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。

基于背景差分法的篮球投篮轨迹预测模型构建

为实现动态复杂环境下篮球投篮轨迹的预测,为篮球训练提供指导依据,构建基于背景差分法的篮球投篮轨迹预测模型。该模型基于混合高斯背景差分方法,构建复杂动态环境背景建模,为保证建模效果,引入自适应学习率进行模型优化,并删除背景模型中冗余高斯分量,获取图像中的前景目标图像;基于最大类间方差的阈值分割方法,二值化处理前景目标图像后,采用区域线性增长方法和篮球运动员投篮运动轨迹图形融合模型,提取前景目标图像中的投篮运动特征,实现篮球投篮轨迹预测。实验表明:该模型具有良好的篮球投篮运动图像处理效果,篮球投篮轨迹预测的可决系数指标结果均在0.947以上,预测结果与实际轨迹结果之间吻合程度较好,满足应用需求。

融合两帧差分和背景差分的车辆检测算法

针对传统背景差分法和两帧差分法在车辆检测任务中出现的噪声、鬼影和空洞问题,提出一种将两者融合的静态背景下运动车辆检测算法。建立背景帧和检测帧的类别矩阵M1和M2,消除噪声和空洞;引入最大类方差法(Otsu)生成背景帧和检测帧的灰度级矩阵G1和G2,以此构造鬼影区的灰度级变化特征β,分割鬼影区域。实验结果表明,融合算法在测试集上的检测效果达到88.41%的平均F1值,相比传统的两帧差分、高斯混合模型和视觉背景提取算法均有大幅提升。

基于背景差分法的电网巡检运动目标检测技术

针对无人机对电网巡检过程中移动镜头下的目标检测问题,采用背景补偿与背景差分法实现了动态场景下的目标检测.建立了全局运动矢量模型,并利用SIFT特征点提取和匹配技术,完成了视频图像的特征点匹配,实现了移动镜头下的背景补偿.通过降维和局部匹配方式对SIFT特征点提取和匹配技术进行优化.结果表明,优化后的特征向量生成时间是原来的30%~40%,与经典SIFT算法相比,提取特征点的总时间是原来的30%~50%,该方法能准确检测运动目标并排除干扰.

基于改进GMM背景差分方法的蒸汽泄漏检测研究

为检测反应堆回路试验装置蒸汽泄漏,提出了一种改进的基于背景差分法的蒸汽泄漏红外视频检测方法。该方法利用红外相机采集图像,使用Wasserstein距离匹配像素点,采用K-means方法去更新改进的混合高斯背景模型(GMM);在后处理中,采用自适应均值滤波及形态学方法抑制环境噪声,通过对泄漏图像灰度形状面积的分层融合特征判断实现对蒸汽泄漏的分级检测。为实现对算法效果的量化,利用泄漏报警率、F1分数等指标评价检测方法的优劣,提出以Dice系数作为算法分割效果的评价函数;在steamTS200inf数据集上的试验结果表明,泄漏报警率可达98.52%,最后一帧分割Dice值可达78.31%,本文方法可有效检测蒸汽泄漏。

基于自适应背景差分与深度学习的矿山巷道不安全行为的自动识别

煤炭开采行业是公认的高危行业,其中人的行为因素是造成绝大多数事故的直接原因。及时提醒、纠正矿工的不安全行为是避免煤矿事故最重要且最有效的方法。本文基于自适应背景差分模型,提出了一个三阶段优化算法,通过异常值发现、异常值区域像素点平面平滑以及连通域分析算法,实现了矿工子图数据集的有效提取。特别是在异常值发现中,本文采用中位数估计方法,通过分布式中位数计算,求得标准差更稳健的中位数估计量,替代传统矩估计量构造阈值,获得更加稳健的异常值区域,进而提取高质量的矿工子图数据集。实验结果表明,与传统估计方法相比,基于中位数估计得到的标准差所构造的阈值,提取的矿工子图准确率更高,提取的结果更稳健。同时,本文直接对矿工子图标注类别,避免进行边界框的标注,操作简单,快捷高效。最后,本文使用MobileNet模型进行迁移学习,结果进一步表明,中位数估计方法得到的矿工子图数据集的质量优于传统估计方法,子图分类准确度更理想,能够有效地识别矿工的不安全行为。

基于背景差分的高铁钢轨表面缺陷图像分割

高铁钢轨表面图像具有光照变化、反射不均、特征少等特点,使得缺陷自动检测极为困难。为了在高速运动过程中,从复杂的钢轨表面图像中分割出缺陷,根据钢轨表面图像具有沿钢轨方向像素值基本不变的特征,建立钢轨表面图像背景模型,提出了基于背景差分的钢轨表面缺陷检测算法,主要包括钢轨区域提取、背景建模差分、阈值分割和图像滤波4个步骤,其主要特点是将视频监控中的背景差分法推广到缺陷图像分割领域,同时借助自适应阈值分割和滤波技术,在一定程度上,解决了铁轨表面缺陷分割过程中图像光照变化、反射不均、特征少等不利因素的影响。实验仿真和现场测试结果均表明,该方法对块状缺陷能很好地识别,召回率和准确率分别达96%和80.1%。

基于快速背景差分的高速铁路异物侵入检测算法

随着我国高速铁路通车里程不断增加,高速铁路的运营安全备受关注,异物侵入铁路限界对运营安全危害极大,有效检测侵入线路净空的异物对保障高速铁路安全运营具有重要意义。铁路场景环境光线多变和图像通道众多的特点对基于图像的异物检测方法的处理效果和实时性提出了较高的要求。针对铁路场景抖动发生在垂直方向的特点,提出了一维灰度投影结合高斯滤波的图像快速去抖方法,在大幅提高处理速度的同时获得了较好的去抖效果;针对复杂多变的背景,提出了一种基于前景目标统计分布的背景更新算法,定义了目标分散指数用于确定行列投影次序,通过统计前景目标分布实现背景更新,在提高速度的同时解决了传统背景更新算法难以解决的鬼影问题。最后通过背景差分获取前景目标,并通过目标标记、合并与特性分析提高目标检测的准确性。沪宁城际高速铁路典型场景的现场实验表明,该算法能有效检出铁路场景侵限目标,系统综合误检率约为0.54%,漏检率为0。

基于帧间差分和背景差分的运动目标检测算法

针对运动目标检测领域中帧间差分法和背景差分法的缺陷,提出一种将两种方法融合在一起的新算法。首先,该算法在采用混合高斯建立背景模型时对方差更新作了修改,使得模型与真实背景更接近。其次,用连续三帧差分代替两帧差分,采取自适应差分阈值的方法。最后,将两种差分的结果融合并作形态学处理提取目标。实验结果表明,本文算法能有效抑制噪声和空洞,适应性强、检测效果良好。

复杂背景下的颜色分离背景差分目标检测方法

针对复杂背景下运动目标检测失检率高的问题,提出了用于复杂背景目标检测改进的基于RGB颜色分离的背景差分目标检测方法。主要是对RGB三通道图像独立进行背景差分运算,阈值二值化后合并三通道前景图像,得到完整前景目标图像;再利用检测的边缘对前景图像进行修正,消除光照变化带来的噪声;RGB三通道使用自适应权值的递推算法进行背景更新。最后采用实验室采集的图像序列进行了仿真实验,结果表明,该方法在复杂场景下有效识别颜色差异,避免了灰度值相近而造成的目标缺失,提高了检测精确性。

连续帧间差分与背景差分相融合的运动目标检测方法

为了克服背景差分法和帧间差分法的不足,有效提高运动目标检测的准确性、实时性和检测效率,提出了一种将连续帧间差分法与背景差分法相结合的运动目标检测方法.首先通过连续帧间差分法获得连续帧差图像,然后分别通过线性的自适应滤波、非线性的中值滤波获得背景图像进行差分,之后再利用阈值分割技术实现运动目标的增强,从而有效解决背景差分法和帧间差分法中都可能出现的无法检测目标的现象.实验表明,该算法可以有效避免漏检、误检等情况,提高运动目标检测的效率和准确性.

基于动态阈值背景差分算法的目标检测方法

提出了基于动态阈值的背景差分算法、滤波算法和目标区域中心求解算法,并且将这种目标检测方法应用在视觉系统中进行目标检测与跟踪实验,实验结果证明了该目标检测方法的有效性和可靠性.

静态背景差分运动目标检测研究

为解决传统运动目标检测算法在硬件实现上存在实时性差、开发过程复杂的问题,利用DSP Builder工具,在FPGA上实现静态背景下运动目标检测算法。结合FPGA并行计算的特点,采用模块化设计思想,按照背景差分、阈值分割和质心提取的流程搭建各算法模块。实验结果表明,该设计可以有效地检测动态目标,满足嵌入式系统对实时性的要求。

基于五帧差分和背景差分的运动目标检测算法

静态背景下运动目标检测的抗噪性能较差。为此,提出一种改进的运动目标检测算法。对原始图像进行预处理,将五帧差分和背景差分相结合,利用基于自适应背景模型的动态阈值,提取图像中的运动区域,并进行形态学滤波和连通性检测,最终获取运动前景目标。实验结果表明,该算法能完整提取运动目标,背景适应性强,实时性好。

基于灰度相关的帧间差分和背景差分相融合的实时目标检测

提出了基于灰度相关性帧间差分和背景差分相融合的一种实时目标检测方法。首先,采用基于最小均方误差的灰度相关性帧间差分,考虑图像噪声的高斯模型,确定差分用的阈值集合,得到差分二值图像;然后,使用混合高斯模型(GMM)进行背景建模,将模型的2.5倍方差和均值的最大值作为匹配准则,并基于光照变化对其背景图像进行自适应更新;最后,在原彩色图像的HSV空间中检测阴影,对帧间差和背景差后的二值图像去除阴影,接着进行相与操作,最终准确检测出运动目标。实验和分析结果表明,本算法能够消除噪音、阴影,能有效适应不同光照条件下的检测场景,因此,具有较高的准确性、鲁棒性和自适应性。

一种基于梯度图像帧间差分和背景差分的运动目标检测新方法

提出一种基于梯度图像,融合帧间差分和背景差分的运动目标检测新方法。其特点是采用混合高斯背景模型,先利用针对梯度图像的帧间差分检出变化区域,再利用背景差分从变化区域中检出运动物体,最后利用连通性检验消去噪声和阴影。针对真实视频序列的实验结果表明,该方法既简单有效,又具有较小的运算量和较好的鲁棒性。

背景差分与三帧差分结合的运动目标检测算法

针对基于混合高斯模型背景差分法对光照突变敏感的问题,提出了背景差分法与三帧间差分法相结合的运动目标检测算法;首先利用当前帧与混合高斯模型建立的背景模型差分,快速检测出运动变化区域;然后,通过与设定的阈值比较,判断场景内是否发生光照突变,场景中若未发生光照突变,则采用混合高斯模型背景差分法提取运动目标,若发生光照突变,采用三帧间差分法提取运动目标;实验结果表明,在光线发生突变情况下,文中提出的算法同样能够取得较好的检测效果,具有很强的适应性和鲁棒性,可用于实时监测系统。

融合光流速度场与背景差分的自适应背景更新方法

为利用视频监控系统识别铁路客运站的客流,根据车站监控环境的多变性特点,提出将光流速度场算法与背景差分算法相结合的自适应背景更新方法。将光流引入背景建模中,并与背景差分结果进行并运算,再通过"死角"灰度优化处理,实现背景的实时更新。以实录的北京南站视频对给出的自适应背景更新方法进行验证,并与均值背景法和高斯背景法的处理结果进行比较,结果表明,自适应背景更新方法较好地解决了背景的提取、实时更新及运动目标阴影扰动等问题,拟合的背景干净、虚影弱,描述的背景符合实际背景场景,用于动态场景的客流识别取得了较好的效果。

基于背景差分的多车道车流量检测系统

研究了背景差分算法,并设计了一种对多车道路段的车流量检测系统。首先通过背景差分的方法,实现了运动前景和背景的分割;进一步使用虚拟检测线实现了多车道车流量的检测。系统平台用Visual C＋＋结合OpenCV进行编程实现。对实际道路环境下的大量的图像序列进行了测试,取得了较好的效果。

一种基于帧间差分与背景差分的运动目标检测新方法

针对背景差分算法中在复杂背景下参考帧的提取问题,提出了一种新的运动目标检测方法.该方法基于帧间差分法检测出帧中的背景像素点后,再确立每个点的高斯模型,最后运用背景差分准确检测出场景中的运动目标.由于该方法提取的背景干净,故能有效克服以往检测算法存在的误检和空洞问题.试验结果表明,该方法快速、有效,能够满足运动目标的实时检测要求.