遗失目标的实时检测算法

针对视频安全监控问题,提出一种实时的遗失目标检测算法.首先,帧间差分用于获取像素级运动特性,并构造双重背景用于检测双重前景.而后,将像素级特性及双重前景综合以维持双重背景的更新.最后,通过累加证据图像来处理实际应用中的虚警和遮挡问题并证实遗失目标.在不同视频序列下的实验表明该算法能够有效地从嘈杂的场景中检测出遗失目标.此外,对于352x288的序列而言,该算法的运行速度达到约54帧/s,能够满足实时的监控任务需求.     

基于空间邻域相关性的运动目标检测方法

针对传统混合高斯模型运动目标检测准确度不高的问题,本文提出了一种改进的运动目标检测算法,该方法通过利用空间邻域的相关性信息,结合混合高斯模型来提高运动目标检测的准确性.首先,对图像中的每一像素建立高斯模型,并采用模型的匹配次数确定方差更新系数的算法,解决了传统方法中方差收敛缓慢的问题;然后重新定义了马尔科夫随机场的势能函数,并融入空间邻域的相关性信息,由此获得了用于运动目标检测的自适应阈值.采用IBM研究中心的测试视频序列对本文的方法进行了测试,实验结果表明,本文的方法对复杂的场景有较好的适应性,能够得到比较准确的检测结果.     

基于像素评估与运动补偿预测误差扩展的视频水印算法

目的为了解决当前视频水印技术因忽略了视频像素特性与时间的相关性,从而出现嵌入失真和水印容量较低等不足,设计一种基于像素评估和运动补偿预测误差扩展的自适应视频水印算法。方法首先,引入运动补偿预测误差扩展方法,预估每个视频帧的像素灰度值,从而获取其对应的运动补偿预测误差。再依据预测误差,计算像素的运动补偿局部标准差,将整个视频分割为平滑和非平滑子块。依据运动补偿局部标准差,结合像素选择阈值,从平滑块中选择出合适的像素用于嵌入水印。依据评估的水印容量与选择的视频像素,针对不同的像素,设计不同的水印嵌入机制,将水印信息隐藏到视频特定的像素中,通过完成边信息的嵌入,从而输出水印视频。最后,构建水印提取方法,从水印图像中检测出初始水印。结果测试数据显示,与当前视频水印方法相比,所提算法具有更高的水印容量和更低的失真度,其最大水印容量为2 bits,提取水印信息的PSNR值在40 dB以上。结论所提算法具有良好的不可感知性与较低的失真,在版权保护、信息防伪等领域具有一定的应用价值。     

结合表观、运动和边缘结构信息的遮挡边界检测方法

为了准确检测视频序列中的遮挡边界,提出了一种利用随机森林分类器检测遮挡边界的方法。该方法首先分割视频序列某一帧的边缘检测结果得到超像素和超像素边缘,并将超像素边缘分解为多个短的直线段。然后结合表观、运动和边缘结构信息提取每个直线段的遮挡相关特征并组合成特征向量,将此特征向量输入遮挡边界分类器检测每个直线段是否为遮挡边界。最后可视化所有确定为遮挡边界的直线段得到该帧图像的遮挡边界检测结果。实验结果表明所提方法具有较高的准确性。     

欧拉弹力模型的视频运动目标自适应图切检测

传统的视频运动目标图切检测算法基于低阶马尔科夫随机场,能量函数的低阶近似无法准确描述图像像素的空间相关性,导致图切检测结果过度平滑。本文提出一种基于高阶欧拉弹力模型的图切检测算法,利用欧拉弹性模型优化目标边界曲线和修正能量函数的低阶近似。算法通过利用前一帧图像的检测结果,对当前帧图像运动目标像素点数和前景背景邻接像素对数进行卡尔曼预测,并不断自适应调整当前帧的图像模型参数,实现了视频运动目标的连续全局优化检测。实验结果验证了欧拉弹力模型在视频运动目标检测中的有效性,其检测结果能够更好地满足人的视觉效果。     

随机图像选取与自适应背景更新的运动物体检测

为克服运动目标检测中易出现的光照变化、遮挡、虚假目标等现象,提出了一种随机图像选取与自适应背景更新的运动物体检测方法.该方法从视频序列中随机选取一帧图像作为初始背景,根据变化标记矩阵对背景进行自适应迭代更新,以提取可靠的背景图像,实现运动物体的检测.实验结果表明,采用该算法提取的背景不存在混合现象,且在光照变化较大以及运动物体之间存在遮挡的情况下,能够构造出可靠的背景,检测出的目标物体清晰可见.     

基于运动一致性的视频对象分割方法研究

视频运动对象检测和分割是图像处理中最具挑战性的问题之一。针对目前大部分分割算法相当复杂而且计算量大的问题，提出了一种基于运动一致性的视频对象分割方法。该方法从MPEG压缩码流中提取运动矢量场来分割视频对象，首先对运动矢量场进行滤波和校正，然后进行全局运动补偿得到对象的绝对运动矢量场，最后采用K-means聚类算法对运动矢量场进行聚类分析从而分割出感兴趣的视频运动对象。MPEG标准测试序列的试验结果证明，该方法是有效的。     

采用马氏模型的点状动目标快速检测方法

提出了一种视频序列图像中点状运动目标三维快速检测方法。该方法利用目标运动的时域连续性假设,将目标在相邻多帧上的位置状态模型化为二阶马尔可夫数据链;依照该模型采用沿轨迹集成的检测算法,克服了传统三维检测造成搜索次数巨大的弱点,同时也避免了二维投影检测带来的信噪比下降。理论分析和仿真试验表明,该检测方法能稳定地检测出信号杂波噪声比（SCNR）超过3的缓动点状运动目标,而且在采用5帧集成时计算量比传统的穷尽轨迹匹配检测减少100倍。     

图像序列中运动弱小目标的检测

根据序列图像中运动弱小目标的相关性,提出一种弱小目标检测的方法。采用能量积累的方法,提高图像信噪比;采用自适应门限进行阈值分割,得到二值化的图像;利用聚类的方法去掉噪声点。实验结果表明,该方法能够有效地提取出低信噪比下序列图像中的弱小目标。     

智能视频监控运动目标检测技术浅谈

在视频监控智能分析序列中,运动目标检测正处于行业应用的前沿和发展方向,其在智能视频监控过程中发挥了举足轻重的作用。笔者根据工作研究实践,对智能视频监控运动目标检测技术进行了简要的阐述。     

基于三阶差分运算的动态图像跟踪算法研究

运动目标检测是指从视频流中实时地提取目标信息。而运动目标跟踪则是指对目标进行连续的检测并确定其运动轨迹。本文根据所处理视频图像相邻帧具有相关性的特点,采用了三阶帧间差分目标跟踪方法。得到运动物体的信息。实验结果表明,该方法可以很好的完成动态图像的跟踪。     

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.     

序列图像中运动目标检测

提出动态背景下序列图像中的运动目标检测算法。利用像素邻域的各向同性对图像进行归一化,消除亮度变化等因素的影响;利用光流信息并结合小波变换由粗及精计算速度场来配准图像;用当前帧作参考图像,通过时域积分校正背景图像。当前帧与校正后背景图像作差得到差分图像。假设该差分图像中噪声分布为高斯分布,由高斯分布的3σ特性滤除差分图像中的噪声,则粗定位出目标;最后以聚类方法确定运动目标区域。分别对200帧可见光和200帧红外图像序列进行实验,检测率分别为95%和94%。     

一种特征点跟踪的运动目标检测

提出一种基于特征点跟踪的运动目标分割算法。在角点跟踪过程中,8等分匹配点邻域,构造方向子邻域提高匹配精度;提出一种新的聚类准则抽取最优特征子集估计运动参数;结合统计方法消除残差噪声;采用时域滤波滤除孤立区域检测出运动目标。对200帧可见光视频序列和100帧红外图像序列中运动汽车进行检测分割实验,检出率分别达到96%和94%。     

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.     

基于关键观测点选择的视频浓缩方法

为了从海量视频数据中快速提取感兴趣的信息,在研究、分析现有视频浓缩算法性能的基础上,提出了一种基于关键目标选择的视频浓缩方法。该方法用选择的代表性观测点组成的新的运动序列来代表目标原运动序列,从而消除了现有算法不能消除的内容上的冗余,进而提高视频浓缩效率;采用数据驱动方式进行关键观测点选择,通过把这一选择问题转换为最小描述长度(MDL)选取问题来实现自适应选择,从而克服现有算法在视频浓缩中因观测目标极多导致压缩效率下降和影响视觉效果的问题。通过在三个数据库上的试验,证明了该方法的有效性。     

低信噪比图象中运动目标的实时检测

在低信噪比条件下,要从图象中以视频速率检测出运动目标存在不少困难,提出一种用帧间邻域高位比较法检测当前帧的运动目标的方法。这种方法包括选择处理窗口对当前象素及其邻域象素编码,存储和比较。     

基于仿生复眼的运动相机的运动目标检测

基于运动相机的运动目标检测是计算机视觉领域的热点与难点。基于仿生复眼结构的相机运动条件下的运动目标检测方法利用仿生复眼结构模拟多相机运动状态下的图像采集;使用SIFT特征点匹配与图像差分结合的方法提取运动区域,不需要建立背景模型,使用SIFT特征点匹配完成图像的配准,利用图像差分的方法得到运动目标,使用颜色值归一化,利用前景像素与背景像素的插值与比值确定该像素是否为阴影区域的方法。实验证明,该方法在不进行背景建模的条件下成功去除了阴影,实现了相机运动状态下的运动目标检测。     

序列图像中目标的分割与跟踪

本文主要研究序列图像中目标自适应跟踪方法.文章首先分析比较了目前国内外常用的分割方法的优缺点,然后提出了一种可以实现快速跟踪的算法.该方法利用序列连续图像的帧间相关性和差异性检测目标,把目标历史运动信息经过预测滤波后的结果和差值的序列图像信息进行比较,以达到快速跟踪的目的.     

用高阶累积量投影法检测红外弱小目标

为检测弱小红外运动目标,提出了一种基于高阶累积量投影的检测算法.红外图像序列经背景抑制后,首先计算时域数据的归一化三阶累积量,并将其投影到二维空间,然后在二维空间内对目标轨迹进行统计判决,以实现目标检测.推导出了目标和噪声在二维投影空间中的分布公式.通过与相关算法对比分析,该算法计算量小,检测率随目标信噪比增长较快.利用实际录制的图像序列进行了仿真实验,成功检测到了信噪比不小于2、像面运动速度为2帧/像素的目标,验证了算法的有效性.