头肩视频图像的运动物体自动提取

介绍、比较区域分割、运动分割和物体分割的概念及其在视频序列图像分割中的应用。分析说明各种运动状态下帧差图像与相应帧灰度图像的关系。提出了基于帧差图像边缘与灰度图像边缘之间强相关性的运动物体边界自动跟踪、提取算法。利用运动物体边界的闭包分割、提取运动物体。提出了多层次运动物体描述的思想。     

视频序列中运动目标跟踪新方法

提出了一种跟踪视频图像序列中运动目标的新方法.该方法利用一种基于动态信息窗口的自适应背景更新方法解决背景的复杂性问题,结合一种新的计算颜色模型解决运动阴影问题,从而得到具有精确边缘的特定运动目标.计算了运动目标灰度质心,在坐标系中记录其位置,并采用最小二乘法拟合实现了对运动目标的跟踪.实验结果表明这种方法能有效地跟踪并预测视频序列中的运动目标.     

基于三帧差分及Canny算子的运动目标提取

针对目前常用的运动目标提取方法易受到噪声、光线变化的影响,很难提取出完整的运动目标这一问题,提出一种基于三帧差分和Canny边缘检测相结合的运动目标提取算法.该算法首先对连续三帧图像进行差分;然后对差分结果其进行区域填充,得到运动区域;再对当前帧进行Canny边缘检测得到边缘图像,二者相“与”得到运动目标的精确边缘图像;最后通过区域填充得到运动目标图像,从而实现运动目标的提取.实验表明,该算法可以实时有效地将运动物体从图像序列中提取出来.     

基于C-均值聚类法的视频序列运动目标提取研究

本文主要对视频监控中基于背景差的方法进行运动目标的提取进行了研究,分别使用迭代法和大津法提取运动目标进行了实验,针对实验结果中目标提取不理想,背景信息干扰过多的问题,采用C-均值聚类的方法,先对帧差图像进行预处理,然后再提取目标,从实验结果看,取得了较理想的效果。     

基于视频序列中的运动目标检测技术

视频图像中的运动目标检测是当前进行图像分析和理解以及计算机视觉领域的重要研究内容,为了能够在数字视频系统中实时的检测出运动目标,提出了一种基于序列图像的运动目标实时检测和定位的适用方法.采用连续帧间差分法和最大类间方差阈值分割法提取运动区域,通过数学形态滤波的开运算和闭运算消除噪声,改善运动区域提取效果,然后求出目标重心.结果表明,该方法能够快速有效地检测出视频图像中的运动目标,计算出目标在图像中的位置.     

基于GEP自动聚类算法的视频关键帧提取方法

视频关键帧提取技术是视频数据处理研究领域的热点研究问题.该文针对现有的镜头边界检测技术不能有效提取关键帧的不足,提出一种基于小波边缘检测算子的自适应分块视频镜头边界检测算法.通过检测视频镜头变化,得到分割的镜头,然后对视频帧提取图像特征,并利用基因表达式编程(GEP)的自动聚类功能对视频帧进行聚类,提出并实现了基于GEP自动聚类的视频关键帧提取算法(KFC‐GEP).实验证明该方法能较好的提取视频序列的关键帧.     

视频中运动目标跟踪仿真研究

运动目标的检测与分割在计算机视觉系统中,是一个非常重要的问题。本文对视频中目标跟踪的不同方法进行了仿真研究。通过Matlab程序来获取视频,使用背景减差法来检测出运动目标,为了得到目标的主轴方向,提出了边缘梯度法。实验证明,该方法效果明显。使用EKF和UKF来对目标进行跟踪。将跟踪结果和目标检测结果进行了比较,说明了不同滤波跟踪方法的效用。同时,也展望了目标跟踪的未来发展方向。     

视频序列中运动目标影子去除方法

针对固定场景的运动目标检测问题,本文提出了一种具有实际应用价值的阴影去除方法。该方法通过背景差分方法分割出运动目标及其可能存在的阴影,采用8邻域灰度聚类算法检测出阴影。最后,去除阴影并分割运动目标。实验验证了该方法的有效性。     

一种改进的基于模糊增强的Canny边缘提取算法

边缘检测是图像处理领域中的基本课题之一,广泛应用于图像分割和模式识别等领域.提出的基于改进模糊增强的Canny边缘检测方法是在快速模糊增强的基础上,用模糊增强代替Canny算法中的高斯滤噪,用最大类间方差法改良Canny算法中双阈值中高阈值的设定.试验表明,改进算法有较高的信噪比,能达到比较理想的边缘检测效果.     

一种自动分割视频对象的新方法

提出了一种视频对象自动分割及跟踪方法。该算法首先进行相邻帧差分检测和Canny边缘提取,得到相邻帧差分边缘模板;其次在相邻帧差分边缘和当前帧边缘的基础上,检测出视频对象的初始边缘模板。然后分为快变和慢变两部分进行跟踪,并对视频对象边缘模板更新以适应对象的运动;最后根据跟踪更新出的视频对象二值边缘模板,通过文中提出的填充技术及模板轮廓修正得到精确的视频对象模板提取出视频对象。实验验证表明,该算法对目标的整体运动和局部形变都有较强的适应性。此外,算法还具有简便、准确性高的特点。     

基于对称差分算法的视频运动目标分割

提出一种视频运动目标分割的改进算法, 该算法综合帧间差分算法及背景减算法获得的信息分割运动物体, 利用对称差分算法获得中间帧运动目标的轮廓信息, 以该轮廓的外接矩形为分界, 再对其外部进行动态背景更新处理, 并对其内部进行减背景运算. 实验结果表明, 该改进算法解决了帧间差分算法在运动物体缺乏足够表面纹理时, 易产生空洞和边缘缺失的问题, 具有计算速度快、 抗噪声能力强和分割效果好等优点.     

提高视频对象分割的实时性及多对象分割

视频对象的分割目前存在两个难题,一是如何提高分割的实时性,二是对存在互遮挡的多个对象如何进行有效分割。对前者分割提出了基于自适应跳帧的分割算法和基于CNN(细胞神经网络)的实时分割法,对后者提出了基于时空曲线演化的多视频对象分割和Bayes最小误差判断的方法。仿真实验表明,这些方法是有效的,对这两个难题的最终解决和实际应用指出了新的途径。     

视频运动目标提取的实现

针对混合高斯模型建模实现背景差分获取的运动目标中含有较多的阴影这一问题,对基于Phong光照模型的判断和检测阴影的准则作了改进,并给出了视频运动目标检测算法.使用基于混合高斯模型的背景差分法和对称差分法相结合获取运动目标,使用改进的阴影判断准则检测和去除阴影.结果表明:改进后的阴影判断准则去除阴影所用时间比原方法平均减少了18%~30%,并且能够取得较好的去除阴影效果,最终获得精确的运动目标.     

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。     

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.     

一种视频对象提取与跟踪的新方法

针对视频对象的分割问题，提出了一种新的视频对象提取与跟踪方法．首先采用分水岭分割和区域合并的方法进行初始分割，再通过光流场估计和全局运动估计计算全局运动的残余误差，在分割的每个区域上利用残余误差数据进行假设检验以确定运动区域，组合所有的运动区域即可提取完整的视频对象．然后使用双向投影的方法在后续帧中快速准确地跟踪视频对象，前向投影用来定位视频对象和简化分割计算，后向投影则用来确定每个分割的区域是否属于跟踪的视频对象．对MPEG-4测试序列的实验结果表明，本方法具有良好的分割性能．     

一种基于运动背景的视频对象分割算法

随着MPEG-4和MPEG-7的研究发展,基于内容编码和面向对象的存取和交互技术日益得到人们的重视,视频分割技术正在成为当前视频研究领域的热点之一,但是,目前的分割研究大部分是在没有全局运动的情况下进行的,对于运动背景下视频对象的分割研究还不多.为此,提出了一种新的基于改进分水岭和光流的视频分割算法,即先将原始图像使用改进的分水岭算法标记成不同的灰度区域,然后以光流法得到的对象运动信息作为评判准则,将这些区域分别归类于前景对象和背景,达到从运动背景中分割出前景对象的目的.仿真实验表明,此算法能够较精确地分割出视频对象.