基于联合直方图的运动目标检测算法

从视频序列图像中检测完整的运动目标一直是计算机视觉研究的热点,基于联合直方图提出了一种运动目标检测算法。该算法利用联合直方图来描述相邻帧间的相似性,通过对视频序列中相邻两帧图像进行逐次分块,计算相邻帧对应分块的联合直方图并结合构造的相似性指标以逐步去除背景块,算法对运动目标本身不作处理,就能有效地避免检测到的运动目标出现空洞现象,最终得到了完整的运动目标。数值实验说明了该算法具有较好的检测性。     

基于相关系数的运动目标检测算法

运动目标检测是实现目标跟踪、交通监控、行为分析等任务的基础。通过计算相邻两帧之间对应行和列的相关系数,利用运动目标区域相关系数相对较小的特点,分割出运动目标区域,进而利用逐点匹配算法准确地检测出运动目标。该算法可以使用于复杂背景下多运动目标的检测,算法具有运算量小,对噪声不敏感等特点。实验表明,该算法可以准确分离检测出所有运动目标,稳定性好,运行速度快,适合于对运动目标的实时检测。     

基于灰度直方图的背景差目标检测算法

提出了一种基于灰度直方图的目标检测方法。背景差法和帧间差法是两种比较常用的目标检测方法。利用图像灰度直方图进行背景建模,然后提取视频序列中的一帧图像与背景模型进行对比分析,设定一个阈值来判断当前帧与背景模型之间的差异性,以此可以快速判断是否有目标出现。实验结果表明,此方法简单有效、计算复杂度低,能够快速地检测出视频序列中的目标。     

基于AOS的运动目标检测算法

从能量极小化的观点出发，对运动目标检测问题定义了新颖的能量模型，给出了相应的曲线进化方程．结合水平集算法，所提出的曲线进化模型能够自动地适应拓扑变化，检测出多个运动目标区域及轮廓．定义了基于对数差图像的能量项，使得新模型对于场景照明不敏感．采用加性算子分裂(AOS)策略作为无条件稳定的数值方案来加速算法的快速实现。     

运动目标检测中基于灰度特征模型的背景消除方法

针对视频监控中运动目标检测时间复杂度高的问题,提出一种基于灰度特征模型的背景消除方法。通过提取视频图像像素的灰色特征,将视频图像中每个位置上的像素点用一个灰度特征集合来表征,并以此为依据计算各像素点灰度值与灰度特征集合中的像素点灰度值之间的距离,判别对应像素点的背景与前景状态,从而实现视频图像的背景消除。实验结果表明,该方法在处理效果接近的情况下,可以显著提升运动目标的检测速度,降低处理的时间复杂度。     

基于G-GMM的视频序列运动目标检测算法研究

为了能够从视频序列中快速准确地检测运动目标,在混合高斯背景差分法的基础上引入Grabcut算法,提出了一种新的运动目标检测G-GMM(Grabcut-Gaussian Mixture Model)算法。首先通过混合高斯模型背景差分法提取运动目标初始二值轮廓,构建其最小的外接矩形;然后初始化矩形内图像信息,寻找潜在前景区域;最后采用迭代算法实现最优化分割,得到准确的运动目标轮廓。实验结果表明,在静止摄像机户外视频监控系统中,提出算法具有较高的准确性和鲁棒性,对刚性和非刚性两类目标都具有较好的检测结果。     

一种基于尺度不变特征点的运动目标检测算法

针对PTZ（Pan/Tilt/Zoom）摄像机的运动目标检测,提出了一种基于尺度不变（Scale Invariant Feature Transform, SIFT）特征点的运动补偿解决方案．首先,采用相邻两幅图像特征点匹配的方法获得运动补偿,从 而解决了PTZ 摄像机的自主运动带来的问题;然后利用时间差分法得到运动目标的区域;最后利用形态学中 的腐蚀和膨胀方法去除噪声．测试结果验证了算法的实用性和有效性．     

基于背景重构的运动目标检测算法研究与应用

对视频序列中的运动目标检测方法进行了研究,提出了一种基于背景重构的运动目标检测算法。通过自学习方法建立视频图像的高斯模型,构造初始背景图像;运用差分算法,得到运动目标,并对背景图像进行了重构、更新,得到实时背景图像。该方法在有运动目标存在的情况下进行实时建模,实用价值高。     

基于加权累积差分的运动目标检测与跟踪

针对视频序列中缓变运动目标检测与跟踪的问题,改进加权累积差分方法,设计一种快速检测缓变运动目标的权值分配算法。在检测出的运动目标区域中提取特征点,利用最大距离原则确定特征点的匹配范围,根据视差一致性原则,提出非回溯的误匹配检测方法。实验结果表明,该方法能有效提高跟踪的效率和精度。     

一种基于相关特征匹配的移动目标检测方法

提出了一种在变化背景中利用相关特征匹配来检测移动目标的方法,该方法利用图像的灰度均值及灰度均方差作为自适应阈值过滤原图像,将图像中的目标物分离;提取特征并将特征参数化,利用特征参数欧式距离检测目标;通过检测连续多帧图像,对图像中非移动目标进行过滤,最终得到移动目标。该方法与相关系数法检测移动目标的方法相比减少了计算量,并且相邻图像中存在部分相同背景的情况不影响检测结果。实验结果证明,该方法能在变化背景图像中有效地检测到运动目标。     

帧间差分与背景差分相融合的运动目标检测算法

针对视频序列中运动目标检测进行了研究,提出了一种将帧间差分和背景差分相互融合的运动目标检测算法,首先选取一帧作为背景帧,确立每一个象素点的高斯模型;然后对相邻两帧进行差分处理,区分出变化的区域和没有发生变化的区域,没有发生变化的区域更新到背景帧中,发生变化的区域与背景模型进行拟合,区分出显露区和运动目标,将显露区以很大的更新率收入到背景帧中。该方法允许在有运动物存在的情况下进行建模,实验表明该方法准确率高,运算速度快,能满足实时检测的需要。     

基于直方图匹配的鬼影检测算法

本文研究了背景差方法检测运动目标经常出现的鬼影问题,通过分析前景块边缘区域像素分布,提出了鬼影检测算法。首先,用直方图匹配和平均变化率来衡量前景块边缘区 域的像素分布在当前图像与前帧图像之间的差异;其次,也用直方图匹配来衡量当前图像中前景块边缘区域和与它邻接的背景区域像素分布之间的差别;最后,利用阈值分割割确定直方图匹配极高和平均变化率极小的鬼影块。实验结果表明,本文提出的算法可以快速有效地检测并去除鬼影,同时克服了已有鬼影算法的缺陷。     

一种受雨滴影响的运动目标检测方法

提出一种在户外受雨滴影响的视频场景中检测运动目标的方法.在R,G,B空间构建雨滴在视频中的成像模型,该模型可以计算受雨滴影响像素的亮度变化值.能够有效克服现有模型只能针对某些特定类型雨滴进行辨识的局限性.在使用基于颜色信息的雨滴成像模型基础上,提出运动目标检测函数,此函数可以有效抑制雨滴产生的干扰.实验结果表明,提出的雨滴成像模型和相应的检测函数与现有模型比较,能够适用于多种不同受雨滴影响的图像序列采样环境,对于运动目标具有更好的分辨能力,并有更强的鲁棒性.     

基于背景建模的运动目标检测

介绍了在视觉监控领域经常用到的几种基于自适应背蒂模型的经典方法,如非参数模型、单高斯模型和混合高斯模型等。通过试验．比较了上述方法在检测过程中的优势和不足之处,以其在工程实践中有一定的参考作用。     

基于不变性变换的运动目标检测的研究

通常采用基于三阶自相关变换的算法来对运动目标进行检测，是因为这种算法对目标的平移、旋转和伸缩具有不变性的特点，特别适于目标有水平位移、前后移动和旋转等情况下的检测，但是直接对二维目标进行三阶自相关变换的运算量很大，为了提高效率，提出了一种基于三阶自相关变换的快速算法。应用该算法和理论，对不同姿态的静态目标进行了检测实验，并对含有运动车辆的高速公路视频图像进行了车辆检测，结果表明，该算法在兼顾效率的同时还可获得较高的目标检测准确率。     

基于背景建模的运动目标检测

介绍了在视觉监控领域经常用到的几种基于自适应背景模型的经典方法,如非参数模型、单高斯模型和混合高斯模型等。通过试验,比较了上述方法在检测过程中的优势和不足之处,以其在工程实践中有一定的参考作用。     

基于像素分类的运动目标检测算法

针对复杂环境下运动目标检测提出一种基于像素分类的运动目标检测算法。该算法通过亮度归一化对图像序列进行预处理,用以降低光照变化造成的误检,根据场景中不同像素点的特点,对图像进行分类处理,单模态类的像素用中值法进行背景建模,多模态类的像素用混合高斯模型建模。实验结果表明,该算法与传统的高斯建模法相比,减少了运算量,更易于应用在实时系统中。