一种结合Grabcut的Vibe目标检测算法

针对传统背景建模方法不能非常有效地提取出完整运动目标这一问题,提出了一种新颖的结合Grabcut和Vibe算法的运动目标检测方法.首先利用改进的Vibe目标检测算法初步寻找出当前帧中的所有可能目标前景区域;然后对这些前景区域进行进一步的选择从而滤去无效前景,合并有效区域;最后对每个前景区域再利用Grabcut算法来分割出更加完整的目标前景.实验结果表明,与传统的背景建模方法相比,本算法在有效时间内可以更加完整地分割出运动目标前景,对与背景颜色类似的目标前景也有很好的检测效果.     

运动背景下移动目标分割定位算法研究

针对运动背景下运动目标分割定位困难的问题,提出了融合背景补偿与均值漂移的运动背景下目标分割定位算法。该算法首先在运动背景补偿的基础上,利用帧间差分法得到差分图像。其次,对差分图像中非零像素点建立多特征描述子,运用均值漂移算法对其进行聚类。最后,利用均值聚类得到的非零像素点来对运动目标进行分割定位。实验结果充分表明,该算法可以比较精确地进行运动背景下移动目标的分割定位。     

一种利用运动信息提取目标物图像的算法

提出了一种利用运动信息提取图像中的研究对象的算法。当要提取的目标物是运动物体 ,并且背景的绝大多数均为静止时 ,该算法适用。其基本原理是 :将不包含目标物 ,全为静态背景信息的参考图像与在同一背景下拍摄的包含目标物的图像进行比较 ,把相同的成分视为背景消去 ,得到目标物图像 ;同时为了消除各种因素所产生的影响 ,在比较时引入适当的容差 ,对比较结果做去噪处理 ,并通过检验区域连通性 ,消去与目标域不连通的区域。试验表明 ,应用该算法无需人机交互 ,提取精度较高 ,抗干扰能力强 ,有较好的实用性     

一种利用运动信息提取目标物图像的算法

提出了一种利用运动信息提取图像中的研究对象的算法。当要提取的目标物是运动物体，并且背景的绝大多数均为静止时，该算法适用。其基本原理是：将不包含目标物，全为静态背景信息的参考图像与在同一背景下拍摄的包含目标物的图像进行比较，把相同的成分视为背景消去，得到目标物图像；同时为了消除各种因素所产生的影响，在比较时引入适当的容差，对比较结果做去噪处理，并通过检验区域连通性，消去与目标域不连通的区域。试验表明，应用该算法无需人机交互，提取精度较高，抗干扰能力强，有较好的实用性。     

利用目标分割指导的背景更新算法

提出了一种利用目标分割的结果来指导背景更新的方法。比较前景目标的波门位置以及波门内的运动点个数,如果目标的波门位置及运动点个数在连续若干帧内都没有发生变化,则认为该目标是非运动目标,此时,只需对非运动目标所在的区域背景进行更新,而不必对非运动的前景目标进行检测。实验结果表明此算法能够适应多运动目标情况下的准实时背景更新。     

快速背景重建的在线运动目标检测

为了能快速地从视频图像序列中创建可靠的背景图像,进而提取运动目标,文中提出了一种基于反馈信息的运动目标检测算法.首先提出了基于相邻帧信息和背景估计信息相融合的背景重建算法,保证了在视频场景改变时仍能迅速捕捉背景;还提出了基于一种在线Otsu法的运动目标检测,将相邻帧运动目标信息反馈到目标提取算法中,弥补传统Otsu法的不足;最后提出了对光线变化具有一定鲁棒性的背景估计算法.实验表明,该方法的重建速度快,准确率高,能满足实时检测的需要.     

基于背景建模和图像分割的运动目标提取

运动分割是视频分析的重要基础步骤。本文研究了从视频序列中提取运动目标的算法。该算法将自适应背景建模和彩色图像分割相结合而得到具有精确边缘的运动目标。在背景建模中,采用混合高斯模型描述像素点的状态,利用高斯分布特性区分噪声、背景、运动。彩色图像分割运用MeanShift迭代算法对图像进行颜色聚类得到一致的颜色区域。实验结果表明该的算法在固定场景下能够精确分割运动目标。     

基于块估计的运动目标检测方法

提出了一种适合于运动目标检测的块运动分析方法,用以补偿移动背景所带来的杂波信息,准确检测运动目标。在对原始图像进行滤波的基础上,选择合适的子块,通过块匹配,得到背景位移矢量;利用这些运动参数,在相邻帧之间进行运动补偿,达到分割运动目标的目的。该算法对背景的适应性能好。     

分块思想和码本模型的运动检测算法

为了消除静止摄像机下复杂背景环境对运动目标检测造成的影响,同时又为解决目前的运动目标检测算法在检测速度、准确度方面存在的不足,提出一种改进码本模型的运动目标实时检测算法.首先利用分块的思想将一幅图像分成若干宏块(MacroBlock),然后对每个宏块进行背景建模聚类成码本.在目标检测时,同样对当前帧进行分块,对于每个宏块求得像素均值和亮度均值并与其对应位置的码本进行比较判断,从而提取出前景目标.实验证实,对存在动态因素的背景视频,该算法不仅能有效抑制伪目标的出现,而且能准确快速地检测出运动目标.     

运动摄像机下快速提取运动目标的新方法

本文研究摄像机和目标同时运动情况下的实时目标提取问题.首先运用背景差方法,检测出静止摄像机下的运动区域,为了克服连通域分析法耗时长的不足,提出重心偏移迭代法快速获得感兴趣运动目标.在改进Camshifi跟踪算法中,提出采用Bayesian概率法则在由Kalman滤波器预测的感兴趣区域(ROI)内获取颜色概率密度分布图像(CPDDI),引入即时背景(IB)以抑制背景特征.提出依据跟踪结果进行目标提取的方法,即结合CPDDI特征,并辅以适当的形态学滤波策略,从跟踪结果中提取出运动摄像机下的运动目标,解决目标被动态背景干扰的问题.实验结果表明,提出的算法能够较稳定和完整地提取出运动摄像机下的运动目标,对复杂动态背景的适应性较强,且算法完全达到了实时的运行速度.