后利用高斯混合背景建模算法进行运动目标提取.最后对目标提取结果进行形态学处理,以进一步提高目标提取的精度.实验结果表明,本文算法较好地消除了场景中运动目标对运动矢量计算的干扰,实现了在摄像机抖动视频场景中的运动目标的准确检测和提取,大大降低了抖动视频目标检测的虚警率.