基于多帧边缘差异的视频运动对象的分割与跟踪算法

从视频场景中分割和跟踪感兴趣的视频对象对于MPEG-4等基于对象的视频编码来说是关键性的技术之一。针对目前大部分视频对象分割和追踪算法相当复杂但仍不能有效地去除背景噪声的问题,该文提出用于分割和跟踪视频运动对象的一种基于多帧边缘差异的算法。该算法利用一组帧的边缘差异来提取运动对象区域,通过聚类方法去除背景像素点,利用形态学算子得到对象分割模板,同时通过建立前帧感兴趣对象与当前帧运动对象的帧间向量跟踪当前帧的感兴趣视频对象。不同标准视频测试序列的测试结果表明,该算法能够实现对感兴趣的视频运动对象更为精确、快速和有效地分割和跟踪。     

基于时域定区间记忆补偿的视频对象分割算法

提出了一种新的基于时域定区间记忆补偿的视频对象分割算法。首先,使用对称帧帧差累计法及帧差图像的四阶矩检测出初始运动变化区域;然后,对检测出的初始运动变化区域通过时域定区间记忆补偿法进行补偿,并进一步整合形成全局运动记忆母板,在空域使用Sobel边缘检测算子较为精确地检测得到当前帧中所有边缘;最后,进行时空融合,从而提取出完整精细的运动对象轮廓并通过填充得到运动对象模板。实验证明了本文算法的正确性和快速性。     

一种从视频压缩码流中精确提取运动对象的快速算法

针对目前大部分视频对象分割方法相当复杂而且计算量大的问题,提出了一种在压缩域粗分割,在空域精细分割的方法。该方法利用压缩域中运动向量进行聚类,得到运动对象的初始分割。将分割模板通过运动参数映射到参考帧I帧,,解码初始分割区域进行Canny边缘俭测和边缘跟踪,即可得到精确的对象轮廓。该方法使得处理的数据量保持最小,节约了处理时间并得到了像素级精度的分割对象。     

边缘检测与帧差法相融合的视频分割算法

常用的视频分割算法包括光流法、背景减除法和帧差法,但是3种算法容易受到计算量、环境噪声以及亮度突变等因素的影响,造成分割效果不理想。为了改善视频分割的质量,能够较好效果的提取到运动物体,提出一种将边缘检测与帧差法相融合的算法。该算法同时在两个方向进行。一是对相邻两帧图像进行边缘检测,将图像的边缘进行差分以得到运动物体的轮廓,为了连接轮廓中可能会出现的细小断点,对差分结果进行闭运算。二是根据设定的阈值,将相邻两帧图像的对应像素值转换为二值化数据,对二值化结果进行差分。最后综合闭运算与二值化差分结果,当数据发生突变时,即认为是运动物体部分。实验表明,该融合算法可以实时的检测到视频中的运动物体,效果较好。     

基于模板匹配的视频对象分割

视频对象分割是MPEG-4标准关键技术.本文结合模板匹配和基于运动估值和补偿的对象跟踪方法,提出了一种可以从复杂场景中分割出MPEG-4视频对象的新方法.在使用运动估值和补偿得到分割掩膜后,以初始帧对象颜色为模板,在当前帧的轮廓边界区域通过模板匹配检测对象,使轮廓精确化.本文方法在一定范围内有效解决了遮挡问题,并能够以初始帧跟踪任意长序列中的对象.     

以多目标优化的轮廓定位分割视频对象

该文提出一种用于半自动分割视频对象的对象跟踪方法,它以方块均方色差和图像像素边缘强度构造目标函数,把对象轮廓点的运动估值和补偿表达为用带容错的分层排序法实现多目标优化,从而确定与参考帧对象轮廓点对应的当前帧像素为轮廓点;以边缘强度最大为目标将这些轮廓点连接成闭合曲线,从而得到当前帧的对象分割掩膜,用这种方法处理多个视频测试序列得到满意结果。     

基于改进分水岭算法的立体视频对象分割

提出了一种结合视差和边缘信息进行立体视频对象的分割方法。针对传统分水岭算法过分割的问题,提出了改进的算法。采用基于自适应权值的立体匹配方法获得可靠的视差图,并利用改进分水岭算法进行视差图分割,获得初始的视频对象区域,随后对初始视频对象进行边缘检测,通过提取其轮廓获得准确的对象,最后提出基于区域的对象跟踪方法,完成后续帧视频对象的分割。实验结果表明,本文提出的方法可以获得良好的分割结果。     

基于Hausdorff跟踪器的人脸跟踪识别

Snake算法能够跟踪运动图像中对象的非刚性运动,但是对于背景复杂的图像,Snake跟踪的结果不够理想。因而在首帧分割得到对象轮廓的二值模型后,再采用基于Hausdorff距离的跟踪器,找到对象模型在后继帧中的最佳匹配位置;然后采用Snake模型对该匹配位置上的非刚性形变的像素进行匹配。实验表明:对于具有静止背景且前景对象不是快速运动的视频序列,与直接采用Snake技术进行运动对象的跟踪相比,该提取视频对象平面过程能够进一步提高结果的正确性。     

一种新的三帧差运动气泡检测方法

针对传统三帧差法在运动目标检测过程中存在部分 重叠和轮廓不完整现象,提出了一种结合 Kirsch边缘检测和背景差分的改进三帧差法。算法首先对连续3帧图像进行差分得到运动区 域,然后对 当前帧进行Kirsch边缘检测,通过已得到的运动区域与边缘检测结果进行逻辑“或”运算, 获得完整的运动 目标,利用背景帧差分割运动目标并去除噪声。实验表明,提出的方法能够提取更加完整的 目标区域,有 效避免漏检、误检等情况。与现有一些同类算法相比,本文算法具有更优越的运动目标检测 性能。     

基于Snake活动轮廓模型的视频跟踪分割方法

基于Snake活动轮廓模型,采用时空融合的方式,根据短时间内相邻帧的运动趋势差异相似的前提,首先将视频序列分成若干个小段,每段有k帧视频,选取段内的前两帧为关键帧,通过运动检测的方式自动得到这两帧中运动对象的大致区域;然后进行帧内Snake演变,搜索精确轮廓;最后以关键帧间运动对象形心的运动矢量预测勾勒后续帧的初始轮廓,进行帧内Snake精确轮廓定位,从而实现所有帧的视频对象分割。相比于传统方法,本文方法克服了手动绘制初始轮廓的缺点,在空域对Snake贪婪方法进行了改进而且精确度高,速度快。实验表明,本文方法成功地实现了前后帧图像之间运动对象的对应匹配关系,并通过改进后的Snake贪婪方法得到了精确的分割结果。     

基于边缘多通道梯度模型的多运动目标检测

针对视频序列运动目标检测易受环境噪声干扰、提取目标轮廓困难的问题,提出了一种基于边缘多通道梯度改进模型的多运动目标检测算法。首先,利用Canny算子获取视频序列中目标的边缘信息,并根据人类视觉色彩的恒常特性,对目标边缘建立时间、空间、颜色多通道梯度模型;然后,利用该模型获取目标边缘像素点的运动状态描述信息,实现背景边缘和运动物体边缘的分离;最后,将间断边缘像素点与其邻域点的运动状态相关联,以连接目标间断边缘,实现运动目标轮廓的提取,并将连接后的轮廓进行形态学处理以分割出目标。实验结果表明,与同类型算法相比,本算法在运动目标检测中具有的实时性、准确性和鲁棒性更好。     

引入光流法的活动轮廓模型

本文在活动轮廓模型的基础上，引入了“图象统计势能”和光流法，提出了一种新的图象分割方法，该方法改进了活动轮廓模型的一些不足，能准确地检测出物体轮廓边界，且分割结果对初始位置不敏感，同时提高了对运动速度较快的物体轮廓检测的正确性，实验结果证实了该方法的有效性。     

视频序列中运动目标检测技术

本文提出了一种视频序列中运动目标检测的方法。首先,通过估计相邻两帧之间的相对噪声的特征参数检测出运动变化区域,然后结合当前帧的边界信息确定运动目标的边界位置,最后根据边界位置检测和提取出运动目标。实验结果表明,本文的方法能有效地检测出和提取出运动目标并具有较强的稳健性。     

运动目标的自动分割与跟踪

该文提出了一种对视频序列中的运动目标进行自动分割的算法。该算法分析图像在L U V空间中的局部变化,同时使用运动信息来把目标从背景中分离出来。首先根据图像的局部变化,使用基于图论的方法把图像分割成不同的区域。然后,通过度量合成的全局运动与估计的局部运动之间的偏差来检测出运动的区域,运动的区域通过基于区域的仿射运动模型来跟踪到下一帧。为了提高提取的目标的时空连续性,使用Hausdorff跟踪器对目标的二值模型进行跟踪。对一些典型的MPEG-4测试序列所进行的评估显示了该算法的优良性能。     

基于多个非刚体目标跟踪的视频对象平面生成算法

提出了一种提取运动对象的新的视频序列分割算法。算法的核心是一个对象跟踪器,它利用一种基于对象行为的跟踪算法对多个非刚体目标有效地进行对象跟踪,并与后续帧进行匹配,然后采用一种基于运动相连成分的模型刷新方法对模型的每一帧进行刷新,初始的模型自动产生,再利用滤波技术滤除静止背景,最后,利用边界图像模型从序列中提取出视频对象平面（VOP）。     

Moving object segmentation and detection for monocular robot based on active contour model

A novel geodesic active contour model based on optical flow information is proposed to segment and detect the moving object for monocular robots. More specifically, an active contour is formulated using the level set method, which eliminates the need of re-initialisation. The developed scheme alleviates the effect of optical flow noise, increasing the robustness of the detection of moving objects. Experimental results show that this algorithm can successfully track a moving target, e.g. a human being.     

静态背景下的运动目标检测算法

运动目标检测是计算机视觉研究的重要组成部分。为了改进传统运动目标检测算法存在空洞、阴影和虚假边缘现象,提出一种静态背景下基于五帧差分与背景边缘差分相结合的运动目标检测算法。该算法首先利用优化的Canny边缘检测算法快速简单地构建稳定的背景边缘模型,同时利用背景边缘检测差确定运动目标边缘;之后与五帧差分法检测的结果相累加;最后通过同化填充和后期相关处理提取完整、准确的运动目标区域。实验结果表明,该算法准确率高,连通性好,能满足实时性检测的要求。     

基于时空曲线演化的多视频运动对象分割算法

多视频对象由于其运动的复杂性,在分割提取过程中有较大的难度.本文提出了一种基于时空曲线演化的多视频对象自动分割方法,首先根据视频序列帧间(时间域)和帧内(空间域)信息的不同特点,建立基于全局和局部特征的能量模型,并由此导出基于level sets方法的曲线演化方程;然后用视频序列的连继两帧帧差得到初始的视频对象,分别进行时间和空间曲线演化跟踪,提取多个视频对象;当对象因运动而发生相互遮挡现象时,利用基于Bayes最小错误概率决策法则的判断方法,分割遮挡对象和显露对象.实验结果表明,本文提出算法的分割效果在空间准确度上比COST211算法提高30-50%,比最佳的帧差分割算法提高5-10%.     

基于背景重构的运动对象越界侦测方法

提出了一种基于背景重构的运动对象越界侦测方法,该算法利用当前视频图像和背景视频图像,通过差分法获取运动对象模型和背景差值,再利用运动对象模型的连续性绘制运动对象轨迹,对轨迹和警戒线交叉方程进行越界侦测。同时,利用当前视频图像融合背景图像生成新的背景图像,能有效保证识别算法的自适应性,提高侦测结果的准确性。