基于协方差矩阵的复杂背景中目标检测

在视频的运动目标检测中,有很多经典方法,但是大部分都不能完整地从复杂背景中检测出运动目标。提出了一种运动目标检测的新算法——协方差矩阵算法,它集成了像素级和区域级2种不同的层次。在像素级中,空间的属性主要来之于像素的坐标值、亮度、纹理和梯度等。在区域级中,通过计算一个像素周围矩形区域的协方差矩阵来表示像素间的特征相关性。实验结果表明,该方法具有较强的鲁棒性,明显优于传统的目标检测算法。     

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。     

运动序列中动目标检测的稳健性方法

提出一种运动序列中动目标检测的稳健性方法。用尺度不变特征变换(SIFT)算法生成特征描述符,基于最近邻距离比(NNDR)进行初始匹配,增加对称性约束以获得稳健的匹配点集。随机抽样一致集算法(RANSAC)用于分离背景和目标对应特征点,实现背景运动的稳健性估计。背景补偿后,相邻帧差分和数学形态学方法实现动目标的分割。真实运动序列的实验结果表明,该算法能够获得稳健的匹配点对,检测出运动目标。     

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。     

基于2D时空熵门限的运动目标检测

该文给出一种基于二维(2D)时空熵门限进行运动目标检测的方法。研究了几种通用运动目标检测方法的特点,运用2D熵门限分割方法检测运动目标的结构区域,在2D熵门限的基础上,提出了一种快速熵门限求解算法。实验结果表明,这种方法可以很好地检测出运动目标,同时可大大提高运算速度。     

Moving object detection and tracking from video captured by moving camera

This paper presents an effective method for the detection and tracking of multiple moving objects from a video sequence captured by a moving camera without additional sensors. Moving object detection is relatively difficult for video captured by a moving camera, since camera motion and object motion are mixed. In the proposed method, the feature points in the frames are found and then classified as belonging to foreground or background features. Next, moving object regions are obtained using an integration scheme based on foreground feature points and foreground regions, which are obtained using an image difference scheme. Then, a compensation scheme based on the motion history of the continuous motion contours obtained from three consecutive frames is applied to increase the regions of moving objects. Moving objects are detected using a refinement scheme and a minimum bounding box. Finally, moving object tracking is achieved using a Kalman filter based on the center of gravity of a moving object region in the minimum bounding box. Experimental results show that the proposed method has good performance.     

基于YC_bC_r颜色空间的背景建模及运动目标检测

高斯混合模型广泛应用于基于背景建模的运动目标检测中。首先在YCbCr颜色空间采用自适应高斯混合模型对背景的每个像素建模;然后,对输入的当前帧图像的每一像素值与该像素点对应的高斯混合背景模型的各个高斯模型进行比较,将前景运动区域（包括运动目标、投射阴影）从场景中提取出来;最后,采用局部二元图（Lo-cal Binary Pattern,LBP）来提取纹理特征,利用背景在阴影覆盖前后的纹理相似性去除投射阴影,同时结合阴影的空间几何特性优化运动目标检测结果。实验结果表明,该算法能有效地检测出投射阴影和运动目标,具有较高的实际应用价值。     

基于时空联合的红外运动目标分割算法

针对野外复杂背景下红外运动车辆分割这一难题,提出了一种时空联合的运动目标分割算法.该算法首先通过自适应变化检测提取出初始目标,然后在初始目标外接矩形区域中做分水岭变换,最后通过基于初始目标模板投影和运动投影的区域合并,得到精确的目标.实验结果表明,该算法能快速精确地从复杂背景中分割出目标.     

基于粒子群算法和卡尔曼滤波的运动目标跟踪算法

针对目前一些常用的运动目标跟踪算法存在跟踪精度不高、实时性低、对遮挡问题处理不佳等问题,提出一种粒子群算法与卡尔曼滤波相结合的新的运动目标跟踪方法。利用卡尔曼滤波预测目标中心在下一帧图像中的位置,从而极大减少了搜索范围,并以该位置为中心建立目标搜索区域。然后以目标的灰度统计特征对目标模板和候选区域进行匹配,确保跟踪准确性。为了有效减少搜索匹配次数、提高实时性,利用粒子群算法在搜索区域找到和目标模板最相似的区域,从而找到最优中心位置,并以该位置作为卡尔曼滤波的观测值,进行下一帧跟踪。仿真实验结果表明新算法显著提高了跟踪的实时性、精确性,并对部分遮挡能较好地处理。     

A fast valley-based segmentation for detection of slowly moving objects

Moving object detection in a video sequence is the first and most important step in many computer vision applications. However, it is challenging for a machine to match with the human visual perception level. Motion information of slowly moving object is highly erroneous in comparison with fast moving object. Therefore, in real time, accurate segmentation of slowly moving objects is more challenging. In this paper, a fast and efficient segmentation algorithm is proposed for the detection of slowly moving object in a video sequence. The proposed method has three steps to extract the slowly moving object in a video. In the first step, an averaging frame difference method is proposed to extract the motion information. In the second step, a valley-based thresholding is proposed to segment all the frames of a video. In the final step, the motion information and spatial homogeneous region information are merged to extract the slowly moving object.     

目标基视频编码中的运动目标提取与跟踪新算法

自动、快速的视频目标提取与跟踪是目标基视频编码中的一项关键技术.本文提出一种运动目标提取与跟踪新算法.首先,根据多帧运动信息和高阶统计检测方法得到二值运动掩模图像,然后提出一种改进分水岭算法对运动区域及其周围部分进行分割.将二者所得结果进行投影运算,得到最终运动目标.最后提出一种运动目标跟踪新算法,能对目标进行有效的跟踪.实验结果说明了本文算法的有效性.     

结合直方图反投影的多特征运动阴影检测算法

针对视频监控中运动阴影影响目标检测跟踪准确性的问题,提出一种结合直方图反投影的多特征运动阴影检测算法。首先利用背景减除法,得到前景区域并进行初步筛选;然后在背景区域建立亮度、颜色、梯度特征的联合直方图,以反投影的方式投影到前景区域得到运动阴影概率图;最后结合空间一致性和滞后阈值,对概率图进行分割得到运动阴影区域。与典型算法进行对比的实验结果表明,本文算法能够有效区分阴影与目标,适用于实时的运动目标检测与跟踪。     

对传统运动检测算法改进的研究

基于背景减除法和时域差分法,并对这两种算法加以了改进,综合二者优点,提出了一种新的运动检测方法。以便于视觉监视中快速、准确地分割出运动目标。同时把分割出的运动目标用区域而不是轮廓二值图表示。以下的改进方案经实验证明可以实时地分割出运动目标,效果也较好。     

结合对称差分和边界信息的运动目标检测方法

针对对称差分法检测目标时容易产生空洞以及当目标运动较慢或尺寸较小时易出现漏检等缺点,提出了一种将对称差分和边界信息相结合的运动目标检测算法。首先选取合适的阈值将对称差分得到的差分图像二值化,然后将二值图像相与的结果像进行形态学滤波确定目标的粗略位置;同时对中间帧进行边缘检测,将检测结果与确定的运动目标粗略位置进行交运算,得到运动目标的边界,再经过区域填充等处理获得准确的运动目标。实验结果表明该方法能对运动目标进行准确检测,且具有很好的鲁棒性。     

A semi-automatic seeded region growing algorithm for video object localization and tracking

This paper describes a semi-automatic method for moving object segmentation and tracking. This method is suitable when a few objects have to be tracked, while the camera moves and fixates on them. The user delineates approximately the initial locations in a selected frame and specifies the depth ordering of the objects to be tracked. First, motion-based segmentation is obtained through an initial application of a region growing algorithm. The partition map is sequentially tracked from frame to frame using motion compensation and location prediction. The segmentation map is obtained by the region growing algorithm. Translational motion is assumed for the moving objects, and local intensity or color average may be used as additional features. A post-processing procedure regularizes the object boundaries over time.     

基于全方位视觉的移动机器人运动目标检测*

针对移动机器人动态背景下运动目标的检测,提出一种基于全方位视觉的检测算法。首先,改进了SIFT算法中的特征点提取方法,在将图像划分为若干网格后,再根据特征点所在位置的局部区域熵对每个网格中的候选特征点进行筛选;其次,在SIFT点匹配后采用RANSAC算法去除误匹配点,以提高背景补偿的精度;最后用帧差法检测出运动目标。实验表明,该算法减少了SIFT点的获取时间,并具有良好的鲁棒性,能准确地在机器人运动过程中检测出运动目标。     

基于视频修复的运动目标删除篡改行为的检测算法

将运动对象从视频中删除是视频篡改的一种常见 形式,针对删除视频运动对象这一篡改操作, 提出了基于视频修复痕迹的检测方法。运动对象删除后需采用数字视频修复技术填补由于移 除操作产生的 黑洞,使得篡改后的视频遗留有修复痕迹;通过深入分析篡改视频中遗留的修复痕迹,对篡 改后未压缩视 频采用对称帧差法检测运动对象删除区域;对压缩后的篡改视频从运动光流场的角度,由视 频帧光流方向 的不一致性进行检测。实验结果表明,本文方法不依赖于原始视频,计算复杂度低,能够有 效检测运动对象删除操作,并在空时域上对篡改区域进行定位。     

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。     

基于区域特征的视频序列人脸快速检测

提出了一种基于区域特征的快速人脸检测算法.采用瞬时差分和背景差分获取并跟踪运动目标.消除了运动目标引起的背景模型更新误差.在检测到的运动目标区域内.通过基于区域特征的马赛克三分图模型检测人脸区域,并利用频率直方图方法合并所检测区域,最终获得人脸位置.实验结果表明,平均检测时间为30ms/帧,检测准确率可达95.7%,算法复杂度低、检测效果好,适合各类视频图像的人脸实时检测.     

Video object tracking using adaptive Kalman filter

In this paper, a new video moving object tracking method is proposed. In initialization, a moving object selected by the user is segmented and the dominant color is extracted from the segmented target. In tracking step, a motion model is constructed to set the system model of adaptive Kalman filter firstly. Then, the dominant color of the moving object in HSI color space will be used as feature to detect the moving object in the consecutive video frames. The detected result is fed back as the measurement of adaptive Kalman filter and the estimate parameters of adaptive Kalman filter are adjusted by occlusion ratio adaptively. The proposed method has the robust ability to track the moving object in the consecutive frames under some kinds of real-world complex situations such as the moving object disappearing totally or partially due to occlusion by other ones, fast moving object, changing lighting, changing the direction and orientation of the moving object, and changing the velocity of moving object suddenly. The proposed method is an efficient video object tracking algorithm.