大背景噪声下动目标实时检测方法研究

提出用帧间方块编码差值法和领域综合法提取运动目标。第一种方法是把当前帧方块的二值图像像素编码值与前帧对应的二值图像像素编码值求差值，由差值检测运动目标；第二种方法是检测２×２方块内各像素的帧差值符合位和帧差绝对值，由二判别是否运动像素。与普通帧差法相比，提高了抗噪度，改善了运动目标的边缘特性，减少了硬件量。检测算法可以以视频速率工作。实验结果表明，所提出的检测方法是有效的。     

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.     

基于模板匹配的运动目标快速检测与跟踪

在图像跟踪系统中，运动目标的快速检测与识别是至关重要的．通过分析视频序列图像的特点，并结合帧差法和多分辨率图像匹配的优点，提出了一种基于模板匹配的快速检测识别目标的方案．实验结果表明，该方法能快速有效地识别目标，基本上达到了实时跟踪的要求．     

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.     

基于图像对称差分运算的运动小目标检测方法

提出了一种基于图像对称差分运算的运动小目标检测新方法．该方法以连续三帧序列图像为一组处理对象,先进行绝对差运算,再作均值滤波,保证了算法能很好地检测出复杂背景中的低信噪比、运动小目标;单帧二值图像处理以及基于运动轨迹连续性的目标检测后处理,可以在保证系统检测概率的前提下减少目标检测的虚警概率．实验表明,该方法性能比图像差分法要好,与累积图像差分法相差无几,且硬件实现容易．     

基于分块帧差的视频图像运动检测

在常用的图像运动检测方法基础上提出了一种改进的运动目标检测算法,即将连续2帧差图像和背景差图像直接相乘,再将相乘的结果进行二值化处理得到运动检测结果,从而将运动目标从背景图像中分离出来,最终得到视频序列图像中运动存在与否的一个二值运动模板,提高了运动检测的效果。     

基于MATLAB的运动目标检测研究①

基于MATLAB工具对运动目标的检测进行了研究,利用改进的帧差算法对获取的图像做帧差并将帧差图像做自适应阈值分割,然后自适应滤波去燥,最后利用逻辑与运算将两幅二值化图像合并成一幅图像,利用形态学腐蚀和膨胀的检测方法,提取运动物体的轮廓达到检测运动目标的目的。     

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RGB颜色空间的矿井运动目标检测及跟踪方法

在研究灰度平面帧差法的基础上,提出了一种基于RGB颜色空间色变帧差法的运动目标检测方法,算法对彩色视频帧在RGB 3个平面上分别进行相邻两帧帧差计算,比较每个像素点RGB 3个平面像素值的变化是否同向并分别进行叠加计算,所得帧差图像中的运动目标图像更清晰、噪点更突出,使前景图像与背景图像更容易分离,后续的二值化、滤波、填充及膨胀腐蚀等形态学处理更加容易。在Labview软件平台上,采用上述算法与Camshift算法联合实现了对矿井运动目标的检测和跟踪。现场测试结果表明:该联合算法可以完成对矿井运动目标的实时、准确检测与跟踪,还可与矿井现有安全生产监测监控系统实现联动,可最大限度地确保矿井生产安全。     

一种改进的基于光流的运动目标检测方法

针对传统的基于梯度的光流方法一般不能检测出帧间位移小于1个像素的运动目标,提出一种改进的基于梯度的光流计算方法．该方法使用了一种新的3D-Sobel算子计算像素的时空梯度,并增加置信判断算子来确定每个像素对应的光流场,改进的梯度计算过程需要5帧图像．实验结果表明：在静止背景的图像序列中,该方法比传统方法能更好地检测出以不同速度运动的目标．     

背景移动补偿技术的研究

研究利用背景移动补偿方法消除运动图像相邻帧相减造成的背景杂波,从而把复杂背景下运动目标的识别问题转化为简单背景下的目标识别问题。利用背景中特征较为明显的区域进行模板匹配,得到背景的运动数据,依据此数据将相邻帧图像错位相减。将差分图像中的背景杂波去掉,只剩下运动物体的边缘和高梯度区域,有利于目标的识别。背景移动补偿实验结果表明该方法是行之有效的。     

一种新的运动点目标检测方法

常规运动目标检测中所用图像都是基于二维空间坐标的序列图,文中根据运动点目标与静态背景的特性,采用一种新的图像表示方法,以时间和空间为坐标,描述的时空图像能较直观地反映运动目标与静态背景的差异,易于实现目标与背景分离。通过实例处理表明,时空方法能更有效地从复杂背景中检测出低信噪比的运动点目标,抗噪声干扰能力强。     

一动一静双基地SAR动目标检测方法研究

针对一动一静双基地合成孔径雷达(SAR)系统,提出了一种多通道双基地SAR动目标检测与速度估计方法;并且在杂波对消后利用目标幅度或相位信息,得到了运动目标径向速度和位置偏移量估计的解析表达式.仿真中利用卫星平台作为发射机、平流层飞艇平台作为接收机,验证了算法的正确性.     

静态背景中运动目标的检测与跟踪系统

给出了系统的整体设计流程,采用背景减法完成目标检测与跟踪;针对不同应用领域,提出了基于时间的背景模型建立法和改进的累加平均背景模型建立法,对背景更新采用了手动更新与自动更新相结合的方法;利用全局阈值与分割因子的乘积作为阈值对减法结果进行二值化,实现图像分割;在目标检测时提出了检测区域的概念,针对不同应用领域,预设了运动目标模型;采用相邻两帧同一运动目标的距离差和面积差相结合的方法实现目标跟踪。     

雷达低可观测目标探测技术

 复杂背景下稳健高效的低可观测目标探测始终是雷达信号处理领域的研究热点和难点。一方面,强杂波背景和目标复杂运动使得信号微弱,时频域难以区分;另一方面,传统雷达体制回波信号资源受限,难以实现对目标信号的精细化描述,亟需发展雷达目标探测新体制和新技术。本文归纳总结了低可观测目标探测面临的技术难点,系统回顾了常用的雷达动目标检测方法,最后从目标探测技术和手段两方面对雷达低可观测目标探测的发展进行展望。     

分数阶傅里叶变换在合成孔径雷达目标识别中的应用

本文通过分析合成孔径雷达动目标回波线性调频特点,采用分数阶Fourier变换对合成孔径雷达动目标进行检测,对其多普勒参数进行比较精确的参数估计,并通过理论分析和模拟计算证明该方法的有效性。     

机载广域监视SAR地面运动目标检测和参数估计方法

提出了一种机载广域监视SAR地面运动目标检测和参数估计方法.首先,基于斜视SAR的空间几何模型推导了地面运动目标成像的特征,得出运动目标不仅在方位向发生偏移,而且在距离向也会产生位移;然后,利用子孔径方法实现杂波抑制和运动目标的检测;最后,提出了广域监视SAR模式下运动目标的参数估计方法,并得到了该模式下运动目标的成像轨迹.计算机仿真验证了本文提出的机载广域监视SAR系统可以实现运动目标的检测和目标运动轨迹的形成.     

一种基于改进单高斯模型的运动目标提取方法

单高斯模型常用于室内场景或环境较为简单时的背景建模,适用于单模态背景情形,具有快速性和相对准确性。基于单高斯模型在运动目标检测中存在的缺点,提出了一种改进的单高斯背景建模方法。依据先验知识,为每一个像素点设定一个计数器来进行历史前背景点判别信息的统计,进而建立起一种"防欺骗"机制来防止背景点的误判,有效地抑制了传统单高斯模型中的拖影和前背景误判等现象。实验结果表明,改进方法在前景提取效果上有着显著的提高,背景形成更为准确.自适应和防干扰能力得到了增强,有效的防止了前背景点的误判。     

基于YOLO改进算法的远程塔台运动目标检测

远程塔台由于其低成本高时效远程实时控制技术正越来越受到民航业界的青睐,其中运动目标自动检测和显示是远程塔台的核心技术,作为增强现实技术更好地为管制员提供服务。本文在分析了远程塔台机场场面背景复杂、场面目标多为远场景、小目标等特点基础上,提出了一种改进的YOLO算法来实现远程塔台运动目标的检测,算法核心思想以Darknet-53为基础网络,多尺度预测边界框,以运动目标图像坐标（x,y）的偏移量作为边框长宽的线性变换来实现边框的回归,改善了传统YOLO算法损失函数不同大小的边框未做区分的问题,提高了检测准确性和速度。机场真实数据实验表明,该算法能快速、准确的检测出远程塔台的运动目标,并准确的回归运动目标边框及分类。     

基于视觉的智能移动机器人的运动目标检测与跟踪

目的扩大机器人的目标搜寻范围,并对运动目标进行跟踪。方法提出了将运动背景下运动目标的检测方法应用于机器人目标检测与跟踪,并使用基于视觉的目标跟踪方法。结果机器人在运动状态下仍然能够进行运动目标检测。结论移动机器人能够在运动过程中准确地检测出运动目标,并有效地提高了目标检测的能力。