基于实时序列图像复杂背景下运动目标的提取

通过对实时序列图像中运动目标的运动规律的分析,提出一种在复杂背景下运动目标的提取方法,详细讨论了这种目标提取方法和原理,给出了具体的实现方法和该方法应用于实际工作的实验结果数据。通过实验证明,该方法对于克服复杂背景的干扰和有效地提取运动目标具有较好的效果。     

基于背景差法的运动目标检测

视频序列图像中,视频分割的主要目的是要在视频序列中分割出具有意义运动对象实体.背景差法能够很好地从一段视频中提取出运动目标.可靠的背景图像的提取是该算法的关键.表述了一种新的背景提取算法,利用图像序列的灰度统计特性来提取背景图像,并利用Surendra背景更新算法根据每帧图像对背景进行更新已获得可靠的背景.然后,将当前帧与背景作差,并对差值图像进行适当处理,这样运动目标就能够被精确地提取出来.     

复杂背景下字符提取算法的分析与实现

为了在复杂背景下提取字符,采用了基于图像理论的降维算法和彩色游程算法,对复杂图像进行颜色聚类,通过阈值控制相近颜色的聚类,同时生成平均颜色的彩色游程信息,有效地合并了颜色种类,为字符区域的二值化奠定了良好的基础.实验结果表明,采用以上算法在复杂背景下提取字符,其识别率达到89%.     

视频运动目标提取的实现

针对混合高斯模型建模实现背景差分获取的运动目标中含有较多的阴影这一问题,对基于Phong光照模型的判断和检测阴影的准则作了改进,并给出了视频运动目标检测算法.使用基于混合高斯模型的背景差分法和对称差分法相结合获取运动目标,使用改进的阴影判断准则检测和去除阴影.结果表明:改进后的阴影判断准则去除阴影所用时间比原方法平均减少了18%~30%,并且能够取得较好的去除阴影效果,最终获得精确的运动目标.     

复杂背景下基于运动特征的人面定位

对传统的光流算法进行了改进，提出了一种新的分割图像的方法，并与传统的神经网络算法相结合，通过两步定位模型，进行人面定位，其中，搜索定位是本系统最关系的一步，采用两步法，首先进行候选人面区域的分割，然后进行基于神经网络的人面精确定位，实验结果表明，采用的两步法在复杂背景下具有运动特征的人面定位过程中，具有实时性、鲁棒性好及实用性强的诸多优点，通过实验，取得了满意的效果，并且所涉及的人面定位系统将是后阶段完整人面识别系统的重要组成部分。     

一种复杂背景下的手势提取方法

介绍了一种在一般复杂背景条件下将手势与背景分离的新方法.该方法首先在一般背景下对获得的手势图片进行卷积滤波处理,验证了肤色的聚类特性,然后综合利用手势的肤色特征和其特有的几何特征,成功地将手势与背景分离,最后通过不同背景、不同手势提取实验验证了该方法的有效性.将该手势分割方法用于8种于形手势识别实验,静态手势识别率能达到99%.     

运动目标分割中的自适应背景建模方法

背景差法是视频图像序列中运动目标分割的重要方法。为了解决背景中光照亮度渐变和背景物体移动等问题,提出了基于动态信息窗口(DTW)的自适应背景更新算法。根据像素的动态变化信息决定更新策略。利用该方案实现了人体检测系统,并且在室内和室外进行了实验。实验结果表明所提出的方法不仅能自适应地更新背景模型,而且较其他方法能更有效地消除阴影。     

自适应背景建模及运动目标的检测

提出一种能在动态摄像机场景下检测前景物的算法(AGMM).本方法采用角点特征对前后两帧图像进行匹配,估算两帧图像的移动向量,并以此校正高斯混合模型(GMM),并在此基础上进行背景的重建以及前景物的分割.以不同场景的视频序列对本算法和GMM算法进行比较.实验结果表明,提出的算法能够适应动态摄像机场景,以牺牲一点复杂度为代价,大大提高检测精度,并且在摄像机移动比较大的位移时仍然可以得到正确的结果.     

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。     

基于改进U-Net网络的复杂背景下冰川遥感图像检测方法

由于山体坡度、光照角度、传感器成像角度等因素,遥感图像中的山体阴影影响了冰川识别的精度.现有方法一般是先去除阴影再进行冰川识别,既繁琐又可能破坏图像的光谱信息.本文在U-Net框架中集成金字塔池化模块以增强多尺度特征提取能力,提出了一种U-PSP-Net结构的卷积神经网络,可以实现阴影区冰川识别.在自制的含阴影冰川数据集上进行验证,与PSP-Net、SegNet和U-Net的性能比较表明,提出的U-PSP-Net的平均像素精度为95.84%,平均交并比(IoU)为92.79%.与U-Net相比,分别提升了0.61%和0.92%;与PSP-Net和SegNet相比分别提高了1.41%、2.54%和2.85%、2.86%.以上结果证明了神经网络结构在含阴影遥感影像中识别冰川的可行性和有效性.     

Background Subtraction and Frame Difference Based Moving Object Detection for Real-Time Surveillance

A new real-drie algorithm is proposed in this paperfor detecting moving object in color image sequencestaken from stationary cameras. This algorithmcombines a temporal difference with an adaptivebackground subtraction where the combination isnovel. When changes occur, the background isautomatically adapted to suit the new conditions. Forthe background model, a new model is proposed witheach frame decomposed into regions and the model isbased not only upon single pixel but also on the     

Background Subtraction and Frame Difference Based Moving Obiect Detection for Real-Time Surveillance

A new real-time algorithm is proposed in this paper for detecting moving object in color image sequences taken from stationary cameras. This algorithm combines a temporal difference with an adaptive background subtraction where the combination is novel. When changes occur, the background is automatically adapted to suit the new conditions. For the background model, a new model is proposed with each frame decomposed into regions and the model is based not only upon single pixel but also on the characteristic of a region. The hybrid presentation includes a model for single pixel information and a model for the pixel's neighboring area information.This new model of background can both improve the accuracy of segmentation due to that spatial information is taken into account and saliently speed up the processing procedure because portion of neighboring pixel can be selected into modeling. The algorithm was successfully used in a video surveillance system and the experiment result shows it can obtain a clearer foreground than the single frame difference or background subtraction method.     

一种新的基于轮廓特征的指尖及手指指向检测方法

传统基于K-Curvature以及凸包理论的指尖识别算法往往存在严重漏检问题.针对此问题,提出一种新的基于手指轮廓特征的指尖及手指指向检测方法,关键步骤包括轮廓平滑、直线区域检测、手指指向及指尖定位三部分,可实现精确快速的指尖识别过程.通过对不同姿态手势进行实验验证,所提算法能在准确定位指尖位置的同时,得到手指指向信息.满足人机交互系统对指尖点及手指指向获取的实时性要求,并对不同手指指向具有较强的自适应性.     

基于差分均值背景提取和矩阵分区目标检测算法的研究

为提高对车辆图像的检测程度和实时性,针对智能交通系统,通过对实时路况的信息采集和视频图像的处理,提出了一种基于差分均值的背景提取计算方法和矩阵分区域的阴影检测方法,最终得到一个视频车辆的检测原型,从而实现对运动车辆的检测.实验结果表明,此种方法简单、计算量小、鲁棒性高,能快速地提取出背景图像,检测出比较完整的车辆阴影,可满足多运动目标的实时检测要求.     

基于图割框架下视频目标的自动实时提取算法

提出了一种在图割框架下自动实时的前景目标提取算法.通过混合高斯背景建模与基于颜色和局部表观的阴影判别相融合的方法,设置能量函数的数据项,并基于局部二值模型算子构建能量函数的平滑项.利用动态的图割算法,求取目标函数极值,实现视频目标的自动提取.在不同视频上对提出的分割算法进行性能测试,结果表明算法具有较好的分割性能且计算复杂度较低.     

复杂背景中字符图像的提取

在具有噪声及灰度不均匀的复杂背景中提取出待识别的字符, 是字符识别的关键一步。提出应用简单统计法及Ｒｏｂｅｒｔｓ边缘检测相结合的方法, 对图像进行二值化处理, 并在此基础上利用Ｈ－Ｓ连同分析方法去掉了复杂的背景块。在５８６／ＡＭＤＫ６／２００机器上, 对５０余幅图像处理, 均正确提取出了待识别的字符且每幅的实现时间不到１ ｓ。     

一种基于深度学习的实时视频图像背景替换方法

针对视频会话业务的实时性需求,提出一种轻量级深度学习网络模型实现视频图像的实时背景替换功能.网络模型包含语义分割和背景替换两个模块.语义分割模块整体架构采用编解码结构,编码端使用编码器模块、空洞卷积金字塔池化模块、注意力模块以及增益模块提取特征;解码端使用解码器模块、调整模块以及编码器模块恢复图像,再传入背景替换模块完成背景替换.该网络模型在本文设定的数据集训练后分割精确度达到94.1%,分割速度达到42.5帧/s,在实时性和准确性上达到较好的平衡,具有很好的实用效果.     

基于交通视频的运动车辆检测方法

为解决交通测试系统中车辆实时跟踪和分割的问题, 以数字图像处理方法为手段, 针对采集到的交通路况信息, 重点研究了背景差分算法提取运动车辆, 并提出了一种计算量较小的自适应背景更新算法; 采用一种工作在HSV(Hue, Saturation, Valve)空间非基于模型的车辆阴影检测算法, 并提出设置阈值参数的方法, 在去除车辆阴影的同时也滤除了行人、 自行车及摩托车等干扰; 针对车辆阴影检测后的二值化图像, 采用适合的形态学方法进行后期处理。对实际交通环境下的大量视频和图像进行测试的结果表明, 该方法可以有效地实现运动车辆的检测。     

基于背景更新的运动车辆检测算法研究

在基于视觉的智能交通系统中,运动车辆的检测是最基础也是最关键的步骤。目前运动车辆检测中最常用的方法是背景差分法。该算法的关键在于背景图像的获取,由于背景图像的动态变化,为了有效的对车辆进行检测,需要对背景进行实时更新。因此,提出了一种新的基于像素点灰度值变化的自适应更新背景的算法,该算法在背景变化的情况下,能实时地修正或更新当前背景图像,再结合差分法与阈值化分割出完整的运动目标。通过实验证明了算法的有效性和实时性。