基于灰度图像的阴影检测算法

基于灰度图像的阴影检测算法,通过快速归一化互相关函数计算方法其复杂度,并采用背景减法与帧差法相结合方法提取运动前景.其步骤包括提取运动前景及检测运动目标的阴影.该方法与基于HSV模型的阴影检测算法相比,实验表明:在不需要任何的颜色信息的情况下,基于灰度图像的阴影检测算法能较好检测出阴影.     

动态背景下基于运动矢量补偿的目标检测

在动态场景下,为了降低背景运动对目标检测产生误差的影响,针对视频序列图像,提出基于运动矢量 补偿的目标检测算法。采用背景运动补偿方法来完成目标检测,利用 SURF 特征点来获取精确的匹配点对,从而获 取准确的运动矢量;根据运动目标和背景运动矢量位移的不同来区分出前景和背景区域,将背景运动矢量代入模型 进行参数估计,提高背景补偿的精度;用帧差法检测出运动目标。实验结果表明：该算法具有鲁棒性,能够准确检 测出动态背景下的运动目标。     

高斯核密度估计的背景建模运动目标检测

针对视频图像中光照的渐变和突变等引起的动态背景和图像前景中运动目标(物体)存在阴影等问题,提出了高斯核密度估计的背景建模运动目标检测方法。实验结果表明,该方法采用了非参数密度估计理论,像素特征的概率分布不需要预先假设,同时估计出来的像素特征的概率密度函数更符合真实的背景像素的概率分布,能够处理多样性的动态背景场景,具有较强的背景适应能力,能够准确地提取运动目标,从而有效检测出视频图像中的运动目标。     

智能视频监控技术及其在安防领域的应用

为解决传统视频监控系统中存在的诸多弊端，满足越来越高的安全需求，提出一种新型的智能视频监控技术。其由视频采集、智能视频分析和监控端构成，物理架构则包括中央式和分散式。系统关键技术涉及运动目标检测、运动目标分类、运动目标跟踪、视频内容分析等。该监控技术的应用可用于安防类和非安防类两方面。     

基于时空相关性检测的视频序列动目标检测方法

在充分分析了现有算法在复杂背景下所存在的不足的基础上，提出了一种基于视频序列像素时空相关性检测的动目标检测方法。该方法首先用每一帧中像素的空间相关性检测出目标；再用序列图象中目标的时间相关性检验目标的真实性。实验表明，该方法能很好地检测出运动目标，并具有较强的抗干扰能力。     

基于序列图像的空中目标跟踪方法

文中提出一种有效的运动跟踪检测算法对空中运动目标进行快速、准确的检测和跟踪,首先利用对称图像差分梯度法进行运动目标检测,该方法能很好地检测出移动背景中低信噪比的运动目标;然后通过改进的活动轮廓模型在视频图像序列中进行跟踪,实验结果表明,使用该方法可以得到有效的目标轮廓,从而获得准确跟踪效果.     

一种基于关键帧的战场视频目标挖掘方法

一种基于关键帧的战场视频目标挖掘方法。首先对战场视频进行基于内容的视频检索,提取出关键帧,然后对关键帧进行目标识别,从而快速提取出目标信息。实例证明该方法有效可行。     

基于空时稀疏表示的红外小目标检测算法

提出了一种基于过完备空时字典及其稀疏表示的红外小弱目标运动检测算法。采用K奇异值分解算法学习连续多帧图像的运动信息和形态特征,构建自适应形态过完备空时字典;利用高斯运动模型检验自适应形态过完备空时字典,将其划分为能分别描述目标与背景的目标过完备空时字典和背景过完备空时字典;将连续多帧图像分别在目标过完备空时字典和背景过完备空时字典上稀疏分解,利用几个最大稀疏系数及其空时原子重构信号,增强二者残差来检测小目标信号。实验结果表明,该过完备空时字典不仅能同时描述目标与背景的运动信息和形态特征,极大地提高信号表示的稀疏程度,而且能有效增强目标与背景的特征差异,提高小运动目标的探测能力。提出了一种基于过完备空时字典及其稀疏表示的红外小弱目标运动检测算法。采用K奇异值分解算法学习连续多帧图像的运动信息和形态特征,构建自适应形态过完备空时字典;利用高斯运动模型检验自适应形态过完备空时字典,将其划分为能分别描述目标与背景的目标过完备空时字典和背景过完备空时字典;将连续多帧图像分别在目标过完备空时字典和背景过完备空时字典上稀疏分解,利用几个最大稀疏系数及其空时原子重构信号,增强二者残差来检测小目标信号。实验结果表明,该过完备空时字典不仅能同时描述目标与背景的运动信息和形态特征,极大地提高信号表示的稀疏程度,而且能有效增强目标与背景的特征差异,提高小运动目标的探测能力。     

基于时空LBP特征的自适应运动目标提取算法

传统的运动目标检测算法主要基于像素值的统计模型,对于光照突变和噪声极为敏感。为此,提出了一种基于时空LBP建模的自适应运动目标检测算法。通过使用结合了时序信息的LBP描述视频图像序列中像素特征,通过经典的高斯混合模型对像素特征进行建模,提取出运动目标。实验结果表明,该算法能够适应光照变化,具有良好的检测性能。     

一种基于DS证据理论的多雷达目标识别方法

文中研究了利用目标的位置和运动信息通过DS证据理论完成多雷达目标融合识别的方法.单雷达目标识别利用目标位置和运动信息建立目标线性隶属度函数,利用模糊综合评判进行目标分类.融合中心对来自各个雷达的识别概率利用DS证据进行最终的判决.仿真结果表明利用位置和运动信息进行识别的可行性和有效性,验证了多个雷达融合后的识别效果优于单个雷达的效果.     

动态背景中基于特征点引导的动目标快速检测方法

为解决传统方法的不足,提出一种新方法实现动态背景中运动目标的快速检测。充分利用图像的特征点信息,对传统的SSDA算法进行改进,实现视频序列相邻帧间的配准。在经过配准的帧间,利用特征点及其邻域的灰度信息求取小窗口的灰度差的总和,则匹配误差较大的特征点必处在动目标区域,据此检测出运动目标的位置。实验证明,该算法具有简单、快速的优点,可用于动态背景中的动目标检测,也可用于图像的变化检测。     

一种改进的运动目标检测算法

提出一种改进的运动目标检测算法，首先将视频序列中的一整幅画面进行分割，对分割产生的每块图像进行连续检测，一旦检测到有变化，即提取运动目标。接着将连续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，由此提高运动目标检测的效果。     

一种改进的Surendra运动目标伪装效果检测方法

现有的伪装检测主要是针对静态目标,并不能客观反映机动装备在作战行动中伪装的有效性。综合运动目标检测技术,结合伪装学原理,以军用卡车模型作为研究对象,基于Surendra背景更新建模算法并结合Lab三通道,提出一种机动装备迷彩伪装效果检测方法。根据所建立的实验系统,计算序列图中军用卡车伪装前后的形状特征参数集合之间的欧氏距离,得到实验序列图像的欧氏距离平均值为189.45,说明实验系统中伪装前后运动目标的形状特征参数之间极不相似,即经过伪装后的目标更具有一定的动态变形伪装特性。借助性能评价模块得出伪装前后目标图像相关系数范围为0.003 5~0.127 5,证明了该检测方法的科学性和可靠性;根据检测运动目标的算法原理,可知伪装后的运动目标图像与其中心背景之间更具有一定的融合性。     

复杂背景下的颜色分离背景差分目标检测方法

针对复杂背景下运动目标检测失检率高的问题,提出了用于复杂背景目标检测改进的 基于RGB 颜色分离的背景差分目标检测方法。主要是对RGB 三通道图像独立进行背景差分运 算,阈值二值化后合并三通道前景图像,得到完整前景目标图像;再利用检测的边缘对前景图像进 行修正,消除光照变化带来的噪声;RGB 三通道使用自适应权值的递推算法进行背景更新。最后 采用实验室采集的图像序列进行了仿真实验,结果表明,该方法在复杂场景下有效识别颜色差异, 避免了灰度值相近而造成的目标缺失,提高了检测精确性。     

基于动态和静态环境对象观测一致性约束的移动机器人多传感器标定优化方法

为了解决机器人未知环境导航过程中的多源、异构传感器空间一致性观测问题,提出了基于动态和静态环境对象观测一致性约束的摄像机与激光测距传感器联合标定优化方法。利用协方差交集方法实现运动目标图像平面方向状态融合,同时采用卡尔曼滤波和概率数据关联滤波实现一对一和一对多信息源的静态角点特征图像平面方向状态融合;在此基础上,利用动态和静态物体融合前与融合后状态误差构造优化目标函数,并利用非线性优化方法实现标定参数优化。实验结果表明,该设计方法能够提高多传感器环境观测的一致性水平,验证了该方法的有效性。     

CCD激光经纬仪自动跟踪算法及软件实现方案

目前激光经纬仪只能测量静态目标，无法实现对动态目标的测量，但在实际应用中却有其广泛的应用价值，针对这一情况，首次提出了利用CCD激光经纬仪配合图像处理软件的方法，实现具有自动跟踪功能的激光经纬仪，并将其直接用到舰载雷达的标校过程中。文章中首先提出了自动跟踪目标的CCD激光经纬仪结构构成及应用价值，然后针对每一个技术环节分别详细阐述了目标的采集过程、目标的识别跟踪过程、数据的后处理过程，最后给出一组实验数据，分析了系统的测量精度。     

红外图像弱小点目标检测技术研究

针对低信噪比、背景和噪声干扰严重的红外图像中运动点目标的检测问题，提出了一种背景预测和目标轨迹搜索相结合的高效检测算法。该算法首先对序列图像进行高通滤波，然后对滤波后的图像进行背景预测，将原图像与背景预测图像相减获得残差图像，依据图像阀值分离出少量的候选目标点，再将含有候选目标的序列残差图像经过最大合并算法形成组合帧图像，最后利用目标运动的连续性和一致性在组合帧图像中搜索目标运动轨迹。