一种结合改进ViBe和多特征融合的运动目标检测算法

针对ViBe算法易受光照以及动态背景影响,在运动目标检测过程中容易出现鬼影、阴影和运动目标空洞问题,提出一种改进ViBe和多特征融合的运动目标检测算法。首先,初始化背景建模采用鲁棒主成分分析(RPCA)方法,解决首帧产生鬼影问题;其次,引入标准离差率和帧间均速测量值能够自适应改变匹配半径和更新速率,从而适应动态背景变化情况,消除空洞现象;最后,融合HSV、LBP和Gabor特征对阴影进行检测并去除。在公开的CDnet 2014数据集进行实验,结果表明,本文算法能够适应动态背景变化,有效解决了鬼影和阴影问题,在多种场景下能完整提取目标。

结合稳像补帧与VIBE算法的抖动视频前景目标提取方法

在动态场景下进行目标检测与跟踪处理时,提取的前景目标往往会因受到背景抖动干扰而出现目标误判、轮廓不完整等问题,为此提出结合稳像与补帧、VIBE算法与连通域修正的抖动视频前景目标提取方法。首先利用ORB对相邻两帧图像进行特征匹配,使用RANSAC剔除误匹配点,以运动目标为中心调整图像边距,裁剪与修补不重合的部分,通过统计法求相邻两帧的偏移均值,完成视频稳像处理;其次利用稠密光流法计算相邻两帧图像的位移,通过位置重映射生成中间帧,实现视频补帧;然后将VIBE算法增加形态学处理与连通域修正,结合Canny算子进行边缘检测,增加目标轮廓的完整性;最后使用视频实例进行测试,与其他视频目标提取算法进行比较分析,精度、召回率至少提高10%,漏检率、错分率至少降低15%。实验结果表明,所提方法能有效去除抖动带来的影响,提取的目标完整性较高。