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。

基于背景差分法的单通道圆迹SAR动目标检测算法研究

圆迹SAR(CSAR)作为一种新的对地高分辨率成像方法,兼具长时间观测以及获得目标360°全向信息的优势。该文利用其长时间观测的特性,针对单通道圆迹SAR提出一种新的图像域动目标检测算法。首先从等多普勒等距离角度分析了动目标信号模型,后给出动目标检测算法。该方法将原始图像分为无动目标的背景以及含有动目标的前景图像,由于静止背景较动目标变化缓慢,故利用中值滤波器对重叠子孔径图像序列沿时间维进行滤波以获得背景图像,再利用每帧原始图像与背景图像的差来获得相应的含有动目标的前景图像。机载圆迹SAR数据处理结果说明了该方法的有效性。

基于背景差分法的视频目标检测算法研究

运动目标的检测是数字图像处理和模式识别以及计算机视觉领域研究的主要内容之一,也是计算机视觉研究的一个重要领域。对基于背景差分法的视频目标检测的算法进行了研究。以Matlab为主体研究工具,对视频中的运动目标进行检测。对背景差分法的原理和算法进行了研究,并对其进行了详细的讨论和分析。利用中值滤波背景模型来提取背景,并对目标的阴影进行检测与抑制。实验结果表明,采用该算法对运动目标进行检测具有良好的准确性和稳定性。

背景差分法自动检测毛细管粘度计液位的方法

针对现有毛细管粘度计液位检测方法的不足,通过研究帧差法与背景差分算法,构思并设计了一种对多毛细管粘度计同时检定的方法。通过背景差分的图像处理方法,实现运动前景和背景的分割;使用虚拟检测线法实现毛细管粘度计液面运动位置的检测。该方法使用Visual C++结合Opencv进行编程实现,对实际毛细管粘度计四通道进行测试,取得良好效果。

基于优化背景差分法光学薄膜表面检测系统

切膜机生产线上,需将膜切成各种规格的产品。但是在具体的操作过程中,其表面将产生诸多类型的缺陷,因此必须加以检测,例如,污渍、划痕等问题的检测。本文根据过去人工法存在效率相对较低的现实问题,阐明基于计算机视觉的自动检测设计方案,并且阐明优化的背景差法,这种方法对检测非常适用。经过验证,该技术非常有效、算法可行,能够快速检测其中存在的缺陷,在很大程度上改善了生产率。在明显缩短剪切时间的基础上,降低了生产原料的损失,极大地迎合市场需求。同时通过新的检测方法,以及均值滤波得到目标的背景,研究发现,其可以明显改善传统方法的不足。

基于背景差分法的多运动目标检测与分割

针对图像序列中的多运动目标的检测和分割问题,本文使用基于背景差分法和相邻帧差分法对多运动目标进行了提取。以179帧图像序列为实验样本对两种方法进行了对比实验,结果显示相邻帧差分法相对于背景差分法一共丢失了159 461像素。对于提取后的运动目标,处理步骤主要为图像预处理、目标检测识别和分割。在Matlab软件中实现了基于背景差分法对多运动目标的检测识别和分割,达到了预期的要求。

基于视频的改进背景差分法车辆检测与遮挡分离

视频检测法已成为智能交通系统领域中车辆检测技术的一个研究热点.作者构建了一个基于智能交通的视频目标检测与遮挡粘连检测及分割系统,提出了采用改进的基于自适应背景更新的背景差分法检测运动目标,通过对视频序列图像的分析,先分割图像,获得前景运动车辆目标及剪除前景对象后的背景图像,然后采用背景自适应更新、动态阈值更新、背景自动提取等方法实现,研究了车辆间遮挡粘连的检测和对象分离的方法.

利用背景差分法检测监控视频中的关键帧

针对目前视频侦查工作中监控视频数据量大、常规人工方式存在关键帧获取实时性差、误判率与漏判率较高等问题,提出了一种基于背景差分法的监控视频关键信息检验技术。首先根据监控区域特点与人工经验在监控视频中设置背景帧,然后逐帧读取监控视频内容,将当前视频帧与背景帧进行差值计算后与事先确定的关键阈值进行比对,最后根据阈值比对的结果检测监控视频中的关键帧并更新背景帧。实验表明,本文提出的方法对背景区域相对固定的监控视频具有较好的关键帧检测效果。

改进背景差分法在SIFT算法中的应用研究

针对运动识别领域的难点问题,提出一种基于相乘相与运算的背景差分算法,并将其应用于SIFT特征识别算法中,最后利用板球控制系统对算法进行实验验证。实验表明,基于改进背景差分法的SIFT特征算法具有较强的复杂场景适应性和运动目标识别能力,能有效地减少运动目标周围的干扰点,具有较强的抗噪性和识别鲁棒性。

基于背景差分法的尾气烟度检测系统设计

随着机动车尾气的大量排放,为减少大气污染,对尾气进行相关的检测也越来越重要。为自动检测机动车尾气黑度,设计并实现了一种对尾气图片使用图像处理的方法进行林格曼级数检测的系统。通过对汽车尾气进行拍照处理,获得机动车尾气黑度的林格曼级数。同时可以将检测结果通过4G网发送给手机APP,手机端也能控制检测系统进行拍照,获取分析结果,打印报告。该研究为机动车尾气黑度检测提供了一种可行的方案,具有一定的现实意义。

基于背景差分法的模型改进方法研究

通过对图像处理中背景差分法的背景模型研究和分析,提出了一种能够自动更新速率值的混合高斯模型。通过仿真实验,对比了基于传统背景模型和改进后的背景模型的车辆检测效果,证明了提出的方法不仅具有更好的检测效果,而且具有更强的实时性和准确性。

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.

一种基于背景差分法的室内排队人数检测方法

为了能够更加准确快速地检测正在排队的人数,提出一种基于背景差分法的排队人数识别方法。借助于固定于室内背景变化不大的场所的摄像头,首先对室内场景进行背景建模;当存在排队队伍时通过同一摄像头捕捉排队队伍图像,应用改进的背景差分法处理当前捕捉到的彩色图像与彩色背景模型,根据处理后图像中队伍所占画面的比例计算出当前排队人数。相较于传统排队人数检测方法,所提方法的结果为估算值。结果的准确度会受到背景建模质量以及图像噪声的影响,但是所提方法只需要极少的硬件以及计算能力,是一种计算方便快捷且可移植性好的方法。实验结果表明,使用该方法可以准确地检测排队队伍的人数。

基于背景差分法的公共场所物品遗留状况检测

现今世界各国对公共安全的重视程度日渐提高,视频监控系统作为一种必不可少的技术手段,智能化是它必然的发展趋势。笔者将利用背景差分法对公共场所监控视频进行目标检测,找出可能存在的遗留物品。其间,使用高斯混合模型法建立背景模型,并利用双重背景缓冲区来进行具体的目标检测。

基于背景差分法的核相关滤波多物体跟踪算法

研究了优化核相关滤波器跟踪算法（KCF）在多目标跟踪领域的应用。建立一个基于背景差分法和KCF算法的多目标跟踪系统,背景差分法用于提取视频中移动的物体,得到其轮廓和大小作为输入,以此优化KCF算法。KCF算法和背景差分法在每一帧优化彼此的跟踪决策。根据MOTA和MOTP评估指标,在标准数据库中的3个城市交通视频测试本文提出的优化算法,并与两种广泛使用的多物体跟踪算法对比。结果显示,该算法在整体效果上优于UT、Mendes等算法。基于背景差分法的KCF优化算法给交通背景下的多物体跟踪应用提供了一种新的方案。

融合背景差分法和帧间差分法的运动目标检测

针对传统背景差分法容易受光照变化的影响和传统帧间差分法不能完整地检测出前景目标等问题,提出一种改进的将两种算法进行融合的算法。首先,对背景差分法,采用带光照补偿模型的均值背景建模,降低光照突变对目标检测有效性的影响;然后,对帧间差分法,采用基于最大模糊熵阈值的三帧差分对视频图像进行处理,降低检测目标轮廓不完整的概率;最后将两种改进的算法得到的前景目标进行融合,得到综合的前景目标。实验证明,该算法能有效弱化光照突变的影响,增强检测的准确性和实时性。

基于背景差分法的运动目标分割

运动目标分割在基于视频的运动目标检测与识别研究中发挥着重要作用。以图像差分法为基础,实现了一种复杂背景下快速分割运动目标的方法。通过中值滤波对原始图像进行预处理;运用改进的Surendra算法快速提取并更新背景图像;利用数学形态学运算对差分二值图像进行处理,进行运动区域的初始检测;将RGB图像转换到HSI域中进行适当的阴影去除,完成运动目标分割。实验结果表明该方法能够较为有效地分割出感兴趣区域(ROI)内的运动目标。

背景差分法障碍物检测

本文基于图像处理,研究了背景差分法对车行道障碍物的识别问题。本文提出预先得到纯净无障碍的路面图像,经过预处理后,与待检测图像作差分运算,将得到的信息进行腐蚀膨胀等进一步处理,最终完成对障碍物的识别。

改进三帧差分法与背景差分法结合的运动目标检测算法

针对传统三帧差分法对于运动速度较慢物体容易漏检等问题,提出了利用光流法对传统三帧算法改进并与背景差分法结合的运动目标检测算法。实验结果表明,改进的三帧差分算法与背景差分算法结合具有良好的抗躁性、适应性和鲁棒性。

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。