自适应复杂背景干扰的运动目标检测算法

基于视频图像的运动目标检测,是根据目标的像素特征来判别出相对于背景运动的目标,当图像背景动态变化时,将难以区分背景和运动目标的像素特征,易造成检测错误。复杂背景下的运动目标检测是一大难点,目前主流的运动目标检测算法在背景灰暗、水面波动、气流颤动等复杂背景干扰下,难以准确地检测出运动目标。针对上述问题,提出一种自适应复杂背景干扰的运动目标检测算法,采用新的前景判断和背景模型更新方法,同时设计了一种创新型自适应阈值更新方法,当视频背景变化时,自动更新阈值。该算法增强了对复杂背景、镜头抖动的抗干扰能力,通过各种视频测试,背景点检测正确率达到0.9958,前景点检测正确率达到0.8012,极大提高了前景检测率,而且该算法满足高实时性要求,对复杂背景下的运动目标检测有显著效果。     

运动目标检测和目标区域的估算

采用三帧差分法检测静止背景下视频序列中的运动目标,得到运动目标的二值图像。并利用矩方法对运动目标的几何特征进行了研究,在此基础上提出了一种运动目标的质心和最小外接矩形的估算算法,并对该算法进行了改进,使之适合噪声干扰比较大的情况。该算法可实现运动目标进行快速准确定位和区域估算,实验表明该算法的时间复杂度和空间复杂度低,效果良好,且具有很好的鲁棒性。     

基于融合差分的可变光强自适应目标识别算法

主要研究视频监控系统中运动目标检测算法,提出一种背景差分与帧间差分相融合的方法。该算法通过多次差分以及判决区域的相关运算划定背景区域和运动区域。同时参考相邻帧平均灰度信息更新背景帧以适应光线变化对判断造成的影响。在图像后处理中结合相关形态学算划分最终的运动目标。该算法可实现运动目标的快速准确定位和区域估算,实验表明该算法的时间复杂度和空间复杂度低,效果良好。     

卫星视频运动目标检测算法

为了实现对卫星视频图像序列的运动目标进行跟踪,提出了一种背景建模与添加实际条件约束相结合的卫星视频运动目标检测算法。首先,针对卫星视频图像序列的背景建立背景模型。然后,把接下来各帧图像同该模型相比较,进行减法运算,所得偏差为运动区域。最后添加满足卫星实际情况的约束条件,根据卫星视频的分辨率估算出运动目标合理的像元尺寸,从而滤掉噪声。将本算法在PC端进行实现,并与三帧差法和背景建模法的检测准确度进行对比。实验结果表明:本算法对卫星视频图像序列运动目标检测的准确度可达83.6%,三帧差法检测准确度为6.1%,背景建模法检测准确度为21.0%。从实验结果可以看出,本文算法可以比较准确地对卫星视频图像序列进行运动目标检测。     

基于视频增强的昏暗背景下目标检测方法

昏暗背景下视频图像对比度低，通常的检测算法很难实现对运动目标的检测。提出了一种基于视频增强的昏暗背景下目标检测方法，首先通过直方图均衡与时空混合高斯滤波相结合的方法进行视频增强，然后对增强后的视频用传统检测方法进行目标检测。实验表明该方法在昏暗背景下能较好地检测出运动目标，具有较强的鲁棒性。     

野外复杂背景下红外图像的目标检测

野外复杂背景下红外图像序列目标检测是红外野外监视中的重点问题。大量的背景物增加了目标检测的难度。文中针对野外复杂背景下红外图像序列的特点,提出了一种实用的运动目标检测算法。该算法包括两个处理步骤：首先,在场景配准后利用帧间差图像提取目标的运动信息,并据此进行目标的粗检测;其次,合目标运动在时间和空间上的相关性进行精检测。粗检测的低漏判度和精检测的低误差率保证了算法的可靠性。在检测的同时算法确定了目     

基于颜色空间转换的运动目标检测与阴影去除

针对室内视频监控中运动目标检测常出现的阴影误检,提出了一种基于颜色空间转换的自适应背景建模和阴影消除算法.在RGB空间采用自适应背景差对视频图像进行前景背景分离,并将检测出的前景目标锁定在活动轮廓矩形框内进行目标跟踪,对于误检的虚假目标(即阴影),利用其亮度等信息,在HSV空间去除.经实验验证,该算法对阴影的去除有良好的效果,能准确检测出真实目标.     

一种强背景下点目标检测算法及硬件实现

白天观测条件下高亮度的天光背景使空间目标淹没在强的背景噪声中,而且由于目标运动角速度高,背景起伏大,帧间数据相关性较小,只能采用单帧数据进行处理.为了有效的检测到空间目标,扩展目标观测时段,针对背景噪声强、数据量大的实时检测难题,提出了适合硬件实现的空间弱小目标检测算法.该算法;(1)将目标图像进行平场归一化;(2)利用形态学.Top-Hat算子对归一化后的图像进行目标增强;(3)利用均值滤波对归一化后的图像进行背景估计;(4)图像差分及采用恒虚警方法检测出目标.该算法能在单帧条件下有效地消除强背景的起伏变化及短曝光所引起的快门效应,可将空间点目标可靠地检测出来.最后,文中给出了该算法的硬件实现的并行处理结构,有效减少数据处理时间.通过实测数据的试验结果表明,该算法的检测概率高于单一滤波算法,且能够对信噪比约为2的空间点目标进行可靠的检测,具有很好的实时性能.     

基于减背景和混合差分的运动目标检测算法

针对固定摄像机条件下的视频监控问题,提出了一种基于背景相减法和混合差分法相结合的运动目标检测算法。该方法对彩色图像建立混合高斯模型,对背景模型进行实时更新;并对帧间差分法进行了改进,提出混合差分的思想。通过背景相减法和混合差分法的结合,采用形态学滤波的方法去除噪声点,检测到确切的运动目标。实验结果证明,文中提出的算法能准确地建立背景模型,既完整地提取运动目标,又适应复杂环境的变化,提高了运动目标检测的精确度和速度。     

运动目标检测与跟踪算法的改进与实现

提出了一种对视频图像中运动目标检测并进行实时跟踪的新方法。该方法利用基于背景建模的背景差分与改进的带时间戳的运动历史图像(tMHI)的目标分割相结合的算法对运动目标进行检测,在获取到视频流中的运动目标轮廓后使用基于tMHI的运动梯度算法来实现运动目标的跟踪。实验结果表明,该方法能够对指定区域内的目标进行有效识别和准确跟踪,并且弥补了运动目标暂时性停止时无法检测出来的不足。