基于背景差分和光流法的运动目标检测与跟踪

本实验研究的系统是利用混合高斯背景建模的方法建立一个背景模型,通过背景差分法从一系列包含运动目标的图像帧中提取出运动目标,并对提取出的目标区域进行金字塔光流法,以目标区域的光流方向作为运动目标的运动方向。最后通过vc++平台和opencv库设计一个演示环境,实现在单一的场景中实现运动目标检测和跟踪,验证本系统算法的可行性。     

基于Horn-Schunck光流法的运动目标检测的研究

运动目标检测具有广泛的理论及现实意义,光流法是运动目标检测的重要方法之一。对基于Horn-Schunck光流法的运动目标检测方法进行了分析和仿真,计算出了相邻帧图像的光流并进行了运动目标的检测。通过实验证明,基于Horn-Schunck光流法的运动检测方法能够有效地检测运动目标。     

抖动干扰下运动目标精准检测与跟踪算法设计

针对在抖动干扰下运动目标检测精度较差的问题,提出了一种基于光流法与三帧差分法的运动目标检测算法,首先用基于卢卡斯-卡那得(LK)光流法的稳像算法对视频去抖,然后用三帧差分法提取目标。仿真结果表明,稳像后的峰值信噪比(PSNR)值提高了3.6 dB左右,所设计算法在抖动干扰下能够准确提取出目标,在测试平台上的平均处理速度为28fps;同时,针对传统核相关滤波(KCF)算法对尺度变化和部分遮挡目标跟踪性能较差的问题,设计了一种改进的KCF算法,通过对目标构造图像金字塔,计算滤波器在图像金字塔不同层上的响应,找到响应最大层并更新下一帧目标位置,同时加入了遮挡检测机制,减小目标遮挡对跟踪的影响。仿真结果表明,改进后的算法对尺度变化和部分遮挡的目标跟踪鲁棒性更优,可实现对目标的稳定跟踪,处理速度为33 fps。通过与KCF算法进行比较说明该算法的准确率提高了4.2%,成功率提高了11.8%。     

特征点辅助的时空上下文目标跟踪与定位

针对动态目标跟踪中快速运动和目标遮挡而跟踪失败问题,提出了一种特征点辅助的时空上下文跟踪算法。首先提取目标特征点,通过特征点匹配和光流跟踪方法进行目标追踪,获得目标预估位置;其次,建立特征点变化率和时空上下文模型更新率关系模型,实时调控更新率,防止引入错误信息;最后,在预估位置区域内,构建局部上下文外观模型,计算与时空上下文模型的相关性获取置信图,进一步精确定位目标。算法在一组测试视频集中进行验证,相比目前4种主流算法(平均跟踪成功率最高为60%,平均跟踪误差最小为26.14 pixel),本算法综合性能达到最优,平均跟踪成功率为90%,平均跟踪误差为7.47 pixel,平均跟踪速率25.31 f/s。在双目视觉移动机器人平台上对随机运动目标进行跟踪实验,在背景干扰、遮挡、目标旋转和快速运动等组合情况下,跟踪成功率97.4%,跟踪距离平均相对误差为4.05%。     

基于电子稳像跟踪技术的运动滤波算法

为了在摄像机平台不稳的情况下获取稳定的图像序列,实现基于电子稳像的目标跟踪,对摄像机主动扫描运动与随机抖动分离方法进行了研究,提出了用均值偏移和粒子滤波结合的运动滤波算法(MSPF)来实现运动分离.算法通过粒子滤波预测粒子,然后利用单次均值偏移迭代移动粒子,使粒子更接近于目标真实位置区域,削弱了计算结果精度对粒子数的依赖.对于现实中的复杂背景,利用MSPF算法分离摄像机的主动扫描运动和随机抖动,采用运动补偿图像差分法检测出运动目标,从而实现图像的稳定跟踪.实验结果表明,MSPF算法使用50%的粒子就能起到传统粒子滤波算法同样的效果,缩短了计算时间,有利于实现实时稳像跟踪,适用于车载、船载、机载等稳定跟踪系统中.     

无人机低空飞行中具有复杂背景的运动目标检测算法

针对现有的满足实时性要求的检测算法,在复杂环境下检测效果较差,容易出现检测目标不完整和重影的现象,而具有较高准确性的检测算法,往往复杂度高,无法在无人机平台上满足实时性要求的问题,提出一种结合高斯模型和图像分割的运动目标检测方法。首先,在背景建模阶段,使用双高斯模型提高背景建模的准确性;其次,使用四叉树算法提取特征点并对特征点进行匹配;接着,计算前后帧图像中背景的运动参数,并对背景模型进行运动补偿;最后,结合背景模型与当前帧图像检测出前景目标,对前景周围区域进行图像分割,并与检测出的前景进行比较,得到最终的运动目标。实验结果表明,该算法能有效处理无人机运动对目标检测的干扰,检测出的运动目标轮廓完整且能满足实时性要求。     

背景运动补偿和假设检验的目标检测算法

根据背景与目标具有不同的运动特性这一事实,提出一种基于背景运动补偿和假设检验的目标检测算法。首先,采用特征点对应法求相邻帧间的运动;然后,用最小二乘法计算出摄像机仿射运动参数,利用此参数进行帧间背景运动补偿后得到稳定的背景;最后,用假设检验方法检测补偿后的帧差图像,经过简单的形态学和连通区域处理后检测出运动目标。仿真表明,该运动补偿算法能有效消除背景突出目标,补偿前后的差分图像信噪比提高了14.71 dB。该算法计算量小,可以成为一种通用的实时目标检测算法。     

智能图像监控系统异常目标检测算法研究

为实现智能家居中的实时安全监控,提出了一种基于嵌入式平台和无线通讯的智能视频监控系统方案,并设计了智能视频监控系统中的异常目标检测算法。以背景差分法为基础,采用自适应闽值、运动目标跟踪及背景更新等方法,克服了背景光线变化、阴影及小目标带来的干扰,提出并实现了动态目标跟踪检测功能。该系统能够有效地对监控区域目标状态进行监测,并能根据监测结果进行报警等安全操作。实验结果表明,系统具有很高的实时性、可靠性和实用性。     

一种改进的基于光流法的运动目标跟踪算法

运动目标跟踪需要从背景中准确地检测出感兴趣目标并实现有效率的跟踪。文章结合Codebook模型和光流法提出了一个新的目标跟踪方法,首先用Codebook模型检测得到感兴趣目标,然后提取感兴趣目标内部的特征点并用光流法进行跟踪,跟踪过程中实时更新用以跟踪的目标内部的特征点。当目标发生遮挡时,采用Kalman滤波器预测目标的位置,遮挡结束后根据Kalman滤波器预测的位置和Codebook检测结果重新初始化感兴趣目标内部的特征点。实验结果表明,该算法具有较好的鲁棒性和较高的准确率,能够满足实时跟踪的要求。     

一种有效的雷达微弱目标检测法

本文提出了一种检测前跟踪算法,它根据雷达图像中包含的目标运动参数的信息预测目标运动轨迹,并沿着预测轨迹积累能量,有效地解决了动态规划检测前跟踪算法(TBD-DP)在能量积累过程中的能量扩散问题.本文描述了算法的能量积累过程,仿真实验显示出该算法最大程度地抑制了聚集在真实目标点周围的虚警噪声,提高了检测前跟踪算法对目标的检测和分辨能力.     

基于光流的物体移动速度检测技术

通过采集目标物体的运动图像,根据移动物体运动场和光流场的关系,由运动主方向的原理,确定出物体移动的方向;采用一种基于金字塔式的L-K算法对移动物体的光流速度进行计算;把图像中的光流速度转化为物体的实际移动速度。实验结果表明,该算法能有效地检测出物体的实际移动速度。     

应用级联分类器检测安瓿内弱小运动目标

针对序列图像内具有低信噪比和低对比度特征的运动目标,提出了一种基于级联分类器的弱小目标检测算法。该算法从安瓿瓶序列图像内提取绝对差分值、局部差分对比度和局部相关系数3个图像特征。每个图像特征对应一个分类器,通过三层级联形式实现序列图像中的小目标检测。第一个节点与传统帧间差分法类似,主要去除大量背景图像并检测出大颗粒运动目标,后两个节点则用于检测弱小目标、排除光流和瓶身污渍产生的噪声点。实验结果显示,相对于传统的帧间差分法,本文算法具有高检测精度和高抗干扰能力等特点,不仅可以检测出图像中弱小运动目标,同时也消除了复杂背景下的噪声影响,弱小目标的检出率达到99.3%,并且满足安瓿在线检测的实时性要求。     

基于改进三帧差法的微小目标运动轨迹检测方法研究

针对计算机视觉系统中高速时变快速目标检测路径存在的小目标,容易丢失和轨迹不易检测问题,提出了一种基于三帧差理论的微小运动目标检测跟踪改进算法。该算法采用三帧差分法获取运动目标图像,然后利用颜色阈值分离其他运动目标的干扰。实验使用室内激光点运动记录作为样本,通过本算法检测激光点的快速不规则移动来确定激光点运动轨迹。结果表明,该算法能够完整地检测激光轨迹,能够有效降低目标图像和其他运动物体的噪声。     

基于亮斑的热红外图像运动目标快速检测新算法

红外目标检测是红外目标跟踪中的重要环节,准确有效地检测出目标是实现目标跟踪的前提.本文通过分析热红外图像地面运动目标的特点,针对地面运动体的辐射对比较高的区域(简称亮斑)进行频谱分析和建模,提出了一种在复杂背景下,简单快速且普适的红外目标检测算法.试验验证了该方法在多种目标在多复杂背景下的检测准确性.     

基于图像融合的运动目标检测与跟踪方法研究

从运动背景中检测与跟踪运动目标是计算机视觉研究领域的热点,根据帧差法的基本原理,提出了一种针对复杂背景的运动目标检测方法.首先通过设定阈值滤除序列图像中的噪声,然后对三帧算法进行改进,即利用序列中多帧图像融合运动信息,并确定参考区域,通过对原图像进行回扫描,最终提取出完整的运动目标轮廓.最后采用一种运动物体跟踪算法,实现了运动物体和静止物体的识别,克服了以往算法中的误检和空洞问题,实验结果表明,该方法能够满足实时性的要求.     

基于FPGA的Lucas-Kanade算法优化

在FPGA平台上实现基于光流法的视频运动目标跟踪系统,采用Lucas-Kanade算法进行光流场的计算,在图像预处理阶段提出使用三维高斯滤波代替传统二维高斯滤波,引入相邻像素点在时间轴方向的相关性,增强图像的滤波效果。在3D导数计算阶段提出在求导方向的正交面上进行平滑滤波,并采用匹配的导数和平滑参数,提高光流场计算精度。在FPGA平台上设计多级主流水线加子流水线结构,设计了四端口RAM进行图像缓存,优化了最小二乘矩阵单元和浮点数运算单元,实现了实时视频运动目标跟踪。     

角点检测与光流跟踪的焊缝特征提取与定位研究

针对V型坡口中厚板对接焊焊缝特征点检测精度不高的问题,研究了一种基于激光视觉传感的角点检测与光流(LK)跟踪的焊缝特征快速提取与定位方法。根据三角测量原理,设计了能够实时检测焊缝特征图像的激光视觉传感器,并建立了由激光条纹特征点像素坐标到焊缝特征点三维坐标的数学模型;对焊缝图像进行了预处理,采用Shi-Tomasi角点检测提取了焊缝特征;最后使用光流法为后续帧匹配特征角点,实时计算出了图像中焊缝特征点的亚像素位置。研究结果表明:基于角点检测与光流法跟踪的焊缝特征提取与定位方法,其特征点检测精度较高,平均误差在±0.13 mm以内,可以实时、准确地识别焊缝特征。     

基于FPGA的运动目标检测系统的设计

针对运动目标检测对实时性和准确性要求较高的问题,本文设计了一种基于FPGA的运动目标检测系统。首先,用CMOS摄像头采集视频图像,缓存入SDRAM存储器,对缓存的图像采用帧间差分法检测出运动目标;之后,对帧间差分法在画面中产生的空洞与噪声点,采用形态学滤波滤除;最后,将处理后的图像送入图像显示模块进行显示。在QuartusⅡ13.0环境下完成该算法的硬件设计。实验结果表明,设计的系统能够实时地检测出运动目标且准确性高。     

基于混合智能算法的肇事车辆追踪系统设计

针对目前肇事车辆追踪难题和传统算法检测精度低、速度慢的缺陷,设计了一个基于混合智能算法的肇事车辆追踪系统.采用帧差分法得到目标运动区域,利用背景差分法提取精确的目标图像,然后提取目标特征点处的光流并对兴趣区域标注,克服了空洞、重复检测和光照影响的问题,降低了时间复杂度,使目标追踪结果更精确可靠,检测时间少.实验结果表明,与传统算法相比,该系统能够快速、准确的追踪肇事车辆,具有很强的有效性和实用性.     

权重系数自适应光流法运动目标检测

为了实现Horn-Schunck光流法权重系数的自适应设定与更新,研究了权重系数对Horn-Schunck光流法的影响规律,提出一种融合模糊C均值(FCM)聚类的权重系数自适应Horn-Schunck光流法。首先,统计不同权重系数下运动目标检测的光流总值变化曲线。然后,以光流总值的最优化为依据,结合两层模糊C均值(FCM)聚类寻找最优权重和基于固定迭代次数Horn-Schunck光流法的收敛点,从而自适应地获取最优权重系数,并将收敛阈值的人工设定转化为光流值的自动寻优。最后,通过标准视频序列进行测试以验证算法的有效性。实验结果表明:相比于其他权重系数值,最优权重估计的光流图像不但运动目标明显而且噪声较少。对运动目标检测的运行时间为0.106 0s,有用比为0.596 9,幅度误差为0.801 1,满足光流法运动目标检测的最优或次优性能。