SIFT特征匹配和差分相乘融合的运动目标检测

针对运动目标检测的难点问题,提出了一种结合尺寸不变特征变换(SIFT)和差分相乘算法的运动目标检测方法.首先,用SIFT特征匹配算法配准运动图像的旋转、缩放和平移量,利用SIFT匹配的稳定性和准确性,精确补偿运动摄像机下的背景图像.然后,用差分相乘方法,准确分割出运动目标的轮廓.最后,通过实拍视频序列的试验,证明算法的...     

基于元胞自动机的动态背景运动目标检测

针对传统运动目标检测算法在动态背景条件下难以准确检测出运动目标的问题,提出了一种基于元胞自动机的动态背景运动目标检测算法。首先,根据SLIC算法分割视频图像,并应用多模态混合动态纹理模型对视频图像进行背景建模。然后,融合空时显著性检测与基于元胞自动机的自动更新机制得到优化的显著性图。最后,通过对优化后的显著性图做适当的阈值分割处理得到视频图像中的运动目标。实验仿真结果表明,在动态背景条件下该算法可以有效的抑制视频图像中非运动目标的显著性物体对检测结果带来的影响,检测运动目标的精度较高,并且具有一定的鲁棒性。     

基于相位相关和差分相乘的动态背景下运动目标检测

本文提出一种基于相位相关和差分相乘的动态背景下运动目标检测方法。首先用相位相关算法配准由于摄像机运动导致的图像背景旋转、缩放和平移量,然后用连续四帧图像差分相乘的方法分割出运动目标的轮廓,最后用形态学图像处理方法填补运动目标中的小空洞,并滤除残留的孤立噪声点。经过对多个视频序列的试验验证,结果表明该方法具有良好的性能,它对于各种因素的影响,如光照变化、背景中树叶晃动等局部微小变化、背景配准误差等,都有很强的适应能力。     

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。     

基于改进背景差法的运动目标检测

运动目标检测是视觉领域的重要研究内容,文章在研究了现有大量算法的基础上,提出了一种基于改进背景差法的运动目标检测方法,利用三帧差分图像法的主要思想,将背景差法和帧间差法结合起来,使它们优势互补,从而克服相互的弱点。实验结果表明,该方法可以很好地适应背景中存在周期运动干扰的情况,并且可以适应背景突变的情况。     

基于Radon变换的空间目标运动方向检测

基于Stellarium开源天文软件获取的星空背景图像数据,在其上随机添加不同运动方向的小目标,并在不同的帧图像对小目标进行随机方向和大小的位移,模拟空间目标的形态特征和运动特征;在对序列帧图像进行预处理、去除噪声、图像分割、质心确定、图像配准、最大值投影等一系列操作后,生成包含运动目标轨迹和恒星背景目标的图像;之后使...     

基于LPT和改进背景减算法的运动目标检测方法

生物视觉系统具有对运动目标敏感、分辨率调节迅速等特点,能准确无误地识别目标。对数极坐标变换(log polar transformation,LPT)是生物视觉的基础。对已有的传统运动目标检测算法进行了比较分析,并在仿生视觉认知模型基础上提出了一种基于对数极坐标变换和改进背景减算法的运动目标检测方法。该方法使用混合高斯背景建模,通过对对数极坐标变换后的图像进行柔和帧差法和背景建模的背景减算法,实现对运动目标的检测。通过实验分析,结果表明该方法可有效实现目标的准确快速检测定位和跟踪。     

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。     

视频图像中运动目标检测的快速方法

研究了基于Kalman滤波理论的渐消记忆递归最小二乘法,探讨了渐消记忆递归最小二乘法在图像序列重建图像背景中的应用,还提出两种检测移动阴影的快速算法,并用于视频图像运动目标的检测.先用背景重建算法对复杂背景进行更新预测,再用当前帧图像与预测背景差分提取动目标,最后检测并去掉目标的阴影.这里提出的检测方法简单、有效,便于用硬件快速实现.文中给出了实验结果.     

基于颜色和梯度特征的混合高斯模型的运动目标检测算法

运动目标检测是视频监控系统的重要组成部分,针对传统的基于混合高斯模型(GMM)的运动目标检测方法存在的不足,提出一种基于颜色和梯度特征相结合的混合高斯模型的运动目标检测算法。该算法首先基于像素的颜色特征建立混合高斯模型,进行运动目标初步检测;然后结合像素的梯度特征,建立像素梯度的混合高斯模型,实现运动目标精确检测。通过在室内和室外等不同场景下进行的运动目标检测实验,结果表明,该算法能有效消除光照变化影响,抑制运动目标的阴影干扰,对室内和室外环境的运动目标检测都具有较好的检测效果和鲁棒性。     

复杂场景中基于变块差分的运动目标检测

针对复杂场景中包含的摄像机扫描运动、随机抖动和目标运动,提出一种基于帧间可变块差分的运动目标检测算法.首先,利用全局特征点估计运动参数对帧间背景进行补偿,提取图像的全局特征点并匹配,以特征点集的最小位置误差和作为目标进行迭代,获取误差不大于0.5 pixel的全局运动参数,并精确补偿当前帧实现背景校正.然后,利用可变块...     

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。     

时空域结合的红外弱小运动目标检测新方法

为解决远距离和复杂背景下红外弱小运动目标的检测问题,提出了一种将时域背景抑制和空域相关性检测相结合的新方法.首先在时域窗口内根据像素的时域信号进行时域背景抑制和二值化,得到既有像素点的灰度值又有时域信号值的组合帧图像;再充分利用运动目标在空域上的连续性和时域信号上与噪声的差异性,在组合帧上对每个候选目标点与其8邻域像素进行时域信号相关性检测,以剔除虚警点和确定目标轨迹.实验结果表明该法具有较低虚警率和较强的鲁棒性.     

动态多目标优化的运动物体图像分割

对小区背景下运动物体图像进行分割时多使用单目标或多目标优化方法,这类方法不能有效适应目标的动态变化,因此本文提出一种动态多目标图像分割优化方法。该方法将时间及环境动态因素作为动态因子,利用K均值(KMeans)算法和和模糊C均值(FCM)聚类算法构造多目标函数;结合动态多目标粒子群算法(DMPSO),使用背景差分法定义环境变化规则,实现动态多目标的图像分割。根据DMPSO算法优化后的聚类结果,分别与K-Means和FCM聚类方法得到的结果进行了对比。结果表明,动态多目标优化的Pareto最优解集分布均匀,图像分割准确率可达到95%,对图像识别的准确率可达到90%,具有较高的识别能力,能满足确定背景下运动物体的准确识别。     

移动相机下基于三维背景估计的运动目标检测

室内环境中的运动目标检测是计算机视觉领域的研究热点,而移动相机造成的动态背景是运动目标检测的难点。本文提出一种基于同步定位与地图创建(ORB-SLAM)三维背景估计的运动目标检测算法,首先使用移动相机遍历整个室内环境,采用ORB-SLAM技术建立当前全局环境的三维背景特征点云模型;然后基于局部视频建立局部三维特征点云,根据定位信息将当前局部三维特征点云与环境三维背景特征点云进行嵌入,基于环境背景信息,采用三维均值漂移(3DMS)算法,对局部三维特征点云进行前景特征点提取;运用深度卷积神经网络,对提取的前景特征点所在候选区域进行运动目标确认。通过多个室内场景的实际实验进行验证,结果表明本文方法具有较高的运动目标检测准确率和召回率,提出的运动目标检测算法充分利用了三维背景信息,采用深度卷积神经网络进行确认,有效地改善了检测的准确性和鲁棒性。     

基于多帧差分与自适应技术的运动目标检测方法研究

提出了动态环境下适用于移动机器人视觉导航的运动目标检测方法,将多帧差分与自适应背景剪除技术相结合,考虑了背景的运动变化和对移动机器人的运动进行了补偿,优化了图像采集频率和摄像机运动速度之间的参数,并选取相应的最优帧数进行差分。该方法获得了准确、完整的检测结果,提高了检测的实时性,可用于视觉导航的智能移动机器人系统。     

基于单高斯背景模型和双差分融合的运动目标检测算法

提出了一种新的运动目标检测算法,实现了只对帧图中感兴趣的运动目标区域进行背景匹配更新,能够较精确地检测出运动目标。该算法首先提出了双差分模型确定运动目标最大分布的可能区域,然后融合单高斯背景模型对此区域进行背景重建,再运用背景差分得到精确前景目标。仿真试验结果表明,该方法降低了运算的复杂程度,提高了检测精度,具有很好的鲁棒性。     

基于状态分割的运动目标实时跟踪

针对基于云台的移动式摄像头视频监控系统,为准确、实时地对运动目标实施检测、跟踪,提出了一种基于状态分割思想的运动目标实时跟踪方法。该方法将运动目标检测跟踪过程按摄像头的运动状态分为静止、运动2个阶段。在摄像头静止阶段,采用基于混合高斯模型的背景差法检测运动目标,提取目标的颜色特征信息;在摄像头运动阶段,采用Camshift算法对运动目标进行跟踪。开发了基于 OpenCV 开源库的算法程序。实验结果表明,在目标颜色特征显著的情况下,该方法实现了移动式摄像头对运动目标的精确跟踪,并具有较好的鲁棒性和实时性。