视频运动目标检测方法的对比分析

针对视频运动目标检测领域的研究现状,对帧间差分法、背景建模法、图像分割法、聚类分析法、运动矢量场法等视频运动目标检测方法的算法适应性、复杂度等性能进行了对比分析.辅以典型的视频运动目标检测实例,比较了各种方法的适用范围与优劣特点,可为不同应用场合下视频运动目标检测方法的选择提供参考依据.指出了现阶段视频运动目标检测技术研发的瓶颈所在,以及在新的应用需求背景下所面临的挑战,并对进一步的发展趋势作了预测和评估.     

一种运动图像的检测与识别技术

提出了一套检测和识别视频序列图像中运动物体的算法．该方法在连续3帧视频图像中,分别在第1和第2帧之间、第2和第3帧之间作差分运算,根据未交化区域与运动交化区域服从不同的统计规律设计检测门限,对差分图像作运动变化检测和连通域的识别．将检测到的运动变化图像作去噪和空域分割后,再对得到的两幅差分图像作相与运算以确定运动图像的位置,最后再基于运动物体自身的灰度信患,恢复出完整的运动图像．该算法适于应用在实时视频监控场合,实验结果令人满意．     

基于RGB颜色空间的视频运动目标检测

为解决当前视频运动目标检测中检测精度不高以及视频颜色失真对运动目标检测的干扰问题,该文提出了一种改进的视频运动目标检测方法.比较了多种颜色空间下的运动目标检测算法,通过对视频的RGB(Red Green Blue)颜色空间建模,根据实际情况,对不同的颜色分量赋予不同的权值,提高了该颜色空间的真实性.同时,创新性地将神经网络与颜色空间结合,通过自组织映射,实现了对视频流数据中的运动目标检测.大量的实验结果表明,该方法对提高视频运动目标检测准确率有着显著的效果.     

基于关键帧背景更新策略的运动目标检测算法

近年来,视频序列图像中的运动目标检测在智能监控、视频压缩、自动导航、人机交互、虚拟现实等许多领域中的应用越来越广泛.论文提出了一种基于关键帧背景更新策略的运动目标检测算法,该算法采用视频序列中提取的关键帧作为背景,通过关键帧统计平均实现背景更新,结合矩阵像素差分和阈值判定来进行运动目标的检测.通过实验表明,本文提出的方法与典型的背景差检测相比,能够在一定程度上减少噪声的影响,提高运动目标检测的准确度.     

视频帧内运动目标复制-粘贴篡改检测算法

摘要： 提出了一种基于Lucas_Kanade(LK)光流及运动目标预检机制的视频帧内运动目标复制 粘贴篡改检测算法.该算法分为运动目标检测与跟踪、运动序列筛选和空间域匹配3个阶段.运动目标检测与跟踪利用背景建模算法和卡尔曼滤波器进行检测和跟踪;运动序列的筛选采用LK方法得到各运动序列的光流值,并计算其相关性来选择可能存在篡改的视频帧序列;空间域匹配利用尺度不变特征变换算法对上一阶段得到的对应运动序列逐帧进行匹配,过滤正常的视频序列.实验结果表明,本文算法能有效检测同源视频中针对运动目标的多帧复制 粘贴篡改.     

运动目标检测与跟踪算法的研究

运动目标检测与跟踪的算法一直以来是计算机视觉领域中的核心课题,也是智能视频监控中的关键技术。它主要是包含了图像处理、模式识别、人工智能等领域内的成果。着重研究运动目标检测与跟踪的算法[13],并通过编程实现方法的有效性。在运动检测方面,主要应用的算法包括背景差分法、帧间差分法以及光流法,指出了这些算法的优缺点以及适用范围。在运动目标跟踪方面,主要研究了特征匹配跟踪算法中的Mean Shift算法[19]。     

数字视频监控系统中运动检测算法及应用

运动检测是图像处理和分析系统的关键技术,本文详细阐述了数字视频监控系统中运动物体检测算法中的帧差法,该算法主要基于视频帧图像的变化分析;以及运动方向判断算法中基于视频块的匹配算法,并介绍了基于这两个算法的一个系统的实现.     

动态场景中运动目标检测与跟踪

为了在静态和动态场景中均能实现对运动目标的检测与跟踪,提出了基于运动检测和视频跟踪相结合的视频监控方法. 建立四参数运动仿射模型来描述全局运动,采用块匹配法对其进行参数估计;采用基于全局运动补偿的Horn-Schunck算法检测出运动目标;使用卡尔曼滤波对运动目标的质心位置、宽度和高度进行跟踪. 实验结果表明,该方法能够有效地对静态和动态场景中运动目标进行检测与跟踪.     

一种基于双阈值的运动目标边缘检测方法

文章针对运动目标检测中的实时性和准确性需求,结合视频图像的处理算法,设计了一种运动目标边缘的检测算法,该算法具有多角度、多层次的融合运动特征和边缘特征;采用了一种双阈值融合方法,最终快速、精确地定位出运动目标的边缘。实验结果表明了该方法的优越性。     

基于运动目标识别的摩托车视频监控驾考识别技术研究

针对人工监考摩托车驾考往往存在徇私舞弊、判断不准确等缺点,提出一种基于运动目标识别的摩托车视频监控驾考识别技术.基于改进ORB图像特征匹配算法、消除误匹配点等策略对摩托车驾考监控视频进行稳像处理;使用边缘轮廓检测的运动目标识别算法,完成运动中摩托车目标图像边缘轮廓特征检测,利用双目视觉极线约束模型对摩托车目标特征点进行立体匹配与三维重构,提高轮廓检测精度.测试结果显示,该方法检测摩托车驾考目标的最优准确率可达96％,检测算法运行的响应时间较少、实时性优,具有良好的视频监控驾考适应性.     

基于改进Boosting算法的夜间运动车辆检测

针对夜间交通场景中运动车辆目标提取及实时检测困难的问题,引入改进的Boosting模糊分类算法,提出了一种新的基于车头灯的夜间运动车辆检测方法.通过SIFT算法和融合多特征的方法精确提取夜间运动车辆车头灯特征,利用遗传算法优化Boosting模糊分类算法,并以加权投票方式对提取的车头灯特征进行分类判别,最后结合车头灯空间、运动信息及灯光颜色信息进行同车车头灯配对分组,实现夜间运动车辆的实时检测.实验表明,该方法在夜间交通环境中具有良好的实时检测效果和较高鲁棒性.     

脉冲步进频率雷达的一种运动补偿新方法

分析了目标径向运动对脉冲步进频率雷达一维距离成像的影响，提出了基于脉组相位差分的目标运动参数估计方法，解决了运动参数估计中的快速搜索问题．仿真结果表明，该方法估计精度高，抗噪性能好，运算量较小，便于实时处理．     

基于Kinect的人体三维动作实时动态识别

针对传统的二维图片动作识别算法识别率相对不高、实时性不强的问题,文章提出一种三维的人体动作实时识别的方法。该方法首先通过Kinect获取人体三维骨骼数据,然后对骨骼数据信息采取归一化的方法进行数据对齐的预处理,使得与实时数据与标准数据的角度阈值和距离参考值统一。最后与标准动作采用多特征融合的识别算法对动作进行识别与匹配的方法,并在此基础上改进基于关节点角度的动作识别方法。实验结果表明,文章方法运行速度较快,可有效消除角度测量不稳定以及距离测量无法检测方向上的差异造成的动作匹配不准确。满足三维动作识别的实时性、鲁棒性强。     

基于CUDA 和卡尔曼预测的实时电子稳像方法

针对传统电子稳像方法无法实现视频的实时处理的问题, 提出以SURF(Speed Up Robust Features)配准算法为基础, 基于CUDA(Compute Unified Device Architecture)编程实现算法的加速, 并利用卡尔曼预测器进行实时预测。算法利用CUDA 并行编程实现帧间特征点的提取和配准, 获得帧间运动矢量; 利用卡尔曼预测器获得稳定后的运动矢量, 实现对当前帧的运动矢量的补偿, 以达到实时稳像的目的。仿真实验结果表明, 该方法可有效去除视频帧间的抖动, 稳像效果良好, 实现了视频的实时处理。     

基于运动检测与H.264的智能监控系统设计与实现

针对远程智能监控的应用,基于H.264视频编解码与运动检测标识技术,在由小型工控机与计算机组建的客户机/服务器系统上设计并实现了实时运动检测视频监控系统。系统对采集的视频帧进行H.264规范的压缩编码并传输,在保证图像质量前提下降低了带宽与存储开销。运动检测算法在Kalman动态背景更新的基础上,采用了加权方式的图像差分法。通过实际试验表明,该系统能稳定的压缩传输视频流,并在不增加虚警的情况下,提高了系统的检测准确度。     

基于LabVIEW的音叉弦线振动混沌实验仪的研制

文章以音叉弦线非线性振动为基础,通过音叉弦线长度、张力的调节,观察和研究振动由混沌向周期有序,或周期有序向混沌的运动变化过程;结合虚拟仪器LabVIEW软件平台,对原始信号采集数据序列,然后由LabVIEW进行信号处理,实时观察到混沌运动相图,并对理论计算相图和实际采集信号的相图进行比较,为混沌现象的研究提供一种新的实验方法。     

基于骨骼信息的虚拟角色控制方法

针对当前动作捕捉方法中基于旋转矩阵的虚拟角色控制方法,虚拟角色模型运动还原度低、人体动作不能实时展现、抗光照干扰能力弱的问题,提出一种基于骨骼信息的四元向量控制方法。该方法以 Kinect 体感摄像机捕获的人体骨骼关节点数据为基础,计算并记录人体运动过程中关节点空间位移和关节点之间夹角的变化,根据相邻图像序列中的运动数据确定虚拟角色每个骨骼关节点的旋转角度,并将其转化为四元旋转向量。根据正向运动学原理,从根节点对虚拟角色模型进行调整并根据人体动作进行实时反馈。通过理论分析和仿真结果表明,与基于旋转矩阵的的虚拟角色控制方法相比,该方法的人体姿态还原度高,角度误差低,实时预览效果直观,实时性与抗光照干扰能力强。     

基于机器学习与视觉的四足机器人步态精确监测方法

为保证四足机器人在复杂地形中能准确行进,对其步态实时监测方法进行了研究,提出一种基于机器学习和双目视觉的步态精确监测方法。首先为降低视觉残影误差,从已知步态轨迹“动中取静”确定对足端的最佳观测点位。此外,为补偿视觉系统误差所致足端位姿测量误差,提出一种基于深度神经网络的足端位姿精确预测方法。最后仿真结果表明所设计神经网络有99.68%的概率能达到0.025 mm足端位置预测精度,可满足实时、高精度监测要求。此方法将机器学习的泛化能力与视觉系统复杂误差来源相结合,使视觉方法实现了高精度测量,为足式机器人步态实时精确监测提供了新思路,进而为其足端精确定位及步态周期性保持提供了有益的方法参考。     

H.263中基于全零块检测的快速运动搜索方法

文中提出了一种基于全零块检测的快速运动估计方法.算法结合误差曲面特性以及运动矢量中心偏移特性,得到最佳参考运动矢量;利用运动矢量的方向和强度信息,确定搜索方向,切换搜索模式,搜索的同时应用全零块的中止准则.算法无需保存搜索记录,存储开销小,同时搜索策略快速有效,适用于移动视频通信终端设备存储能力有限且实时要求较高的场合.     

一种运动车辆的阴影消除新方法

针对运动车辆阴影消除时可靠性和实时性难以兼容的问题,提出一种基于彩色检测线的线间差分的阴影消除新方法.通过检测运动区域四周方向线的线特性确定出运动区域所属的车辆/阴影模型,结合车辆/阴影模型和运动区域找到检测线,再利用检测线在彩色空间内的线间差分和检测线的属性找到阴影和车辆的分界点,进而根据分界点找到车辆和阴影的分界,从而实现阴影的消除.由于利用了检测线在彩色空间中的颜色特性和检测线在灰度空间中的背景图像,因而新方法具有较强的噪声抑制能力,并提高了低亮度车辆的阴影消除效果.实验结果表明,所采用的阴影消除新方法不仅具有较高的可靠性,也具有较好的实时性.