基于纹理和小波变换的阴影检测去除算法

在基于视频处理的室外场景运动物体检测系统中,对运动物体的阴影进行检测与去除是一个关键环节。文中提出了一种基于纹理自相关和整数小波变换相结合的运动物体阴影检测与去除算法,算法中首先使用纹理自相关对运动物体的阴影进行预提取,再对阴影预提取结果进行统计判别,对判别为阴影误检的区域再进行基于整数小波变换的阴影再检测,最后将两次检测结果相结合实现对运动物体阴影的检测与去除。实验结果表明：文中的方法不仅能够准确地检测出与背景灰度差别比较大的运动物体的阴影,而且能够较好地检测出与背景灰度相近的运动物体的阴影,较好地克服了使用单一方法进行阴影检测与去除时常见的阴影误检问题,获得了很好的阴影检测与去除效果。     

基于Log-gabor小波的运动目标阴影检测

针对阴影覆盖前后的场景纹理相似的特点和Gabor小波在纹理特征提取上的不足,利用Log-gabor在纹理特征提取上的较优性能及对光照的不敏感性,提出一种基于Log-gabor的运动目标阴影检测方法.首先根据阴影在颜色空间的特点,利用像素点亮度变化规律,对前景中包含阴影的运动目标进行检测,提取疑似阴影区域.然后对疑似阴影区域分块,获取块Log-gabor纹理特征.最后,针对运动目标和道路纹理区别,提出合理有效的阴影判定准则,使用判定准则识别阴影.实验结果表明,所提方法在不需场景先验知识情况下,能较快较准确检测出阴影.     

交通监控系统中基于多源信息融合的运动阴影检测

针对目前运动提取算法常将运动阴影错误检测为前景目标的问题，提出了一种交通监控系统中基于多源信息融合的运动阴影检测算法．在颜色空间中利用亮度、色度和边缘信息检测阴影的可能区域，使用逻辑“与”操作融合多源检测结果得到最终的阴影区域．与其他算法相比，新算法能更好地区分前景尤其是暗色前景及其阴影，提高了阴影区域的检测精度，更准确地实现了运动目标的提取．仿真实验表明，对不同颜色和尺寸的前景引起的阴影，算法都能鲁棒地分离目标及其阴影区域，前景提取效果好．     

利用最大色度差分消除阴影的方法

在采用背景差方法进行运动对象检测的过程中,消除阴影是精确提取运动对象的了在亮度差分的基础上进行最大色度差分的方法,在尽量减少运动对象信息损失的条件下,可以起到较好的消除阴影的效果.     

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.     

基于多分辨率分级分块处理的边缘检测方法

为了有效提取运动目标的特征,在目标检测的基础上,要对其进行边缘检测.由于传统逐点扫描方法运算量大,提出一种基于多分辨率分级分块思想的边缘检测算法.该方法先把图像分为多个子块后根据其四个顶点判断该子块是否包含目标,再对目标子块进行扫描确定目标的边缘.实验结果表明,此方法准确地确定目标的边缘,同时检测速度比传统逐点扫描法有一定程度的提高.     

一种基于YUV色彩空间的阴影检测方法

针对计算机视觉处理系统中,阴影会严重影响到对目标的跟踪、识别和图像场景的理解的问题,提出了一种基于YUV色彩空间的阴影检测方法并给出了与不同色彩空间的实验对比结果.该算法将分割出的运动目标与背景在亮度和色度进行对比,从而区分出运动目标和运动阴影.实验证明,与其他的阴影检测的算法相比,该方法具有更高的准确性和更快的检测速度.     

基于幂次变换和区域收缩算法的运动目标检测与定位

运动目标分割与跟踪是计算机视觉中的重要研究课题,而目标检测与定位是其中的必要步骤,对分割与跟踪效果影响很大.在此提出一种新的运动目标检测与定位方法,该方法在差分二值图像上,通过区域收缩定位到运动像素密度较大的区域,从而实现运动目标定位.在多目标情况下,先通过幂次变换突出不同位置的目标,然后再通过区域收缩实现目标定位,给出目标的特征矩形,便于进一步的跟踪与识别.该方法不需要任何关于目标数的先验知识,对噪声鲁棒性较强.文中给出的实验结果证明该算法的有效性.     

基于改进ViBe的多行人检测方法

利用改进的Vi Be算法及模板匹配方法对多行人场景进行了目标检测.为了提高运动目标检测性能,提出将原Vi Be算法与帧间差分相结合的方法,该方法使二值图像中的鬼影比原Vi Be算法消除更为迅速.根据待处理像素点周围已完成的前背景分离结果,利用动态计算模型参数估计前背景,以提高前景目标提取的准确度.基于HOG算法识别运动目标中的行人目标.实验结果表明,该方法在没有降低运动物体检测实时性的同时,明显提高了算法检测的准确度.     

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。     

基于视频流的林火烟雾运动目标检测方法的研究

运动目标检测是实现视频图像分类与识别的前提.烟雾是森林火灾发生早期的显著特点和视觉现象,通过对林火烟雾图像的特征分析,研究了几种常用的运动目标检测方法,即帧间差分法、背景估计法等,分析了其实现过程,对比了它们的优缺点,并寻求最佳的视频林火烟雾运动目标检测方法.实验结果表明:改进的背景估计法结合色彩判断准则的方法不仅具有更好的烟雾捕捉能力,而且抗干扰能力强,将大大减轻后续图像识别的压力.     

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．     

序列图像中运动区域的检测与几何特征提取

提出了一种基于色度的运动区域检测算法,利用像素的色度分量进行检测,克服了亮度变化和阴影的影响,并利用形态学方法对检测结果进行后处理,对处理后的运动区域进行标记,提取每个区域的面积、周长、形状因子等几何特征参数,为运动目标后期的分析和跟踪奠定了基础.最后给出了实验结果和数据,证明了算法的有效性.     

一种快速运动目标检测算法

运动目标检测是智能视觉监控系统的重要组成部分,其主要功能是检测监控场景中的运动目标,为高层运动分析提供必要的信息。文章提出一种快速运动目标检测算法,以帧差法和背景减法为基础,快速实现背景提取、背景更新、运动目标检测的功能。实验结果表明,该算法计算量小,检测目标完整,能够满足实时监控系统的要求。     

基于改进水平集的多运动目标检测方法

针对多目标检测中目标和阴影连接导致检测失败的问题,提出一种基于改进水平集的精确检测方法.通过对监控视频进行对称差分获取运动信息,将其融合到水平集演化函数中,然后进行一次分割得到演化曲线,以此获得目标的位置信息.根据目标与阴影的差异信息,调整水平集演化函数,进行二次分割可准确分离多个目标及其阴影.将文中方法应用在公路监控的多运动车辆检测实验中,能够有效地检测出运动车辆轮廓,处理速度为24帧/s,消除阴影的准确率达98.6%,取得了准确的检测效果.     

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GMM和MRF的自适应阴影检测

运动目标阴影在很大程度上会影响运动目标跟踪、行为识别的正确性和有效性.为此,文中提出了一种基于混合高斯模型和马尔科夫随机场的自适应阴影检测方法.该方法首先对混合高斯模型进行改进,使其可以自适应调整参数学习率以消除浅阴影;然后采用马尔科夫随机场综合邻域的空间依赖性信息进行精确的阴影检测.为了提高基于马尔科夫随机场的阴影检...     

一种改进的基于统计的阴影检测方法

阴影检测与抑制是视频处理系统不可或缺的环节。该环节将直接影响目标跟踪、物体识别等的精确性。常用的阴影检测算法很难同时解决好阴影的误检和漏检这一对矛盾问题。本文根据Gabor滤波器在空间域上可选带宽和方向的特性,并结合基于统计的方法来实现阴影检测。这种方法的优点是综合考虑了亮度、色差和纹理特性,从而能优化阴影检测效果。     

基于Kalman滤波和阴影消除的运动目标检测

研究基于Kalman理论的时域递归低通滤波、Ostu(最大类间差)阈值选取及形态学阴影消除在运动目标检测中的应用,并将它应用于实际的交通监控视频,实现对运动目标的自动检测.首先采用Kalman滤波实现背景的提取,然后把当前帧与提取的背景做差分运算,之后采用Ostu算法计算出阈值实时检测运动目标,最后采用基于边缘信息阴影检测方法消除阴影.实验以实际的交通监控视频为研究对象,依据运动图像序列与交通场景的特点,兼顾处理效果与实效性.实验结果表明,该方法应用于实时运动目标检测中具有有效性.