基于模板匹配的运动目标快速检测与跟踪

在图像跟踪系统中，运动目标的快速检测与识别是至关重要的．通过分析视频序列图像的特点，并结合帧差法和多分辨率图像匹配的优点，提出了一种基于模板匹配的快速检测识别目标的方案．实验结果表明，该方法能快速有效地识别目标，基本上达到了实时跟踪的要求．     

基于光流场与EM算法的运动目标检测

针对光流法对检测目标的不准确性、抗噪能力弱等缺陷,提出了光流场和EM算法相结合的方法,利用两帧图片求得光流场,并在此基础上利用EM算法对属于背景和目标运动场的光流进行聚类,得到完整的目标,区分出前景和背景,消除噪声.最后通过仿真实验可知,所提出的改进算法对单目标、多目标以及被遮挡的目标的检测都具有良好的效果.     

基于视频的运动目标检测及算法分析

社会经济高速发展、人民生活水平不断提高,必然导致各类汽车使用数量的飞速增长。城市交通拥堵、交通事故频发、交通环境恶化等社会问题不但造成了巨大的经济损失,也促成了空气质量的进一步恶化。作为交通事件检测系统的关键环节,基于视频的运动目标检测可以有效加强交通管理者对道路的可视化管理,提高道路交通事件的检测效率,力图在第一时间发现并及时处理交通事件。     

运动点状目标检测的改进算法

讨论了用Ｈｏｕｇｈ变换、匹配搜索和神经网络来检测点状运动目标的方法，当目标信号微弱时，目标检测必须依靠多帧信号的积累。Ｈｏｕｇｈ变换、匹配搜索和神经网络对于可检测信杂比，计算复杂性及可实现性等各有其特点。本文通过计算机仿真和理论分析对几种算法了比较，并提出了相应改进的综合算法。     

基于运动平台的运动目标检测与跟踪

为了实现大视场智能监控,本文提出了一种基于运动平台的运动目标检测与跟踪方法.在相邻帧之间通过块匹配进行运动补偿,采用三帧差分法分割出运动目标.当运动目标正常运动时跟踪其形心;当运动目标被遮档时,根据卡尔曼滤波器预测的形心跟踪目标.其中,对于块匹配,采用边缘点作为匹配块的中心点并根据摄像机的运动方向确定搜索范围,使处理速度提高了38.6%.另外,比较得出最小二乘法对运动目标运动状态突然改变时拟合效果差,因此采用卡尔曼滤波器进行预测.实验证明,本算法适应环境变化的能力强,而且平均每秒处理37.6帧,达到实时处理要求.     

背景运动估计与动目标检测

本文介绍了从运动背景中检测多个运动目标的技术,首先利用光流估算法估计背景运动速度,再通过估计值对运动背景进行补偿校正,对经补偿后的差分图像,本文统计其分布规律,设计最佳分割阀值进行图像分割,在滤去噪声之后通过识别连通域检测出多个运动目标。     

浅谈运动目标检测方法的研究

运动目标检测是数字图像处理技术的一个主要部分,在现实生活中有着广泛的应用。本文分别论述了：（1）运动目标及运动目标检测的基本概念;（2）运动目标检测研究的难点;（3）运动目标检测方法。     

基于光流场分割的伪装色运动目标检测

为了解决伪装色运动目标难以检测的问题,通过分析动态背景下具有伪装色运动目标的运动变化规律,提出一种基于光流场分割的运动目标检测方法;在具有伪装活动目标且背景动态变化的视频中采用稠密光流算法计算出视频序列的运动光流场,根据运动目标与背景运动方式的差别对运动光流场进行分析,利用K-均值算法完成运动目标与背景的分割,获取运动目标区域。实验结果表明,在摄像头固定情况下,该方法能在变化的背景中有效检测出伪装色运动目标。     

一种运动目标检测与跟踪快速算法的研究

运动目标的检测与跟踪是计算机视觉和图像编码研究的主要内容之一,有着广泛的应用领域。而基于光流场的检测与跟踪是其常用的方法之一。本文提出了基于帧间差阈值法和光流场相结合的快速运动目标检测与跟踪算法,计算结果表明该算法简单实用、运算速度快,克服了单纯光流场方法的不足。     

基于视觉的智能移动机器人的运动目标检测与跟踪

目的扩大机器人的目标搜寻范围,并对运动目标进行跟踪。方法提出了将运动背景下运动目标的检测方法应用于机器人目标检测与跟踪,并使用基于视觉的目标跟踪方法。结果机器人在运动状态下仍然能够进行运动目标检测。结论移动机器人能够在运动过程中准确地检测出运动目标,并有效地提高了目标检测的能力。     

TMS320C6701在运动目标实时跟踪中的应用

描述一种使用高速图像处理器和摄像头进行运动目标实时跟踪的系统 .图像处理器的核心由一块TMS32 0C6 70 1数字信号处理板及图像实时采集卡构成 .在对采集的初始图像序列作若干预处理后 ,采用改进的加约束的光流场算法从复杂背景中快速地计算出光流场 .根据运动目标的形状特征 ,较为完整地提取出运动目标区域 ,并计算目标运动的速度大小和方向 ,最后根据这些参数控制摄像云台机构持续跟踪移动的目标 .文中还给出在复杂背景下跟踪人物的实验结果 .     

复杂背景下运动目标的光流区域提取方法

经过对初始的图像序列作若干预处理后 ,采用改进的光流场算法从复杂背景中较快地提取出运动目标的光流场 .再经一系列光流场区域处理 ,较完整地提取出运动目标区域 ,以供运动目标自动实时跟踪系统进行速度的定量分析、计算和跟踪控制 .     

一种改进的基于光流的运动目标检测方法

针对传统的基于梯度的光流方法一般不能检测出帧间位移小于1个像素的运动目标,提出一种改进的基于梯度的光流计算方法．该方法使用了一种新的3D-Sobel算子计算像素的时空梯度,并增加置信判断算子来确定每个像素对应的光流场,改进的梯度计算过程需要5帧图像．实验结果表明：在静止背景的图像序列中,该方法比传统方法能更好地检测出以不同速度运动的目标．     

基于区域知识的快速匹配定位算法

针对雷达图像与可见光图像间仅存在大尺度的共性区域特征这一特点，提出了采用区域分割技术获取雷达图像和可见光图像中的各区域特征，结合各区域知识及各区域间的关系，通过识别与雷达图像中的大尺度区域相对应的可见光图像中的区域，达到快速匹配定位的要求．     

一种基于改进单高斯模型的运动目标提取方法

单高斯模型常用于室内场景或环境较为简单时的背景建模,适用于单模态背景情形,具有快速性和相对准确性。基于单高斯模型在运动目标检测中存在的缺点,提出了一种改进的单高斯背景建模方法。依据先验知识,为每一个像素点设定一个计数器来进行历史前背景点判别信息的统计,进而建立起一种"防欺骗"机制来防止背景点的误判,有效地抑制了传统单高斯模型中的拖影和前背景误判等现象。实验结果表明,改进方法在前景提取效果上有着显著的提高,背景形成更为准确.自适应和防干扰能力得到了增强,有效的防止了前背景点的误判。     

基于DM642的快速目标检测与跟踪算法

基于TI DM642硬件平台,设计了运动目标快速检测与跟踪算法.首先改进了Running Average 背景实时更新建模的方法,消除了原有算法背景更新时产生的运动目标重影.采用背景差分方法检测运动目标,速度较快.使用Otsu算法自适应求取最佳二值分割阈值分割目标,提高检测精度.在此基础上,提出了一种快速的运动目标形状中心线性预测算法,估计运动目标中心,再结合MCD（Maximum Close Distance）高精度模板匹配,进行目标的精确定位.     

基于特征加权模板快速提升的AdaBoost车牌字符识别算法

针对国内车牌字符的多样性和识别效率不高的现状,文中利用模板匹配和集成学习思想设计了一种新颖的识别算法．该算法由特征加权模板的方法构建弱分类器,经AdaBoost快速提升成强分类器,利用图像的整体灰度信息,缩短大量Haarlike特征的训练时间,克服单一特征弱分类器的不稳定性．仿真实验表明,该算法能够获得较好的字符识别率和稳定性．     

基于模板匹配和光流法的图像配准方法

光流法是一种广泛应用的像素级非刚性图像配准方法。该方法对发生平移、旋转以及放缩变换的图像能够很好地配准,但是光流法在待配准图像比较大且初始位置远离目标位置时,配准速度及位置较差。文章提出了结合模板匹配和光流法的改进算法,首先通过模板匹配算法进行粗定位,再使用光流法进行精确定位。实验表明,该方法大大提高了原算法的配准能力。     

一种基于帧间差与图像分割的运动目标分割方法

视频图像中对运动目标进行分割是十分有意义的.传统的背景减除法和帧间差法在提取运动目标的时候各有自身难以克服的缺点.基于阈值、边缘、直方图的图像分割一般只适合于静态目标的分割.提出一种结合图像分割(Graph Cuts)和帧间差的新方法进行运动目标分割.帧间差法具有良好的稳健性,而Graph Cuts算法则弥补了帧间差无法获得完整运动信息的缺点.利用帧间差法得到不完整的运动信息对Graph Cuts进行分割约束可以准确、稳定地提取出运动目标.