HSV空间特征和纹理特征的阴影检测算法研究

为了提高检测和跟踪算法的准确性,提出了一种基于阴影在HSV空间下的特点和纹理特征的阴影检测与去除算法。该算法针对阴影区域覆盖的地面和未被阴影区域覆盖的地面纹理特征基本不变的特点,先检查序列图像中的运动区域,然后在运动区域内,根据阴影在HSV空间下的特点和纹理特征对阴影进行检测与去除,为运动目标的后续处理排除阴影干扰。实验结果表明,该算法能够很好地抑制噪声,有效检测、去除图片中运动目标的阴影。     

一种改进的运动目标检测算法

针对目标检测过程中的背景变化、光照变化、阴影对检测的影响,提出了一种改进的运动目标检测算法。首先利用改进的统计方法建立了目标的背景模型,并实时地对背景模型进行更新,最后将检测出的目标采用融合HSV颜色信息和纹理特征的混合高斯阴影模型方法来去除阴影。实验结果证明,该算法在场景中有目标运动的情况下。能够准确地建立背景模型,并能去除阴影影响,提高系统的检测准确性。     

灰度序列图像中结合互相关法与梯度特征的阴影去除算法

在视频监控场景下的目标检测中,运动的阴影会对所检测目标的准确性造成不利影响. 为了去除运动阴影的干扰,提出了一种结合灰度比值的四方向梯度与归一化互相关(NCC)特征的阴影去除算法. 首先在灰度序列图像中计算前景与其对应背景灰度的比值; 其次根据阴影区域的相邻像素灰度比值变化改变很小,通过计算灰度比值的四方向梯度均值来判断阴影并加以去除; 最后为了避免运动目标被误去除,考虑到运动目标与背景的相关性差异远远大于阴影与背景之间的相关性差异,结合归一化互相关特征来保留目标,以确保运动目标的完整性. 定性和定量的实验结果分析表明,该算法在阴影去除率和保持目标完整性方面优于其他阴影去除算法.     

基于背景差与帧间方块编码差值法的运动目标检测

运动目标检测是视觉领域的重要研究内容,本文提出一种将背景差分与帧间方块编码差值法相结合的运动目标检测方法.通过帧间方块编码差值法区分出运动区域与静止区域;静止区域用来更新背景,运动区域与背景模型进行拟合,区分出运动目标和显露区.介绍了一种基于HSV颜色空间的阴影剪除算法.实验证明,该方法能够快速、准确的检测出运动目标并剪除阴影.     

一种基于改进混合高斯模型的运动目标检测算法

针对运动目标检测中ViBe算法的鬼影、阴影和噪声干扰问题,本研究提出一种融入改进混合高斯模型(GMM)的ViBe算法。该算法改进混合高斯模型的自适应性,使混合高斯模型的K值与学习率对背景进行自适应调节;对视频帧进行训练,构造"虚拟"背景代替第一帧图像进行背景建模,算法能够有效地提取背景建模初始化的视频运动目标,从而消除鬼影现象。该算法用像素分类法提取前景目标,经形态学处理得到完整的运动目标。实验结果表明:与几种运动目标检测算法相比,本研究提出的算法不仅能够有效地抑制鬼影、阴影和噪声干扰,而且该算法自适应性强、检测速度快、检测结果可靠。     

基于快速的混合高斯模型的运动目标检测算法

针对传统高斯模型实时性差的问题,该文提出了一种快速的背景更新策略.首先对彩色图像建立混合高斯模型,根据场景中象素点的稳定性来调整模型参数的更新速度;其次利用混合颜色空间的阴影检测算法消除前景图像的运动阴影;最后对该文方法进行了验证性实验,结果表明提出的运动目标检测方法有效、实时性好、对光照有较强鲁棒性.     

采用光照不变特征的椭球法运动阴影检测

为检测视频监控系统中运动目标的阴影,提出了一种基于光照不变特征c1c2c3的检测算法. 该算法首先根据前景像素和处于相同位置的背景像素的c1c2c3之比定义坐标系,并将阴影检测视为该坐标系内阴影和运动物体的分类问题;然后,采用阴影像素在该坐标系中的分布特性构建1个椭球,并将处在椭球内部的像素判别为阴影像素;最后,根据阴影区域的几何信息进行后处理. 实验表明,该算法能有效地检测不同场景、不同运动物体的阴影,并能适应光照条件的变化.     

基于多源信息的阴影检测

阴影检测在车辆检测中具有关键作用。针对目前车辆检测算法中阴影常被误检为前景目标的问题,提出了一种基于多源信息的阴影检测算法。首先进行前景目标的提取;然后分别进行基于边缘、HSV颜色空间和光学不变性信息的阴影检测;最后根据三种信息检测结果的综合分析确定阴影点。实验结果表明,该算法具有很好的阴影检测效果。     

基于多特征融合GMM的阴影检测策略研究

将运动目标从背景中准确分割出的过程中,阴影的检测和消除起着重要作用。传统的目标和阴影检测算法一般都是基于目标颜色等单特征信息,因此在很大程度上受到了场景光照条件变化的影响而导致算法的执行效果降低。提出一种基于颜色信息和纹理信息的多特征融合的混合高斯模型检测算法,可以降低由单特征检测所带来较高的误检率。其中采用了两重阴影判决方法以确定真实阴影,首先通过颜色夹角进行疑似阴影的判决,进而根据前景区域和背景区域的相似度和颜色分量差值再次判决阴影。最后通过实验对阴影检测算法进行比较,表明了本文提出算法能够对阴影进行准确消除。     

Snake算法在运动目标检测中的应用

Snake算法(动态轮廓模型)在图像处理过程中有着广泛的应用.提出基于归一化互相关系数的阴影检测方法,利用由帧间差分法得到的目标边界,自动设置Snake初始位置,采用贪婪算法得到最终目标收敛轮廓.实验结果表明,该算法能够快速有效地检测出多运动目标.     

融合局部纹理特征的核密度估计运动目标检测

针对运动目标检测中光照变化、移动阴影问题,提出一种基于多维特征的核密度估计运动目标检测方法。提出一种改进的局部纹理特征二值模式,对噪声和灰度尺度变化具有更好的鲁棒性,在背景建模中将该纹理特征与颜色特征融合进行概率核密度估计,并结合像素的邻域相关性抑制虚假前景以更好地应对多模态背景场景。实验结果表明:在基于纹理特征或核密度估计的同一体系算法中,本文方法对光线渐变以及运动柔性阴影都有较好的鲁棒性,综合性能指标提高了18%;与目前性能优越的算法纵向比较,能在平均检测性能相当的情况下提高50%的处理速度,更好地平衡检测效果与时间性能。     

集成多特征信息的运动阴影检测

为实现监控场景中运动目标和阴影的准确分割,提出了一种基于GMM和MRF的运动阴影检测与消除算法.首先,利用GMM的学习能力建立背景统计模型并得到前景区域像素集合.其次,将前景区域与对应背景区域间的颜色、边界、纹理和时空一致性等特征信息集成到马尔可夫随机场能量函数中,并利用图割算法实现马尔科夫随机场能量函数的最小化,得到...     

结合场景运动模式的有向加权AdaBoost目标检测

针对现有检测算法对场景先验信息和群体运动规律考虑甚少这一局限性,提出一种结合场景运动模式的有向加权AdaBoost目标检测算法.该算法首先建立了一种基于速率加权方向直方图矩阵的场景运动模式模型,并在此基础上通过稀疏光流投票方法获取场景的运动模式信息.同时,针对该模型提出一种有向加权AdaBoost检测算法,通过建立多个有向AdaBoost分类过程,并利用局部区域的运动模式对分类过程加权,最终实现运动目标检测.通过交叉验证分类实验和视频检测实验验证,该算法在相同假阳性率条件下的查准率较传统AdaBoost检测器的高出约10%,充分验证了算法的有效性和优越性.     

一种基于深度信息的人头检测方法

针对目前人头检测方法对光线变化敏感和易受阴影干扰的问题,提出了一种基于深度图像的人头检测方法.首先通过运动目标检测,得到运动人员所在区域;然后对该区域使用改进的立体匹配算法,该匹配算法对传统的WTA匹配算法进行改进,只对强纹理点进行匹配,对弱纹理点只进行视差验证,并根据三角投影原理计算出深度图.由于深度图中人员与周围场景的深度分布不同,根据深度分布将人头区域提取出来,得到候选区域,最后将候选区域经过形态学运算并根据区域轮廓的特征来判断是否为人头.实验结果表明:该方法在不同光线环境条件下的检测正确率为94%以上,误检测率仅为5.77%,检测精度高,对光线和阴影的抗干扰性良好,能够很好地适应复杂环境.     

高分辨合成孔径雷达图像的耦合传统恒虚警目标检测

由于合成孔径雷达(SAR)图像中含有大量相干斑噪声导致目标特征不太明显,仅使用目标强散射特征的传统恒虚警(CFAR)算法时虚警率较高。针对该问题,本文提出了一种新的耦合CFAR检测算法,它既能够检测目标的强散射特征,又能够检测目标的阴影特征。首先,利用目标强散射特征与阴影特征之间的协同关系进行目标检测。耦合CFAR的强散射特征检测与传统CFAR算法完全相同,对阴影特征检测则通过修改传统CFAR算法的积分区间来实现。然后,根据同一个目标的强散射特征与阴影特征之间存在的空间位置关联关系删除虚警目标,取得了更好的检测效果。试验结果表明,该算法在相同检测率的情况下,其虚警率远低于传统CFAR算法。     

一种阴影消除算法优化及DSP实现

优化了一种基于HSV彩色空间模型的双矩形框阴影消除算法的流程,能在运动目标检测时去除阴影干扰的影响,且具有较好的实时性。使用DM642多媒体DSP实现了算法,设置了视频捕获方式、优化了DSP程序。首先进行彩色空间变换;然后利用基于V分量差分视频帧初步确定运动区域和基于S分量的背景差分视频帧精确目标区域;最后把各分量运动目标信息合并,对运动目标进行满足实时性要求的处理。实验结果表明,该算法能够较好地去除阴影,实现了运动目标的精确提取。     

基于改进YOLOv3的运动目标分类检测算法研究

提出一种基于改进YOLOv3算法的一类运动目标检测算法. 为进一步提高YOLOv3的检测精度,采用基于DIoU优化的边界框回归损失函数进行计算; 优化非极大值抑制,有效减少了目标框重叠的现象,提高检测精度; 针对运动目标检测,提出一种基于目标框多中心点位移的检测算法. 经UA-DETRAC数据集上的实验表明,改进后的算法在提高检测精度的同时保证了较快的速度,准确率和召回率相比原始YOLOv3分别提高了 8.07%和3.87%,对运动目标的检测速度可达20 fps/s,可满足实时检测的要求.     

基于彩色信息和边缘特征的运动阴影检测

基于RGB彩色信息建立自适应背景模型,通过背景抽取检测快速运动目标,同时利用运动目标的边缘特征作补充,在色调、色饱和度、光强(hue,saturation,intensity,HSI)彩色空间,根据运动阴影的运动属性及自身的物理特性检测阴影,通过阴影的抑制进一步提高运动目标检测的准确性.实验结果表明,该方法能够有效地检测快速运动目标、抑制阴影、提高智能交通系统的性能.     

基于固态激光雷达的智能汽车目标检测算法

基于低成本的车载固态激光雷达,提出了一种动态目标状态检测方法.首先给出了针对目标位置和速度检测的总体框架,然后基于固态激光雷达的点云特点,提出了改进的RANSAC地面分割算法.在此基础上,进一步设计了求取运动目标相对速度的检测算法.最后,融合固态激光雷达和惯导数据,辨识交通环境中的运动目标,并获得目标的绝对速度.通过两...     

一种基于混合高斯模型的运动目标阴影检测策略

视频的目标分割与阴影检测技术是计算机视觉领域中最主要的研究方向之一。基于混合高斯模型,提出一种双重阴影检测策略。先通过HSV模型下的颜色夹角确定疑似阴影,再对运动目标和疑似阴影进行混合高斯建模从而消除实际阴影。实验结果表明,该策略在不影响目标识别的情况下可以较好地检测并消除在不同光照环境下的随伴运动目标阴影,具有较高的鲁棒性,从而能保证目标检测的连续性和准确性。