实时视频采集的虚拟演播室实现

探讨了在VC 6.0平台上.调用VFW函数通过摄像头实时采集视频数据,利用帧间差分算法对视频数据进行前景和背景的分割,用迭代法计算出用做其分割的阀值大小.用虚拟场景的像素数据替代采集图像中的背景,构建新虚拟视频的数据数组,再将该视频数据数组回放实现虚拟演播.     

集成多特征的GMM视频分割方法

视频分割是当前研究的热点问题．已有视频分割方法,只是考虑帧图像某点颜色特征,而没有考虑物体相邻像素相关性问题．提出了在基于GMM背景建模的基础上,同时引入像素点的邻域特征和像素点的色度和亮度特征对视频进行分割的方法．像素点的邻域特征能很好的解决因背景的微小变化而使分割效果较差的问题,色度和亮度特征很好的解决光照变化和阴影带来的问题．该方法先建立每个像素点的混合高斯模型,训练确定模型的相关参数,再结合像素点的领域特征,色度和亮度特征对视频进行分割．试验结果表明,该方法与其他方法相比在一定程度上改善了视频分割效果．     

列车视频监控中视频遮挡报警算法的研究与应用

针对列车视频监控中监控背景易被遮挡的现象,在单高斯背景模型的基础上,提出了一种结合背景减除法和最佳分割阈值迭代思想的图像遮挡提取算法,该算法可以解决列车视频监控中的背景模型更新不及时以及阴影消除的问题。测试结果表明,本文算法可以有效地对列车视频监控场景中遮挡视频的物体进行分析提取,并发出报警提示,为列车监控系统提供数据分析。     

单通道模式下的阴影压制方案设计

在各种复杂场景中,获得前景运动对象或者运动对象运动区域成为视频处理的必要过程,为解决前景对象的完整性问题,提出了一种快速而稳健的运动背景分割算法。该算法首先对视频图像进行预处理,然后将预处理后的三通道图像分成单通道HSV图像,并分别进行混合高斯建模,在此区域内进行阴影检测与去除,以得到较好的完整性,结合帧间差进行实时更新,实验结果以及与目前具有相关代表性方法的对比结果表明,所提出的算法具有良好的有效性和可靠性。     

多摄像机下动态前景分离的视频拼接算法

针对多摄相机固定拍摄的条件,提出一种新的动态前景分离的视频拼接算法,该算法主要解决了视频中运动物体所导致的匹配错误以及可能产生的拼接鬼影现象.首先提取视频的背景图像并分离前景,利用一套自动配准的算法对背景图像进行配准得到匹配关系,进而建立大场景背景视频;提取动态前景并计算在视频重叠区域中的前景目标的匹配度以判断2视频中目标是否为同一物体,重新取舍并补回背景视频中,从而避免了直接拼接所引发的鬼影现象.实验结果表明,该视频拼接算法匹配精度高、鲁棒性强、视频流畅、计算效率高并基本达到实时拼接的效果.     

结合闭合解抠图及最小生成树的图论分割算法

针对图像目标物体与背景边界交错在一起或两者之间边界不明晰以及背景与目标纹理相似的情况,进行图像分割非常困难．为此,提出了一种基于图论(graph theory)及闭合解抠图思想的图像分割算法．首先,利用闭合解抠图算法对图像进行预分割,粗糙地将图像分为前景和背景两部分;其次,提取目标及背景的细节,再分别用改进的图论分割算法细分割目标物体及背景,从而得到最终图像分割结果．实验结果表明,抠图算法避免了前景和背景的混叠,改进的图论算法可有效提高6％～12％的分割精度．与传统的区域合并、通常的图论及阈值算法相比,该算法精度高、效果好,具有显著优越性．     

单标记实时场景光源检测算法

增强现实中的光照一致性是使虚拟物体获得真实感的重要手段,它能使计算机生成的虚拟物体很好的融合到真实场景当中。为了更好的实现增强现实系统中的光照一致性,对现有的光源检测算法进行改进,提出一种基于单标记的实时场景光源检测算法。该方法通过采集识别标记在各个方位的亮度信息确定出光源的方向;通过识别标记和虚拟物体之间的亮度对比确定光源的亮度;通过获取标记物上未喷墨部分的颜色,确定光源的颜色。实验证明,在满足增强现实应用的实时性和稳定性的同时,使用本文的光源检测算法所估计出的虚拟光源与真实光源方向之间的角度差值平均在4. 3度,并可以使虚拟物体正确的产生阴影。     

一种基于样本传播的图像风化方法

对图像中的物体进行风化处理是一种提高模拟场景真实感的有效方法。利用一种图像处理方法，实现了图像中物体表面的精细风化效果。首先，利用径向基函数(RBF)方法计算风化程度。即使物体表面的颜色变化很大，该算法也可以较精确地计算风化程度。然后，使用图像分割算法来提取风化程度最深的区域作为“风化样本”。最后，利用patchmatch图像修补算法对“风化样本”进行补全，以此在图像上的待风化区域进行“风化样本”的无缝传播。结果表明，此方法可以产生各种类型的风化效应。利用样本传播的方法可以更好地模拟风化图像。     

引导滤波的单幅图像前景精确提取

该文提出了一种利用引导滤波优化二值马尔科夫随机场图像分割结果的前景提取新方法。首先通过二值马尔科夫随机场图像分割模型将原图映射为加权图模型,然后利用最大流／最小割算法对该加权图模型进行最优分割,并通过二值化得到前景区域的初始分割结果;之后通过图像引导滤波对该初始结果进行优化处理,保证所提取的前景区域具有精确的边缘信息。实验结果表明该方法能从图像背景中精确的提取出前景区域,并且对光照、噪声均具有较强的鲁棒性。     

根据特征点及梯度进行改进的矩不变阈值分割图像算法

介绍了图像的矩以及在保持图像的矩不变的条件下对图像进行两级阈值分割的方法，但该算法具有一定的盲目性，分割出来的图像具有过多的无用背景信息。为此，在矩不变阈值算法的基础上提出了一种改进算法，该算法根据图像的特征点及其梯度进行调整，以达到减少盲目性，尽量保留图像前景物体信息，去掉无用背景信息的目的。     

Automatic Video Segmentation Algorithm by Background Model and Color Clustering

In order to detect the object in video efficiently, an automatic and real time video segmentation algorithmbased on background model and color clustering is proposed. This algorithm consists of four phases:backgroundrestoration, moving objects extract,moving objects region clustering and post processing. The threshold of thebackground restoration is not given in advanced. It can be gotten automatically.And a new object region cluster     

一种阴影消除算法优化及DSP实现

优化了一种基于HSV彩色空间模型的双矩形框阴影消除算法的流程,能在运动目标检测时去除阴影干扰的影响,且具有较好的实时性。使用DM642多媒体DSP实现了算法,设置了视频捕获方式、优化了DSP程序。首先进行彩色空间变换;然后利用基于V分量差分视频帧初步确定运动区域和基于S分量的背景差分视频帧精确目标区域;最后把各分量运动目标信息合并,对运动目标进行满足实时性要求的处理。实验结果表明,该算法能够较好地去除阴影,实现了运动目标的精确提取。     

基于背景差与帧间方块编码差值法的运动目标检测

运动目标检测是视觉领域的重要研究内容,本文提出一种将背景差分与帧间方块编码差值法相结合的运动目标检测方法.通过帧间方块编码差值法区分出运动区域与静止区域;静止区域用来更新背景,运动区域与背景模型进行拟合,区分出运动目标和显露区.介绍了一种基于HSV颜色空间的阴影剪除算法.实验证明,该方法能够快速、准确的检测出运动目标并剪除阴影.     

基于HSV颜色空间静止背景中运动目标的检测算法

针对固定场景视频序列中的彩色运动目标检测,采用HSV颜色空间表示视频原始帧,使用自适应背 景更新在原始帧中提取V 分量建立背景帧,利用背景差分法对视频序列进行运动检测,在运动区域二值化时结合原 始帧中的H 分量对运动区域进行筛选,从而得到特定运动目标被点亮的前景帧。实验结果表明,该算法能够有效地 实现在静止背景、多运动目标共存的视频中检测出特定颜色的运动目标。     

集成多特征信息的运动阴影检测

为实现监控场景中运动目标和阴影的准确分割,提出了一种基于GMM和MRF的运动阴影检测与消除算法.首先,利用GMM的学习能力建立背景统计模型并得到前景区域像素集合.其次,将前景区域与对应背景区域间的颜色、边界、纹理和时空一致性等特征信息集成到马尔可夫随机场能量函数中,并利用图割算法实现马尔科夫随机场能量函数的最小化,得到...     

钢轨表面缺陷图像自适应分割算法

针对钢轨表面缺陷提取时的灰度分布不均与杂散光干扰问题,在背景差分法的基础上提出了一种钢轨表面缺陷图像自适应分割算法.首先,通过统计钢轨图像中各行像素灰度特征,结合其均值与标准差分布曲线快速提取钢轨表面区域;然后,进行区域与边缘特征的均值窗口自适应选取;最后,根据均值模糊原理建立背景图像模型并进行图像差分,实现了钢轨表面缺陷分割.实验结果表明:提出的轨面提取算法快速、有效;钢轨表面缺陷自适应分割算法在凸显图像中缺陷部分的同时,有效减少了光照变化和反射不均的影响.该方法对测试图像的召回率和准确率分别达到了95.4%和81.3%.     

自适应背景恢复差减算法

针对视频图像进行目标分割时,只对目标区域进行分析而未充分利用视频图像中的所有信息,本文提出了基于自适应背景恢复的差减算法。该算法可在背景未知的情况下,对任意运动目标都能实时、有效地进行自动分割。     

采用形态学算子的运动目标检测跟踪方法研究及实现

针对背景动态变化的场景,提出了一种基于全方位视觉的运动目标检测跟踪方法.采用统计方法建立背景模型,并实现背景模型的实时更新;利用减背景法和改进的二值图像连通域算法实现运动区域提取、分割;引入形态学算子计算目标区域体态比和紧密度,过滤背景干扰物;采用卡尔曼滤波与匹配矩阵相结合实现多个运动目标的跟踪;通过目标在HSV颜色空间中的H值、目标间的欧氏距离和目标相交面积等特征融合,提高目标跟踪的鲁棒性.实验表明,所设计的方法能实现实时准确的运动目标检测与跟踪.     

基于背景差分法的交通事件智能检测系统

为快速、准确地检测出交通事故的出事地点,设计了基于前后背景差分的智能检测系统。通过研究一段时间内静态位置上的像素变化,并选取合适的阈值衡量变化程度,从而检测是否存在交通事件。在选取阈值方面,结合了运动目标分割中的背景减法和OTSU算法,并根据相邻帧间的相关性对原算法加以改进,获取了自适应效果较好的分割阈值,从而实现事故的智能检测。截取浙江省杭甬高速公路的交通视频图像进行仿真,结果显示,该系统达到了运行数据量少,检测速度快,准确性高的效果。     

交通流视频检测中背景模型与阴影检测算法

提出了基于对象级的混合高斯背景模型更新方法与基于RGB颜色变化度的运动阴影检测算法。根据运动分割、物体识别、Kalman运动跟踪等高层语义表达,结合像素的时空特性,进行基于对象级的混合高斯背景更新。克服了像素级混合高斯模型中交通控制信号或交通阻塞等造成的长时间停车以及交通高峰期交通拥挤等情况下对背景抽取造成的影响;根据运动目标的RGB颜色变化度特点,提出自适应的对象级运动阴影检测算法,克服了运动阴影的影响及其造成的误分类。不同交通状态下的视频处理效果表明,该方法具有良好的鲁捧性和自适应性。