一种实用的背景提取与更新算法

针对几种传统算法运算复杂、实时性差、得到的背景易失真等不足,本文给出了一种实用的背景提取及更新算法.通过平均法求系列图像的均值和平均差值,之后去除差异大的点,然后再次求平均得到初始背景.背景更新时,利用三帧差分和自适应阈值法得到当前帧的二值图像,并考虑前景目标后更新得到新的背景.实验表明,上述算法所取得的背景效果良好,并可快速有效地对背景进行更新.     

基于背景更新的运动车辆检测算法研究

在基于视觉的智能交通系统中,运动车辆的检测是最基础也是最关键的步骤。目前运动车辆检测中最常用的方法是背景差分法。该算法的关键在于背景图像的获取,由于背景图像的动态变化,为了有效的对车辆进行检测,需要对背景进行实时更新。因此,提出了一种新的基于像素点灰度值变化的自适应更新背景的算法,该算法在背景变化的情况下,能实时地修正或更新当前背景图像,再结合差分法与阈值化分割出完整的运动目标。通过实验证明了算法的有效性和实时性。     

应用神经网络动态估计信号交叉口饱和流率

为了实时掌握信号交叉口饱和流率动态变化规律和提升估算精度,构建了以神经网络为基础的饱和流率动态估计模型.通过对北京市典型信号交叉口3种场景(直行进口道、直行左转进口道、直行右转进口道)实测数据为研究对象,分析每种场景下交通流运行特征,确定影响饱和流率的关键因素,确定神经网络模型的输入输出参数,并对模型进行标定.最后与经...     

基于视频的运动目标跟踪算法

为更加准确、 快速地检测与跟踪到运动目标, 将背景差分法和帧间差分法相融合对 CAMSHIFT (Continuously Adaptive Mean-SHIFT)算法进行改进。 首先, 通过背景差分法和帧间差分法相融合确定目标所在 区域, 然后结合 CAMSHIFT 迭代算法实现目标跟踪。 实验结果表明, 该方法改变了传统 CAMSHIFT 算法需手 动选定目标和跟踪窗容易发散的局限性, 并提高了跟踪的准确性与稳定性。     

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。     

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.     

信号交叉口饱和流率和启动延误的影响分析

针对我国城市中典型的信号控制交叉口，从实地调查的角度出发，在现有的道路几何条件和交通条件下，对信号交叉口不同车道宽度时的直行车道饱和车头时距进行现场测定．通过编写计算机程序对数据分析处理，给出饱和车头时距的分布、初始时距分布、饱和流率估算值及其单个周期内的启动延误估计；深入考虑了车道宽度对初始时距、饱和时距、饱和流率及启动延误的影响，给出了车道宽度与饱和时距、饱和流率的关系模型，并对模型中给出的结论与美国的HCM2000（道路通行能力手册）中的结论作了进一步的比较分析．     

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。     

基于环形线圈的道路交叉口车辆拥堵饱和自动清空研究

道路交叉口交通高峰期经常出现某一方向车辆拥堵饱和导致整个交叉口交通瘫痪,存在型环形线圈车辆检测器对道路交叉口中央车辆的存在进行检测,通过型环形线圈车辆检测器对拥堵交通流下游车辆通过率进行检测,将两种检测器的检测结果结合,改变道路交通信号灯指示,对车辆拥堵饱和交叉口的车辆自动清空,根据车辆拥堵时间长短,调整原来交通流放行,并将通行权重新分配。自动清空路口是一种解决交叉口车辆拥堵的有效方法,可以提高交通高峰期道路交叉口的通行效率。     

融合背景信息的改进粒子滤波跟踪算法

为消除传统粒子滤波算法在跟踪目标受到相似背景干扰和遮挡时,容易造成跟踪误差增大或跟踪失效的影响,提出融合背景信息的改进粒子滤波跟踪算法.利用对数似然函数将背景信息融入目标模型,并将目标分为多个子区域增强目标模型的可靠性,有效克服了相似背景对目标的干扰;然后存储一定时间的历史轨迹信息,通过最小二乘法进行拟合并预测下一帧目标出现的位置,有效克服了遮挡对跟踪的影响.实验结果表明,该算法比传统的粒子滤波算法具有更强的抗背景干扰能力,在遮挡情况下也有更好的跟踪精度.     

一种自适应的背景模型建立方法

在背景差分法的运动目标监测中,背景通常用前m帧图像的平均值来估计,m的取值决定着背景估计的准确性,该值太大实时性差,太小准确性差.本文提出一种自适应估计最小m值的方法,先计算不同m取值下估计背景的标准差δ(m);然后寻找δ(m)序列的第1个最小值,对应的m值为估计背景所需最少帧数,此时背景为最佳背景模型.实验结果表明该方法对不同环境下获取的图像序列有较好的适应性,能使用最少帧数建立背景模型,为后续的运动目标检测奠定基础.     

任意两个多边形的求交算法

对Ａ．Ｍａｎｇｅｎ的算法进行改进，使之在计算机辅助排样应用中效率更高，通用性更强。     

一种新的背景模型建立及更新方法

提出一种新的建立背景模型和更新背景的方法．首先采用一种新颖的类Hausdorff距离建模方法建立初始背景，然后对每一输入帧使用背景差分法获得前景，并利用高效分类器创造性地将前景分类为运动目标、静止目标、虚假目标、噪声，最后在背景更新阶段使用基于前景目标的背景更新方法．实验结果表明，本方法能建立可靠初始背景，并能有效地解决背景更新“死锁”问题，增强背景模型的鲁棒性．     

智能交通监控系统中的自适应背景更新算法研究

在基于视觉的交通监控系统中，场景图像的分割即背景与前景目标的分割是车辆检测中的第一步，在整个处理中占有很重要的地位，它的准确性直接关系到后继工作的难易程度，甚至整个系统的成败，该文提出一种自适应背景更新算法，此算法能更简单、更鲁棒地实现分割。     

一种改进的基于平均背景模型的运动目标检测算法

通过实验仿真分析探讨了基于背景差分法的两种运动目标检测算法(平均背景模型法和codebook 模型法)的性能和存在问题,并在此基础上提出了一种改进的平均背景模型的算法.算法采用当前图像与背景相减后差分图像的灰度直方图进行阈值的选取,同时引进新的背景更新方法,由分割得到的前景图像来控制背景更新的区域,实验结果表明,改进后...     

基于动静背景下的视频对象自适应提取算法

在MPEG-4标准中提出了VOP(Video Object Planes)的概念,可以通过VOP实现基于内容的操作。这样,从场景中自动地分割出视频对象就成为基于对象视频编码的先决条件。为此,提出一种基于动静背景下的视频对象自适应提取算法。该算法可以自动提取动态背景、静态背景,也可以在视频序列中出现背景和对象都停止变化时实现视频对象的提取。同时,该算法引入了视频前景和背景预处理,克服了由于视频图像对比度低造成的提取出的部分视频对象轮廓不完整的问题。     

基于图像块归类的背景重构算法

为了降低图像序列运动目标检测中背景重构的时间复杂度和空间复杂度,提出一种基于子图像块归类的背景重构算法.在假设背景图像块以最大概率出现在图像序列中的前提下,选择编号频率最高的图像块作为背景图像块进行背景重构.在运动目标有较长的暂时停顿情况下,即观测长度较长时利用该算法进行实时背景重构具有明显的优点.仿真结果表明,该算法能够准确地重构背景,并有效地避免混合现象,从而实现对运动目标的完整提取,以便进一步识别或跟踪.     

基于差分均值背景提取和矩阵分区目标检测算法的研究

为提高对车辆图像的检测程度和实时性,针对智能交通系统,通过对实时路况的信息采集和视频图像的处理,提出了一种基于差分均值的背景提取计算方法和矩阵分区域的阴影检测方法,最终得到一个视频车辆的检测原型,从而实现对运动车辆的检测.实验结果表明,此种方法简单、计算量小、鲁棒性高,能快速地提取出背景图像,检测出比较完整的车辆阴影,可满足多运动目标的实时检测要求.