一种改进的ViBe运动目标检测算法

为抑制传统ViBe算法在检测运动目标时产生的"鬼影",提高监控视频运动目标检测的准确性,提出了一种改进的ViBe运动目标检测算法。该算法采用连续相邻的多帧图像序列代替传统ViBe算法中第一帧图像,构建背景模型,从根源上解决传统ViBe算法在运动目标检测中存在的"鬼影"问题。利用Canny边缘检测算子和形态学运算相结合的方式准确完整的提取运动区域,降低算法的复杂度且减少运动区域的提取时间。提出一种背景模型更新策略判定条件,提高背景模型的质量,消除高频扰动对运动目标检测的影响,从而实时保证运动目标检测的准确性和鲁棒性。实验结果表明:经过4种算法的对比,改进的ViBe算法能够有效的抑制鬼影,且在高频扰动的情况下能较好的适应动态背景,显著提高运动目标检测的准确性。     

基于Vibe和三帧差法的目标检测算法

运动目标检测是智能视频监控中的关键问题.Vibe是一种典型的运动目标检测算法,但是这种方法存在对鬼影消除速度缓慢以及对全局光线变化的抗干扰性差等缺点.本文提出一种改进算法,改进Vibe的背景模型更新机制,引入三帧差法作为参考帧,提升了消除鬼影的速度和背景模型的稳定性.提出一种全局光线抗干扰策略,降低了全局光线对目标检测的干扰,并通过实验验证了本文算法的有效性和可行性.     

一种改进的ViBe鬼影抑制算法

为了提高交通监控的准确性,针对传统ViBe算法存在鬼影问题,提出了一种V-ViBe算法的改进方案。该算法利用连续的图像序列代替单帧图像,构造出"虚拟"背景图像,改进了传统ViBe算法初始背景模型建立方法。利用形态学相关知识消除干扰目标,使检测目标更加完整。实验表明:V-ViBe算法从第一帧即可有效消除鬼影对目标车辆检测的影响,在不改变ViBe算法优势的前提下,显著提高了检测的准确性。     

基于视频图像处理技术的车流量检测系统的设计与研究

交通车流量参数检测作为智能交通系统的重要研究内容之一,其能够精准并迅速地统计车流量,这对智能交通系统的控制提供了一定的参考与保证.以视频图像处理方式为基础,测量了车流量,研究了统计算法,通过运用k-均值聚类建模的车辆目标检测算法,即使在背景条件不断变换的情况下,也可以达到对背景图像进行实时更新的目的,快速准确地对其中的运动目标进行分割.最后采用了VC++开发工具和OpenCV图像开发包进行检测系统设计,通过对拍摄的交通视频文件进行测试,证明效果显著.     

基于改进ViBe算法与三帧差法的运动检测算法

针对ViBe(visual background extractor)算法存在的鬼影和漏检问题,文章提出了一种基于改进ViBe算法和三帧差法的运动目标检测的方法。首先针对ViBe算法检测结果存在鬼影的问题提出一种改进的方法,改变ViBe算法中仅通过第1帧建立背景模型的方式;该文在前5帧中每个像素点的邻域随机选取4个像素点建立一种具有时间和空间信息的背景模型进行运动检测,并采用"或"类型三帧差法做"或"运算改善漏检的问题;然后对显著性检测结果做"与"运算去除过检点以提高运动目标检测的准确性;最后进行适当地后处理得到最终的检测结果。该算法能够去除噪声、抑制鬼影以及减少空洞点,实验结果表明能够快速并准确地检测出运动目标。     

面向运动目标检测的ViBe算法改进

背景差分法是静态背景下运动目标检测的常用方法,ViBe算法是它的主要建模方法之一.针对ViBe算法对鬼影消除缓慢的问题,提出了结合帧间差分技术的ViBe改进算法,使用帧间差分技术通过记录相关像素值的时域变化来判断鬼影像素,提高消除鬼影的速度.针对ViBe算法的固定阈值不能反映每个像素具体情况的问题,提出了一种自适应阈值的方法,可根据像素值的变化为每个像素设定阈值,提高前景检测的准确度.实验结果表明,结合帧间差分技术的ViBe算法能够较快地消除检测结果中的鬼影,应用自适应阈值的ViBe算法能够更准确地进行前景检测.     

融合混合高斯模型和阈值自适应的改进Vibe算法

针对传统的Vibe算法在运动目标检测的初期存在"鬼影"现象,以及对于其复杂环境适应性不强的问题,提出了一种改进的Vibe算法。在背景建模及初始化阶段,通过结合图像形态学处理并融合混合高斯背景模型消除"鬼影",并在背景更新阶段引入自适应的更新半径和更新概率来提高算法精确度,使得算法可以适应多目标复杂环境。实验结果表明,在保证一定实时性的前提下,本文改进算法可快速有效地消除"鬼影"现象,并具较强的复杂环境适应性,为运动目标实时检测提供了重要参考。     

一种改进的运动目标检测

针对现有方法在复杂的环境下不能很好地检测出运动物体的问题,提出了一种改进的基于混合高斯模型的背景消减法检测运动目标.改进了背景模型的更新算法,提高了背景更新速度.利用帧间差分法消除了"鬼影"问题,同时采用动态阈值分割算法,提高了准确性.实验结果表明,该算法能很好地提取出运动目标.     

一种改进视觉背景提取（ViBe）算法的车辆检测方法

视觉背景提取(visual background extractor,ViBe)算法应用在车辆检测时存在一个比较明显的缺点,即当视频第1帧中存在待检测的移动车辆时,在后续帧的车辆检测过程中,对应第1帧中车辆的位置处会出现鬼影并且鬼影会持续一段时间才会彻底消失,从而干扰后续帧的检测效果。提出一种改进的ViBe建模方法,新方法在前n帧中实现初始模型的初始化,并结合ViBe算法的更新方法进行模型更新。在不同分辨率、不同场景的视频中对原算法和提出的改进方法进行对比实验,实验结果表明,在第1帧中不包含车辆和包含车辆2种情况下,提出的改进的算法都能有效地检测出移动车辆且不会产生鬼影的问题。因此,改进方法比原算法更有效和实用。     

一种运动背景下视觉注意辅助的目标检测方法

针对运动背景下序列图像中前景目标难以准确检测的问题,提出了一种视觉注意辅助ViBe算法的目标检测方法.首先利用提出的"记忆窗"随机抽样一致性算法估计出背景运动模型,再将补偿后的帧图像送入视觉显著性辅助ViBe算法进行目标检测,其中背景更新因子由图像的二维熵和显著性共同决定,同时,显著性特征也被用来对"鬼影"效应进行滤波抑制.实验结果表明,在缺乏运动前景目标的先验知识的情况下,本方法能够有效地解决通常方法对运动背景中的目标难以甚至无法检测的问题,并且具有较高的鲁棒性和检测效率.