图像LK光流金字塔与帧间差分法的机器人视觉避障

为了提高巡检机器人视觉避障能力,构建一种综合运用LK光流金字塔与帧间差分法(TD)的优化算法。通过帧间差分运算处理图像视频序列,确定运动对象所在区域,再选择金字塔光流运算,有效消除光照环境引起的检测结果变化。研究结果表明:通过帧间差分运算处理图像视频序列,确定运动对象所在区域,再选择金字塔光流运算,可以有效消除光照环境引起的检测结果变化,并且也能够对快速运动物体进行检测。环境噪声对障碍物区域产生的影响比较小,因实际测试效果受到帧间间隔的影响明显,导致有些区域无法检测。采用LK光流金字塔进行检测时,由于受到环境因素的影响明显,存在大量无关区域,此算法几乎不会受到环境因素的干扰。采用本文补偿模型形成了明显的边缘,与人眼感受深度相近的景物深度,能够有效满足计算得到的深度图数据误差补偿要求。

基于YCbCr和帧间差分法的火焰分割算法

为了提高森林火灾的火焰检测效率和准确率,提出一种融合YCbCr和三帧差分法森林火焰前景提取算法。首先通过三帧差分算法对视频进行分帧处理,利用形态学进行去噪处理,再计算两帧参考帧和当前帧之间像素点的位置差异,得到像素点在参考帧中的位置和在当前帧中的位置之间的偏移量,从而分割出不断变化的火焰,结合YCbCr算法来进一步分割火焰疑似区域,达到精细化分割的目的。实验结果表明:所提方法克服了单个算法对火焰分割精度不高的缺点,可以较好地完成火焰分割,达到预期要求。

融入帧间差分法的深度学习目标识别仿真研究

目标检测与识别是数字图像处理实验的创新性实验项目。传统的目标识别算法可以识别目标类型,但不能识别目标的位置信息,且对相同目标的识别率较低。该文设计了一种基于帧间差分法的深度学习目标识别算法,即在深度学习理论构架下,将帧间差分法融入识别过程,补充增强候选框分割图像,通过NMS算法对候选框进行筛选。仿真结果表明,该算法在识别目标种类的同时还能对目标在图像中的位置进行精确标定,并可判断目标是否处于运动状态,具有较高的识别率。

基于帧间差分法和VIBE算法的运动目标检测

针对运动目标在视频序列检测时易受各种因素干扰的问题,采用TI公司的TMS320DM6446作为系统图像处理器,提出了一种基于帧间差分法和VIBE算法相结合的运动物体检测方法,并在DM6446硬件平台上实现。实验表明,在室内场景背景下,系统在满足实时性情况下能够克服光线变化等因素的干扰,准确地检测出运动目标,现场试验取得了良好的效果。

帧间差分法在视频监控中的应用研究

分析了现有人工视频监控的不足和智能视频监控的优越性,提出了检测视频中可疑情形的可行方法。为了能够在长时间不间断视频中稳定快速准确地识别出当前监控所遇到的情形,提出了基于视频帧间差分的视频监控处理技术;同时对视频处理进行了区域分割,提高对视频中可疑情况的识别率。实验在Matlab环境下对于录制的视频进行处理,利用改进的帧间差分法检测到视频中的异常情形,得到监控视频中有异常情况的画面,验证了方法的可行性和有效性。

新型基于帧间差分法的运动人脸检测算法研究

研究运动人脸检测、改善运动人脸检测的准确性问题,针对目前在运动人脸检测算法中存在的鲁棒性与精确性不强、适应性弱以及检测效率不高的问题。为了实时精确识别从脸图像,提出了一种帧间差分法的运动人脸检测算法。算法通过运动目标检测,获取运动人体的大致区域,利用人脸检测算法对运动区域进行检测,得到较为准确的人脸检测结果。经过对算法的仿真证明,算法能够快速、准确地检测出图像序列中的单个运动人脸,具有高效、准确的特点,有很大的实用价值。

基于帧间差分法的动体特征速度聚类分析

针对智能视频监控中快速、准确地检测和识别运动物体的问题,提出了一种依据运动物体特征速度来检测识别动体以及解读其语义含义的算法。该方法以相对帧间差分法为基础,通过对预处理后的二值斑块图像的标记,计算斑块的像素长度作为其特征速度,并依据斑块特征速度的众数进行聚类分析,从斑块特征速度得到运动物体的特征速度语义解读和运动物体的检测识别。实验结果表明,斑块的特征速度不仅可以实现对运动物体的检测,而且通过聚类分析可以准确地得出动体特征的语义解读。用特征速度和众数聚类分析方法实现对运动物体的检测识别和语义解读,相对于其他统计算法简单有效,便于智能摄像机的嵌入式开发。

基于背景和帧间差分法的运动目标提取

在自动人脸识别系统中,人体目标的检测是该系统识别人脸的前期关键步骤之一。为了能快速准确地检测出运动的人体目标,提出了背景差分法和帧间差分法相结合的运动目标提取检测方法。针对视频中的背景因镜头摆动或物体的移入/移出而有所变动,给出了几种提取背景的方法,比较各种方法后决定采用中值法快速地进行背景建模,随后采用自适应背景更新,结合两种差分法检测运动目标。通过实验验证了本文算法的有效性。

帧间差分法车速测算技术误差分析与处理

帧间差分法被广泛应用到视频监控目标车辆速度测算中,其原理简单、操作方便,是交通事故中车辆速度鉴定的重要技术手段。介绍帧间差分法目标车辆速度测算原理,运用几何光学成像原理分析目标车辆行驶距离测量精度不高的原因,并从优化参照物和视频画面选取、运用计算机视频处理技术等角度,提出帧间差分法车速测算技术误差分析与处理方法,从而提高视频监控目标车辆车速测算的精确度。

基于背景建模和帧间差分法的高点监控行人检测

高点行人检测是在火车站广场最高处或者大型广场的制高点安装摄像头,不同于传统监控的5～10 m的监控高度。采用安装高度超过30 m的摄像头,实现实时统计指定区域的人数。由于摄像头位置高,覆盖面广,可以做到大面积布控。但是随之而来的问题就是场景中行人占得像素很少,这就为统计人数带来很大的困难。针对高点监控应用场景,提出了基于背景建模和帧间差分法相结合的高点行人检测。实验结果表明,该算法比单独使用背景建模或者帧间差分法检测效果有所提高,同时降低了误检率。

基于背景差分法和帧间差分法的车辆运动目标检测

针对背景差分法和帧间差分法在检测车辆运动目标时存在阴影的问题,提出一种结合背景差分法和帧间差分法去除阴影的车辆运动目标检测算法.首先采用均值法从图像序列建模获取背景,通过背景差分法对当前帧进行差分得到背景差分图,二值化得到二值图.然后利用改进Robert算子对二值图与背景差分图进行边缘检测.最后通过对两张边缘图像进行帧间差分,得到去除阴影的车辆运动目标.

基于帧间差分法的口罩佩戴检测算法研究

新冠疫情防控下,针对口罩检测难识别率低的问题,提出基于帧间差分的口罩佩戴检测算法。通过对输入的图像进行预处理,利用帧间差分法提取出前景,进而对人脸进行识别,分别统计眼部区域与口部区域肤色面积,进行比较验证算法的准确性。研究得出:相比其它算法,帧间差分算法识别率更高,识别速度较快,且不需消耗太多计算机资源;在中午良好的光照条件下,识别率较高,识别速度较快,识别率和识别速度没有受到年龄的影响;在实际应用中,可应用在小区门口、火车站、校园等人流量大的场景,经过测试,已达到可用标准。

基于帧间差分法和AdaBoost算法的人脸跟踪

对于人脸在复杂背景下的检测与跟踪问题,采用帧间差分法和形态学分割出运动区域,再使用AdaBoost级联分类器对运动区域扫描,以精确定位人脸。人脸检测成功后,通过保留和及时更新地成功检测到人脸的区域,使得当人脸运动较慢时候,或人脸静止时仍然能检测跟踪成功,利用OpenCV开源库和Visual Studio 2005进行仿真,实验结果表明,在复杂的背景下,无论在人体处于移动正常、缓慢或静止的情况下,该方法都能实现单人脸检测跟踪,且跟踪速度较快。

融合帧间差分法和ViBe的运动目标检测算法

针对ViBe(visual background extractor)算法中经常出现的“鬼影”现象,提出一种融合帧间差分法和ViBe算法的运动目标检测算法。首先采用帧间差分法和ViBe算法对视频序列连续三帧分别做运动目标检测;然后对两个相互独立的检测结果进行逻辑运算并更新背景模型;最后对运算结果依次执行开运算、闭运算,从而得到准确的运动目标区域。选择3种常见环境下的视频序列进行试验研究,结果表明我们提出的这种算法可以有效去除“鬼影”,具有良好的鲁棒性和实时性。

基于帧间差分法-单点多框检测器的圈养生猪打斗行为识别方法

在集约化养殖过程中,生猪打斗行为是影响生猪福利养殖的重要因素之一。针对复杂养殖环境下传统方法识别圈养生猪打斗行为准确率低的问题,提出1种基于帧间差分法(Frame difference,FD)-单点多框检测器(Single shot MultiBox detector,SSD)的生猪打斗行为识别方法。首先,利用帧间差分法提取生猪连续视频帧中的移动像素,排除光照度变化、地面水渍及尿渍等环境因素以及静止生猪对打斗行为识别的干扰。然后,以连续视频帧中的移动像素为样本,采用MobileNet_v2、焦点损失函数、网络参数迁移学习对单点多框检测器进行改进,用于检测发生剧烈运动的生猪个体,提高SSD对运动生猪个体的检测精度与速度。最后,针对生猪发生打斗行为时的特点,设计精准的生猪打斗行为判别方法,以识别生猪是否发生打斗行为。试验结果表明,该方法对生猪打斗行为的识别准确率、查准率、查全率分别达到93.75%、96.79%、90.50%,可以有效识别圈养生猪的打斗行为,为饲养员判断生猪异常状况提供依据。

基于帧间差分法的视频轨迹模拟

针对视频帧间相对运动的目标检测,进行视频预处理,读取视频相关属性,运用二帧差分法、三帧差分法、彩色帧间差分法等,可以高效检测并处理视频运动目标,主要用大津法确定的图像二值化阀值,差分图像优化,使用腐蚀膨胀去噪点,再进行路径图初始化,画出圆心,根据时间的先后,找出存在圆心点,设计每帧停留时间,刻画出视频中出现运动轨迹,从而达到解决问题的目的。

基于累积帧间差分法和掩膜的SF6红外检漏视频定位算法研究

自动化、智能化是变电站发展的趋势,越来越多的自动巡检机器人被应用于巡检工作中。红外图像检漏技术是常用的电气设备SF_(6)气体检漏手段,既可以针对局部查找漏点,又可以快速大范围巡检。因此,对红外检漏自动定位算法的研究有其必要性。本文研究一种SF_(6)红外检漏视频定位算法,它既可用于变电站自动巡检机器人的红外检漏自动定位,亦可用于手持式红外图像检漏仪辅助定位。首先将红外图像灰度化,并利用高斯模糊技术消除噪声干扰;其次通过阈值变换在首帧图像中识别设备区域,得到掩膜;然后基于漏点位置相对固定且持续的特性,使用累积帧间差分法获取红外图像的累积变化;最后根据掩膜排除不在设备区域的干扰,对SF_(6)泄漏点进行定位和统计。实验表明,该算法能准确定位SF_(6)漏点位置,运算速度快且抗干扰性好。

基于改进帧间差分法与背景差分法车辆检测

运动车辆进行高效实时检测存在目标轮廓缺失、目标内部有空洞、背景无法实时更新等困难。基于此,提出了改进的三帧间差分法和帧间差分法、背景差分法融合算法,在应用改进三帧间差分法解决目标轮廓不完整、利用基于混合高斯模型建模的背景差分法实现目标背景的实时更新基础上,将两者融合,进行运动车辆检测。实验证明,所提出的算法可以较好地解决运动目标轮廓缺失以及背景无法实时更新的问题。

帧间差分法运动目标检测过程及原理

帧间差分算法就是我国研究领域的一大热门,它是我国对目标追踪方面的重大研究对象。这一研究的大体思路就是利用模板匹配的方法进行对目标物的提取和检测。这样的方法的优势在于十分简便,通过视频序列中的连续两帧或者是几帧图像的差别来实现对观察目标的检测和提炼。

一种融合背景差分和帧间差分的运动目标检测方法

针对背景差分法和帧间差分法在运动目标检测中的缺点,提出了一种结合背景差分法和帧间差分法的新算法。首先将混合高斯模型建立的背景与当前帧进行差分处理,再使用帧间差分法获得差分图像,最后将两种差分结果融合检测运动目标,对目标轮廓和边界区域进行标记。实验显示,新算法对检测效果提升明显。