基于背景差法和帧间差法的运动目标检测方法

影响夜间监视系统稳定性的主要因素之一是光线的变化，背景更新方法则是克服光线影响的有效方法。本文在介绍了各种现有方法的基础上，提出了一种基于背景差法和帧间差法相结合的运动目标检测和自适应背景更新方法。实验证明，这种方法能够很好地克服光线的影响，提高报警系统的稳定性。     

基于运动历史轨迹的行为检测

针对公共重点区域的智能监视问题,提出了一种基于运动历史轨迹的行人行为检测方法。利用每一帧运动图像,获得每一帧图像的头部中心位置和人体重心位置,并连接两个中心点。随着运动的进行,从而能够得到整个运动序列的两点连线的运动轨迹。通过对该轨迹的处理,能够较好地确定行人的运动行为。结果证明,该方法实现简单,具有较好的实时性和鲁棒性,能够作为实时监控系统中异常行为检测的有效方法。     

基于图像特征点匹配的车辆运动检测

提出了应用于交通视频监控系统中车辆运动检测和分割的一种新颖有效的方法.采用了较为简易的特征点匹配检测车辆并利用纹理识别对车辆进行分割.此方法不需要对序列图像进行预处理,能有效消除光照阴影和背景,实验结果表明该方法可以实时准确提取道路交通信息.     

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。     

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...     

一种块-点的分层自适应运动检测算法

本文提出了一类块检测-点检测的分层运动检测方法,在现有背景模型的基础上建立块模型进行粗检测,然后对检测出的块进行点检测,达到提高检测速度的目的.为了兼顾检测速度和精度的要求,构造目标函数,根据检测到的目标尺度对块-点尺寸做了自适应优化.实验证明了这种方法的有效性.     

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。     

一种基于改进混合高斯背景模型的运动目标检测方法研究

提出了一种固定摄像头下自适应的运动目标检测方法。该方法基于改进的混合高斯背景模型,通过在线更新模型学习率,实现背景模型更新。最后用背景差分法检测出运动目标。实验结果表明,与传统混合高斯模型的运动目标检测方法相比,该方法有较好的自适应性,能快速适应场景的变化。     

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。     

基于不变特征描述符实现星点匹配

为了能够在星图存在旋转角度情况下,自动快速地完成星图匹配,提出了一种基于不变特征描述符的旋转不变匹配方法,将加速鲁棒特征(SURF)描述符应用于星点特征的描述和匹配。首先,对星图进行图像分割,抑制非极大值,并检测星点;然后,为计算星点分布尺度因子s,在半径为6s的圆形邻域内为每个星点计算主方向,之后将20s×20s的邻域与主方向对准,并在该邻域内为每个星点计算SURF描述符。最后,基于透视投影模型的匹配策略,提纯星点,计算匹配星图之间的变换矩阵。实验结果显示,该方法能够鲁棒地提取星点,并在图像存在旋转、平移及部分视角变化的情况下完成星图匹配,仿真实验的匹配星点的误差均在1pixel以下,实拍星图实验的匹配星点的误差均在1.5pixel以下,表明为每个星点建立描述符,进行匹配识别的思路是可行的。     

基于块遍历的直线边缘特征提取

为了能够快速而精确地提取图像中扩展目标的直线边缘特征,提出了一种基于块遍历的直线提取方法.该算法先通过块遍历整个图像,然后按照直方图把块分类并进行二值化,再通过链码得到相同单像素直线的多个块表示,然后通过这些直线的斜率和截距进行分类,最后对分类结果求均值.仿真结果表明,该方法不仅能正确地提取直线特征且提取的直线可以达到亚像素精度,其角度定位精度超过0.01 rad.从运算量和复杂性来看,其综合性能要优于经典霍夫变换方法,可以得到很好的直线提取结果,并为硬件实现打好基础.     

Adaptive Tikhonov regularization for damage detection based on nonlinear model updating

This paper presents an adaptive regularization approach for solving the nonlinear model updating inverse problem. The discrimination of possible damaged elements and undamaged elements is done from results obtained in previous iterations via a new side condition which aims at (a) to limit the local change in damaged structural elements in each iteration; and (b) to force the variation of other undamaged elements close to zero. A thirty-one bar plane truss structure with multiple damages is studied. Results obtained from the proposed method are greatly improved over those obtained from the traditional Tikhonov regularization even with large noise contamination in the measurements.     

特征融合和模型自适应更新相结合的相关滤波目标跟踪

提出了一种基于自适应特征融合和自适应模型更新的相关滤波跟踪算法(CFT)。该算法在跟踪的训练阶段利用损失函数计算特征的自适应权重,在检测阶段对不同特征的响应图进行加权求和,从而实现了响应图层面的自适应特征融合。设计了自适应的模型更新策略,采用响应图的峰值旁瓣比判断是否发生遮挡或错误跟踪,据此决定是否在当前帧更新目标模型。在11个视频序列上对所提算法进行了实验,验证了所采用的自适应特征融合策略和自适应模型更新策略的有效性。与多个传统的采用单特征的相关滤波跟踪算法进行了比较,结果显示,所提算法的跟踪精度和成功率典型值分别提升了18.2%和11.5%。实验结果验证了特征融合和自适应模型更新对跟踪算法的改进具有指导意义。     

基于不变矩特征匹配的目标定位方法(英文)

红外成像匹配辅助导航系统中由于基准图像和实时图像是从不同的观测角度,在不同时间、不同高度条件下获取的,实时图像与基准图像之间会产生仿射变换与像质差异,增加了成像匹配的难度.为了提高实时图像与基准图像的匹配正确率,提出了基于改进不变矩特征的成像匹配方法.从红外成像的基本原理出发,重点讨论了实时红外图像地面分辨率不同对统计不变矩特征不变性的影响,并从理论上推导出了6维不变矩特征向量的表达式.综合得出,在一定的条件下,该特征向量对平移、旋转、加噪、分辨率变化等多种复合变换下的图像具有不变性,可以作为成像匹配定位应用的特征量.文中选用Camberra距离作为实时图像和基准图像匹配测度,仿真实验部分验证了方法的可行性和正确性.     

基于CenSurE star特征的无人机景象匹配算法

针对传统局部不变特征的景象匹配算法冗余点多、实时性差、抗几何变换不突出的情况,提出基于CenSurE-star的无人机(UAV)景象匹配算法。首先采用Cen Sur E特征星型滤波器(CenSurE-star)提取基准图和实时图中的特征点,并生成FREAK二进制描述符;然后将汉明距离作为特征点的相似性判定度量,采用K近邻距离比值的方法提取匹配点对;最后利用基于RANSAC的定位模型得到空间几何变换关系,实现图像匹配并获取定位点经纬坐标。算法性能评价实验表明,本文算法不仅相对于SIFT、SURF、ORB算法,对各种变换具有更好的鲁棒性,而且相对于改进的SIFT、SURF算法处理时间有更大程度的缩短,算法定位误差在0.8个像素内,尺度误差在0.02倍内,旋转角度误差在0.04°内。基于算法进行外场飞行实验,实验证明算法定位精度较高,可以适应地貌信息较少的环境,并能满足无人机视觉辅助导航的需求。     

改进Noble算子匹配的电子稳像法

考虑全局运动估计算法对电子稳像系统准确性和实时性的影响,提出了改进Noble算子匹配的电子稳像算法。该算法通过区域预选、特征匹配、参数求解和运动补偿四步操作稳定抖动视频。首先,根据全局运动一致性的特点,采用子块间的绝对差值提前剔除部分不可靠区域,并改进传统Noble算子的全局阈值部分,根据区域梯度均值自适应调整阈值,检测各保留区域的角点,以保证图像特征的空间均匀性分布;其次,根据特征点的邻域信息构造梯度方向描述子进行粗匹配运算,并利用最近邻次近邻比率和均值距离准则两步操作优化匹配集合;然后,结合运动模型求解全局参数;最后,选择卡尔曼滤波过程完成抖动图像的补偿处理。Matlab仿真结果证明:该算法能平均提高峰值信噪比2dB以上,当旋转角度小于5°时性能更为优异,能准确、快速地稳定视频图像。     

基于零件设备特征匹配的CAPP系统中的信息描述

分析了CAPP系统往往不能通用的原因,提出了基于零件-设备特征匹配的思想,并具体介绍了在CAPP系统中进行信息描述的方法。     

基于动态特征矩阵的k近邻风电机组故障检测方法

受风的间歇性和随机性影响风电机组运行状态频繁切换,导致设备状态异常检测误报和漏报情况严重,风电企业运维成本居高不下。为此,提出了基于动态特征矩阵的k近邻故障检测方法,该方法采用基于互信息的动态特征矩阵描述风电机组的动态特性,通过加权k近邻同时考虑动态特征矩阵中的特征贡献率与累计互信息的影响,利用动态阈值计算降低运行状态突变造成的误报。分别以美国可再生能源实验室5 MW海上风机基准模型的常见传感器和执行器故障以及SCADA数据中记录的变桨系统故障为例,将所提方法的故障检测结果分别与PCA、KPCA、FD-kNN以及PC-kNN故障检测方法进行对比,结果表明所提方法能够准确进行故障信息的检测,所提方法优于其他对比故障检测方法。     

基于角点检测的图像匹配算法

针对红外图像与可见光图像之间特征点匹配难的问题,提出一种新的基于角点检测的图像匹配算法.首先基于曲率尺度空间检测图像在不同尺度下的角点,利用泰勒级数剔除伪角点以明确特征点的位置与数量;其次在构建特征点梯度向量时为避免红外与可见光图像梯度的翻转,对特征点邻域部分梯度方向进行角度限制修正并对梯度方向采用就近投影,进而统计梯度方向直方图以确定特征点的主方向,并构造一个64维的特征点描述子进行归一化处理;最后利用极线约束原则减少搜索范围,设计双向匹配方法实现特征点匹配.实验表明该算法能够有效进行红外与可见光图像的匹配,在旋转、噪声干扰、尺度缩放、亮度变化的情况下具有较好的匹配效果.