嵌入式系统中视频运动对象分割

提出了一种基于嵌入式系统的视频运动对象分割算法。首先利用差图像法抽取出运动的像素点,然后通过统计像素点的状态变化频率来区分运动物体和动态背景,并配合一权值状态矩阵将全局光照突变和动态背景像素自适应融合到背景中,从而分割出运动对象并进行跟踪。实验结果表明,该算法在嵌入式系统中实时跟踪运动目标取得了很好的效果。     

运动视频对象分割的一种快速算法

为了能够实时地对运动视频对象进行分割,提出了一种对视频序列图象中的运动对象进行快速分割提取的算法,该算法首先对图象进行滤波,并求出连续两帧图象之间的差分,然后应用“同化填充”技术和基于对象的“整体运动估计”来对差分图象进行修正,进而得到对象模板,同时利用模板缓冲区的帧间迭代来维持模板的完整性,该算法不仅不依赖于固定背景,而且能够消除差分图中的显露背景,还能得到运动目标较为精确的形状,并且算法简单,快速,鲁棒性好。     

视频运动对象分割技术的研究

随着视频标准MPEG-4和MPEG-7的出现，视频运动对象的分割显得极其重要．详细分析了几种典型的视频运动对象分割技术，并对视频运动对象分割技术的发展趋势进行了展望。     

视频运动对象的自动分割

视频运动对象的分割技术在运动视觉检测和新的MPEG-4视频编码标准中十分重要,提出了一种运动对象分割算法,该算法采用序列图像帧间差的高阶统计量(Higher Order Statistics,HOS)假设检验,确定运动对象的位置,自动分离运动区域与背景;根据三帧序列图像中前后帧差图像灰度边缘重合的部分为中间帧运动对象的边缘来有效地解决运动对象前后帧的遮挡问题;采用形态滤波的方法填充分割出的运动对象二值模板中的空洞,消除残余噪声及平滑边缘,分析和实验证明,该算法需要调整的参数少,抗干扰能力强,可以高效率地进行运动对象的自动分割,此外,该算法具有潜在的并行机制,易于实现实时运动图像处理。     

一种有效的基于时空信息的视频运动对象分割算法

为实现视频编码标准MPEG-4中语义对象的自动提取,提出一种基于时空信息的运动对象分割算法。在时域上通过双边加权累积帧差和分块高阶统计算法得到目标的运动区域检测模板,以在充分利用时域信息的同时提高算法的速度;在提取空域信息时,先对视频序列的灰度图进行对比度增强处理,然后利用自适应Canny算子获取准确的空间边缘信息;最后进行时空融合,用空域边缘信息修正过的时域运动模板来提取运动对象。实验结果表明,本算法可以快速准确地分割视频运动对象。     

基于低比特率视频序列的运动对象分割算法

在兼顾运动图像分割效果和实时性的原则上,针对视频会议、新闻播报等低比特率视频序列,提出了一种简单高效的运动对象分割算法。首先利用累积帧差求出图像帧的运动区域,然后对其进行二值化和形态学处理得到帧差模板,最后利用二次扫描的方法得到运动对象掩模,对其进行填充就可以提取出运动对象。实验证明得到了较好的分割效果并且在实时性的应用中具有一定的优势。     

基于背景重建和MDBP的视频对象分割算法

提出了背景置信度图像和背景标示图像的概念,给出了一种基于背景重建和象素最小距离(M DBP)的自动视频对象分割方法。首先运用基于背景置信度图像和背景标示图像的背景重建技术从视频序列的多帧图像中重建出可靠的背景图像,然后运用差背景法分割视频对象(VO),同时再利用象素最小距离(M D BP)和总体象素最小距离(W M DBP)准则对分割出的视频对象图像进行处理,克服由于背景的微小变化而引起的前景对象的错误检测。试验结果表明该文给出方法能够较好地重建背景,对于背景静止的视频能够得到更好的分割结果。     

一种面向运动的视频对象分割算法

在MPEG-4编码系统框架中,为支持基于内容的编码性能。视频自动、半自动分割成为关键技术之一。文中提出了一种利用以一组帧为参考帧将视频序列自动分割成静止背景和运动对象的算法。这种方法考虑了全局的运动,并且提出一种新的运动区域检测算法。算法主要思想是先对帧进行运动区域的简化,通过简化后的帧与原帧的帧差获取运动区域。将以一组帧为参考所检测出的运动区域合成一个二进制掩模,对这一掩模进行运动分析和形态滤波,从而获得最终的运动对象,实验结果表明,利用本文所提出的方法能够较精确地分割出运动的视频对象。     

以统计变化检测为基础的实时分割视频对象新方法

为了克服利用变化检测分割视频对象过程中的噪声、复杂运动、暴露背景的影响，提出了一种基于统计变化检测的实时分割视频对象新方法。在该方法中，由于统计变化检测技术是利用t分布来有效消除噪声的影响，而不需要估计噪声的方差，而且可利用间隔为k的两帧图像代替连续两帧来进行变化检测，因此可以很好地处理关节运动和慢运动；另外，对两个连续的统计变化检测结果取交集还可以消除暴露背景的影响，并能消除大部分的残留噪声，且几乎不增加计算量，因此统计变化检测可作为视频对象分割的基础，试验结果表明，该方法不仅解决了传统的变化检测过程中的噪声、复杂运动以及暴露背景影响，而且能够自动实时地分割视频对象，以满足MPEG-4等基于对象的视频应用。     

基于运动相似性的运动对象分割算法

由于全局运动参数在一些情况下不能很准确地被估计,因此基于全局运动补偿算法存在一定的局限性。该文提出了一种基于运动相似性的视频运动对象的分割算法。该算法对运动矢量场进行累加和滤波处理,根据运动相似性对运动对象进行初次分割,并利用空间相关性进行二次分割,细化运动对象边缘。实验结果表明该算法避免了全局运动补偿算法的局限性,并使分割的精确性有明显提高。     

基于HVS的视频监控目标提取方法研究

目标识别是实现视频监控智能分析的基础,但在光照、阴影以及杂乱背景等场景中,往往会出现目标误判以及不合理聚类等问题。针对上述问题,提出一种基于人类视觉系统（HVS）的视频监控目标提取方法,结合HVS视觉关注原理,优化背景差法检测结果中存在的重复检测和错误分割问题,并根据HVS的跟踪特点以及目标运动的连续性,结合相邻帧检测结果,达到目标区域的完整准确提取;最后,基于实际采集视频进行仿真实验,证明所提目标检测算法结果准确性更高,在复杂背景下也有良好的检测效果。     

视频序列中的运动目标检测

针对室内安全监控的场景特点,提出一种稳健的运动目标检测方法,对每个背景像素使用多个矢量表示,利用当前帧和背景帧像素的色度分量差分进行运动检测,并选择性地更新背景模型.实验表明,该方法能有效消除背景中振动对象的干扰,提高运动目标检测的准确性,有利于消除由于虚假目标而导致的误报警.     

视频监控中人的运动检测方法研究与实现

为了提高视频监控的实时性、准确性和可靠性,引入运动目标检测非常必要,而在此基础上的人运动检测更是后续各种高级处理的基础。根据视频监控的特点,采用一种基于自适应背景图像估计与当前多帧图像的混合差的算法来实现快速精确地检测和提取运动目标区域,并充分利用视频图像的时域连续特性和人脸肤色信息,实现快速可靠的人脸定位,从而准确定位人运动区域。实验表明,该算法对人的运动检测在光线、姿势变化等情况下具有良好的鲁棒性,适于实时监控系统的应用。     

基于背景减除法的视频序列运动目标检测

视频序列中运动目标的检测是目标识别、标记和追踪的重要组成部分,背景减除法是运动目标检测中被广泛应用的算法。针对光线变化、噪声和局部运动等影响运动目标检测效果的问题,提出一种基于背景减除法的视频序列运动目标检测算法。该算法结合背景减除法和帧间差分法,对当前帧像素点的运动状态进行判断,分别对静止和运动的像素点进行替换和更新,采用最大类间方差（Otsu）法对差分图像进行目标提取,并使用数学形态学运算去除目标中的噪声和冗余信息。实验结果表明,所提算法对于视频序列中运动目标的检测具有较好的视觉效果和较高的准确度,能够克服局部运动以及噪声等缺陷。     

基于多特征的视频对象分割方法研究

目前从视频图像中分割出完整的运动对象仍缺少可用于一般性场合的算法.将视频图像的方向信息测度、颜色和运动信息相结合的视频对象分割算法可以解决这一问题.通过对序列图像中的连续帧进行帧差计算,利用方向信息测度和相似区域判定函数来找到特征相同的区域,并判断相邻子区域是否应该合并,然后再结合序列图像中的运动区域来提取运动对象.同时采用多分辨率分析来提高运算速度.最后,利用彩色图像边界序列图像检测方法来得到准确的区域边界.     

一种基于码本的监控视频运动目标检测算法

针对监控系统获得的彩色视频序列,根据连续采样值的颜色相似度及其亮度范围,将背景像素值量化后用码本表示,利用减背景的思想对新输入的像素值与其对应位置的码本作比较判断,提取出前景运动目标像素。该算法计算复杂度小、占内存少,能够在存在前景运动的过程中提取背景,并能处理光照变化。     

背景重建在视频监视系统中的应用

利用FPGA和USB控制芯片实现了实时视频监视采集系统,根据视频监视和传输特点,将采集得到的图像数据先做背景重建,然后利用重建得到的背景进行视频对象分割,最后将重建的背景、视频对象以及视频对象在视频图像中的位置保存,作为后续视频检测分析的依据。实验结果表明本文给出的背景重建算法能够较好地重建背景,得到较精确的运动目标,同时能够大幅度的提高实时视频对象分割速率。     

监控视频运动目标检测减背景技术的研究现状和展望

在很多计算机视觉应用中，一个基础而关键的任务是从视频序列中确定运动目标，其中对于固定摄像机的监控视频运动目标的检测，最常用的方法是减背景技术。其思想是将视频帧与一个背景模型做比较，其中区别较大的像素区域被认为是运动目标。但由于构建背景模型需要考虑光照变化等很多因素，因此开发一个好的减背景算法面临很多挑战。为了使人们对该技术有个初步了解，该文首先对利用减背景技术实现运动目标检测的过程、目前各种典型背景建模算法的原理和优缺点做了较为详细的阐述和归纳，然后总结了各种减背景算法的总体特点，并结合实验和文献资料对部分算法进行了对比评价，最后指出了减背景技术的未来研究重点和发展方向。     

一种基于彩色信息和抽样检测的视频分割方法

提出了一种基于彩色信息和抽样检测的视频分割算法。该算法把每一帧视频图像划分 为M×N个互不重叠的像素块(信息检测窗),并用矩阵表示,对M×N个信息检测窗进行抽样检测, 针对检测结果,快速重建背景模型,依据彩色信息和灰度信息分割运动目标。实验结果表明,该算法 与已有算法相比,具有分割速度快、适应性强、运动目标分割准确等特点。