基于视频流的运动人体检测方法研究

提出一种基于对称帧间差分与背景减除相结合的运动目标检测和自适应背景更新方法.该方法首先建立背景模型,采用帧间差分法将当前帧图像分别与其相邻两帧图像相比较得到运动目标前景部分,并将三帧中变化率小于某一阈值的像素点以一定的更新率实时更新到背景模型中.同时,采用背景减除法对所建立的背景模型进行前景提取,将两种方法所获得的前景图像进行融合,再通过数学形态学运算去除噪声及小面积非人体运动部分,最终得到完整可靠的运动人体二值图像.实验结果表明该方法准确高效,能很好地克服光线的影响,提高监控系统的稳定性.     

一种改进的三帧差分运动目标检测

针对当前常用运动目标检测方法易受到光照和噪声影响、不易提取完整运动目标,提出一种改进的三帧差分运动目标检测算法.首先取连续三帧图像,对前两帧进行滤波及边缘提取,将提取结果进行异或运算,保留前两帧之间不同的边缘信息,然后对后两帧图像进行差分二值化,并进行膨胀处理,粗略得到运动目标,最后将该结果与异或结果进行与运算即可得到较为完整的运动目标边缘图.实验表明,该算法简单易行、可实时检测、能有效提取出运动目标边缘,改善了差分法常出现的运动目标信息丢失问题.     

基于三帧差分及Canny算子的运动目标提取

针对目前常用的运动目标提取方法易受到噪声、光线变化的影响,很难提取出完整的运动目标这一问题,提出一种基于三帧差分和Canny边缘检测相结合的运动目标提取算法.该算法首先对连续三帧图像进行差分;然后对差分结果其进行区域填充,得到运动区域;再对当前帧进行Canny边缘检测得到边缘图像,二者相“与”得到运动目标的精确边缘图像;最后通过区域填充得到运动目标图像,从而实现运动目标的提取.实验表明,该算法可以实时有效地将运动物体从图像序列中提取出来.     

基于液面分割的安瓿内漂浮小目标检测算法

为了检测出安瓿瓶内的弱小漂浮目标,提出了一种基于液面边缘分割的检测算法。首先计算序列图像的前三阶Legendre正交矩值,选取合适的判断阈值参数来获取液面边缘;然后利用局部曲线拟合修复边缘断点得到完整的边缘;最后分割出液面区域并作序列图像的帧间差分运算,获取漂浮小目标的运动轨迹。实验结果表明:相对于传统的帧间差分法,该算法很好地去除了液面噪声,能够提取弱小漂浮目标的运动轨迹,满足在生产中对漂浮目标的提取和快速识别的要求。     

基于混合差分法的运动目标检测

为了提高背景重建速度和目标检测精度,提出了基于混合差分的运动目标检测方法.采用一种基于统计模型的区域像素级背景重建方法.结合帧差分法对于环境的适应性和背景差分法目标检测的准确性.首先用帧差分法得到目标最大的可能区域,在该区域进行像素级背景重建.然后用背景差分精确提取目标区域.既克服了单纯帧差分对于目标运动速度的限制,又缩小了背景差分的区域,使运动目标检测的时间复杂度迅速降低.通过实验,验证了该方法在检测精度和速度上的优势,可以应用于视频监控和目标跟踪领域.     

基于改进的区域背景实时更新的目标检测

针对静止摄像机条件下运动目标的检测问题,提出了基于改进的区域背景实时更新的目标检测算法,该方法首先对连续的三帧图像分别做帧间差分并将差分图像二值化,运用改进的线段编码的方法对二值化后的差分图像进行扩充以填补由帧间差分引起的空洞,然后用当前的二值化差分图像减去前一个二值化差分图像,差值为负的区域就是背景应该实时更新的区域,最后用传统的背景差分法就能检测出运动目标.实验结果表明,该方法不仅能在一直有运动物体的视野内获得完整的背景图像,而且背景的实时更新也能有效的减小噪声和突然进入摄像机视野的物体的干扰,有较强的鲁棒性.     

基于帧间差分和背景相减的运动目标检测和提取算法研究

对比分析了常用的图像目标检测算法,根据其各自优缺点,提出了基于帧间差分和背景相减相结合的运动目标检测和提取算法。详细介绍了基于上述算法的运动目标检测的全过程,并准确地检测出了运动目标。通过对实验结果进行分析表明,该算法既避免了背景相减法因背景变动导致的目标提取不准确,又避免了帧间差分法的运动目标不完整,能够有效去除噪声和阴影,具有良好的检测效果。     

融合帧间差分法和ViBe的运动目标检测算法

针对ViBe(visual background extractor)算法中经常出现的"鬼影"现象,提出一种融合帧间差分法和ViBe算法的运动目标检测算法。首先采用帧间差分法和ViBe算法对视频序列连续三帧分别做运动目标检测;然后对两个相互独立的检测结果进行逻辑运算并更新背景模型;最后对运算结果依次执行开运算、闭运算,从而得到准确的运动目标区域。选择3种常见环境下的视频序列进行试验研究,结果表明我们提出的这种算法可以有效去除"鬼影",具有良好的鲁棒性和实时性。     

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。     

一种运动车辆阴影去除的新算法

文章提出一种改进运动车辆阴影去除新算法,首先通过帧差获得车辆和阴影的轮廓图像,然后对轮廓点应用离散K-L变换解除R、G、B分量的相关性,并运用颜色聚类检测出阴影区域,最后用帧差法产生的运动车辆图像与获得的阴影图像差分得到去除阴影的运动车辆,实验表明该方法能够更好地实现运动车辆阴影的去除。     

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。     

基于背景重建的序列图像车辆目标检测方法

针对静态摄像条件下视频序列图像,提出一种基于背景重建的序列图像车辆目标检测方法.该法先选取一帧图像存入背景缓冲区,然后根据当前帧图像与前一帧图像、背景图像的差分信息对背景缓冲区的背景进行更新.通过运动区域检测、噪声去除、连通单元标记、目标提取、阴影检测等处理,能获取完整的车辆目标区域.实验结果表明,该方法快速、准确,具有较好的实用价值.     

智能视频监控中高效运动目标检测方法研究

针对智能视频监控中的运动目标检测技术,提出了通过帧间差分法重建背景图像,辅以背景差分法分离当前帧图像中的背景点和运动目标点,然后通过滤除非连续运动目标点来减少误识率的方法.采用自适应背景更新方法,使背景每隔一定的时间间隔更新一次,以达到理想的分割效果.     

带种子补偿的时空背景差分高速公路车辆检测算法研究

提出一种带种子补偿的时空背景差分高速公路车辆检测算法.由于高速公路场景的特殊性,首先基于混合高斯模型的背景差分、相邻帧差法以及邻域背景差分法的结合消除光照变化、场景扰动对检测结果的影响;然后通过基于HSV颜色空间的阴影消除判断并消除被误检为车辆的阴影;最后通过跟踪种子补偿去除差分方法造成的空洞.实验验证,论文提出的方法能有效去除光照变化、阴影等环境因素的影响,提高车辆检测的准确度和识别率.     

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。     

基于高斯金字塔的运动目标检测

针对自然环境下运动目标检测背景动态变化问题,提出一种新的基于高斯金字塔模型的背景差分算法.首先将图像序列进行多尺度分解,得到不同分辨率下的当前帧和背景帧;然后,在不同分辨率下采用高低双阈值进行背景差分运算,得到双阈值产生的2帧前景图像,阈值根据环境自动获取;最后,将各层差分图像自顶向下融合检测感兴趣的运动目标,并在HSV空间中去除阴影.背景模型的初始化和更新方法基于2种假设:一是背景点出现的概率较大;二是距离当前帧越近的点越能真实地描述背景.研究结果表明:该算法能有效地应用于动态背景环境下,可以克服光照变化及阴影的影响.多个标准图像序列的测试证明了该算法具有较高的准确性、鲁棒性和自适应性,时间复杂度低,可以运用于实时检测系统中.     

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.     

基于边缘特征的汽车运动阴影去除算法

首先设计了一种新的预处理流程,去除非阴影及车辆区域的边缘;其次,对边缘图像进行填充,得到运动部分的轮廓边缘图;最后,建立边缘擦除法则,擦去阴影部分的边缘,并对边缘图进行填充,得到最终的去除了阴影的目标图像.算法的核心是将前景图像中的阴影边缘从目标边缘上分离出来,着重解决了实际应用中经常出现的目标轮廓图边缘和实际阴影轮廓边缘不重合造成阴影边缘无法去除的问题,同时很好解决了多个前景目标因阴影而粘连的情况.大量实际道路视频图像的测试表明,本算法去除阴影效果好,有较强的实际应用价值.     

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。     

复杂场景下运动车辆实时动态自适应检测方法

针对复杂交通场景中运动车辆检测方法存在的局限性,提出了一种基于自适应背景与改进动态阈值相结合的运动检测算法.基于当前帧与背景相减得到的差分图像,利用自适应阈值选取方法分别对差分图像的三个颜色通道进行二值化,从而实现运动目标的精确检测.根据检测结果,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,该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.而且算法计算量小,具有良好的鲁棒性与实时性品质指标,能够很好地满足智能交通监控系统中运动车辆实时检测技术要求.