基于视频的人体异常行为检测与识别

提出了一种运动目标检测算法,通过三帧差分法,可以从视频图像中提取出运动目标的轮廓.通过三帧差分法分别对人体正常行走和人体摔倒两种行为进行检测,提取出人体在两种行为的运动过程中的特征.提出一种基于改进Hu矩不变性的人体异常行为识别算法,对人正常行走和摔倒两种行为进行识别.正常行走是正常行为,摔倒则为异常行为.实验证明,该方法对在本研究的实验环境下的正常行走和摔倒两种行为识别率很高,有一定实用价值.     

基于对称帧差和分块背景建模的无人机视频车辆自动检测

为了从广域的视角准确全面地识别交通流信息,针对无人机视频提出了基于对称帧差和分块背景建模的车辆自动检测方法.首先,对视频图像进行4×4降维处理和灰度化处理,并人工勾勒出感兴趣区域(ROI),以降低图像维度,划定检测区域;其次,利用对称帧间差分法提取ROI中的运动目标,并在此基础上应用分块背景建模获得背景图像;然后,通过背景差分初步提取车辆信息;最后,基于形态学处理等方法消除噪声,实现车辆识别.此外,提出了针对车辆识别算法的正检率、重检率、漏检率和错检率4个评价指标.基于150帧无人机视频图像对算法进行测试,结果表明:算法具有较高的正检率(均值92.29%)、较低的漏检率(均值7.31%)与错检率(均值0.39%),而重检率为0.     

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.     

一种基于多区域信息融合约束的改进帧间差分目标检测与跟踪算法

针对帧间差分法在目标细节识别上较为粗糙的缺点,提出一种优化改进的目标检测与跟踪算法,构建两次区域限定与Kalman滤波算法融合的检测方法.首先通过提出的网格划分算法来获得动态感兴趣区域,仅在此道路的显著性范围内进行车道线区域的识别;然后依据车道线区域信息与建立的道路区域掩模作为帧间差分的评价指标,提高算法的处理精度,并...     

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。     

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SIFT的车标识别算法

针对车标识别过程中匹配阈值难、识别速度慢的问题,提出一种基于尺度不变特征变换(SIFT)的特征匹配车标识别算法.利用SIFT算子对图像的视角、平移、放射、亮度、旋转等不变特性进行提取,并采用BP神经网络算法自主选取车标图像特征进行分类、匹配和识别.仿真实验结果表明,简单车标和复杂车标的识别率平均值均达90%以上,该算法识别速度较快、识别率较高,能满足实际应用的需要.     

动态环境下改进五帧差分的运动目标检测新算法

在噪声、光照变化和背景不断变换等动态环境下运动目标检测存在着误检、漏检现象.帧间差分法对动态环境有较强的适应性,但一般只能提取目标的轮廓,不能完全检测出目标,容易产生内容空洞和虚假边缘的现象.为此文中提出一种改进五帧差分法的运动目标检测新算法.该算法首先利用中值滤波对每一帧图像进行去噪处理,然后对去噪后的图像进行文中的五帧运算,最后通过新的动态阈值分割算法和数学形态学处理完成对运动目标的提取.实验结果表明,该算法的运算复杂度较低,可以检测动态环境下的运动目标,大大提高了运动目标检测的准确性.     

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。     

基于计算机视觉的无人机位姿估计

本文给出了无人机着陆过程中利用帧间图像提取的特征点进行无人机运动估计的算法。采用Shi-Tomasi-Kanade特征提取算法进行特征点的提取与匹配,然后建立视觉信息与无人机位姿的关系,通过对帧间图像单应性矩阵的求解,对无人机进行相对位置和姿态的估计。仿真结果表明,该算法能够有效地提高匹配速度,降低误匹配率,较好的估计无人机的相对位置和姿态信息。     

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。     

基于双特征融合的动态图像分析算法

为解决汽车碰撞实验过程进行测量和记录数据困难的问题,提出一种能从汽车碰撞动态图像中检测、识别和追踪标志目标的算法。该算法采用二值图像同或相关法分离出目标和背景;在找出感兴趣区域后提取相邻帧目标的坐标和纹理进行特征匹配;给出了对匹配量化值进行加权平均融合的策略,并由等错误率最小准则确定融合的最佳权系数;在融合量化值定义为相似度的基础上,通过决策阈值对相邻帧目标间的最大相似度组合进行识别;从而进一步提出了用同构映射原则来判断相邻帧目标的最佳配对。实验结果表明,该算法对相邻帧目标的配对准确率比传统单特征法提高5%,能更有效的对目标进行追踪。     

改进Camshift算法的DSP硬件实现目标跟踪方法

针对Camshift算法只对前一帧预测而导致的目标像素脱靶现象,以及目标像素在帧间位移较大的问题,本文提出一种改进Camshift算法的目标跟踪方法.该算法将加权背景直方图和贪心算法融入Camshift算法,利用贪心算法对前两帧图像信息进行处理,预测出目标在当前帧图像中的位置,再根据目标颜色概率,用Camshift算法找到目标的真实位置,最后在TMS320DM642(数字媒体应用的定点DSP)上对该文算法进行硬件系统的实现,并使用EDMA(增强型直接内存访问)方式和Cache技术对系统进行优化.实验结果表明,与传统Camshift算法相比,该文方法在背景与目标相近的情况下跟踪效果更佳,具有很好的鲁棒性和稳定性,适用于复杂环境下的目标跟踪.在系统实现上,优化后的系统平均帧率提升在3帧/s以上,增强了算法的速度.     

基于图像块填充的ViBe车辆检测算法

针对传统的Vibe检测算法(visual background extractor)在进行运动目标检测时存在Ghost区域的现象,提出了一种结合图像块的背景填充算法与帧间差分法的Vibe检测算法。此改进算法在初始化背景模型时,通过两帧相差获得运动目标所在区域;再通过相似性选择最优图像块对运动目标覆盖部分的背景进行填充;如此可重构完整的背景模型,有利于后续帧的检测。实验结果表明,与传统的Vibe检测算法相比,改进算法可以有效抑制Ghost现象的产生,使算法的检测性能有所提高。     

基于颜色的粒子滤波非刚性目标实时跟踪算法

非刚性目标的跟踪与分析在计算机视觉领域引起了很多学者的关注.基于颜色的粒子滤波实时跟踪算法主要是利用视频图像的颜色直方图信息,综合考虑运动预测和帧间的相似性来确定目标的位置.提出一种改进粒子滤波算法并将其用于基于颜色的非刚性目标的实时跟踪问题中.仿真实验表明,本算法在保证跟踪准确度的同时,可以满足实时跟踪的要求.     

复杂维修场景下飞机机号的定位识别方法

针对在复杂维修场景下飞机数量较多且体积庞大,无法实现准确高效的识别跟踪目标飞机的问题,提出基于YOLOv4目标检测的飞机机号识别算法,该方法首先利用YOLOv4检测算法获得飞机机型和预测框图像信息,然后通过图像处理算法实现飞机骨架细化,并依据机型获取飞机机号位置信息,最后利用OCR(optical character recognition)识别出目标飞机机号信息。实验结果证明,该算法实现了对飞机机号的识别,准确率为75%,帧率为30帧,可达到实时性的目的。     

一种基于改进帧差法的运动目标检测

针对视频中的运动目标离摄像头较近时由于形状的变化而导致目标边界测定不准确的问题,在帧间差分法的基础上,提出了一个求精运动目标边界的算法。先用得到边界值计算目标中心点,再对视频中的运动目标进行运动距离和速度的检测,并在Matlab中进行仿真。实验结果表明,该算法对帧差法的结果进行求精后,得到的运动目标的状态值更接近于实际情况,改进的算法更适合于视频中运动目标形状变化较大的情况下进行运动目标状态的检测。     

基于帧差法与Mean-shift算法相结合的运动熔滴识别与跟踪方法

为了对焊接视频图像中的运动熔滴进行自动识别与跟踪,针对熔滴图像为灰度图像且背景单一的特点,提出了一种基于帧差法与Mean-shift算法相结合的方法.利用帧差法对视频图像的前2帧进行差分处理,获取目标窗口和中心位置并进行标定,以解决Mean-shift算法需要在起始帧手动框取目标的问题;结合基于灰度直方图的Mean-shift算法确定下1帧的目标模板位置,以实现对运动熔滴的自动识别与跟踪.结果表明,所提出的运动熔滴识别与跟踪方法能够对熔滴图像进行自动识别与跟踪,且具有良好的鲁棒性和实时性.