基于Surendra背景减除法和四帧差分法的目标检测算法

研究监控环境下的运动目标检测算法,提出一种新的运动目标检测算法。利用四帧差分算法将连续四帧两两差分得到运动区域,与Surendra背景减除法确定的运动目标相结合,采用动态阈值以适应光线突变,通过连通性检测和孔洞填充进行后处理,综合得到运动区域图像。实验结果表明,该算法有效地去除了噪声、空洞及双影等现象,具有较好的实时性和鲁棒性。既能精确地检测出运动目标,又能迅速响应实际场景的变化。

一种改进型surendra背景更新算法的FPGA实现

针对现有的动态背景提取运动目标物体算法复杂且难以在硬件上实现的问题,研究了改进型surendra背景更新算法原理的特点,提出了改进型surendra背景更新算法的硬件结构,并对硬件结构进行综合、仿真后,在FPGA芯片上实现。

基于改进Surendra背景更新算法的视频火灾检测

针对目前视频火灾检测误检率高以及计算量大而需要高性能硬件支持的工程应用需求,提出了采用改进的Surendra背景更新算法实时提取视频背景。采用迭代法实时求取当前的最佳阀值,以及Surendra背景更新算法获取背景,依据背景求得图像中的运动区域,形态学处理后通过火焰颜色统计模型判别是否是火灾。实验表明,文中采取的检测算法快速高效,具有良好的市场应用前景。

自适应背景提取算法的比较

介绍几种背景自适应提取算法的原理,分析算法在交通视频检测中的仿真效果。依据交通场景提取中实时性、准确性等关键技术指标,采用基于"真理图"的量化评估方法,在多种复杂交通场景中利用recall,precision评价参数对背景提取算法的效果进行比较分析,明确被评价算法的性能特点与适用的交通场景。

改进的ViBe运动目标检测算法

针对传统Vi Be运动目标检测算法提取的目标存在鬼影区域、且有闪烁像素点干扰的问题,提出一种结合Surendra背景更新算法而改进的Vi Be算法进行运动目标检测。利用Surendra算法快速更新背景的特点迭代得到纯净背景;对Vi Be算法检测前景进行像素标记和鬼影分类判别,去除鬼影像素点和闪烁像素点;输出新的前景。实验表明:该算法可以有效地去除Vi Be算法前景检测中的鬼影,并能抑制闪烁像素噪声,获取更精确的前景图像。

复杂背景下运动目标分割算法研究

视频监控中,准确而快速地分割出运动物体是提取各种信息的前提和关键。以图像差分法为基础,提出了一种在复杂背景下有效分割运动目标的方法。运用改进的Surendra算法提取背景。对连续帧图像的R,G,B三通道帧差分图像采用PCA融合和二值形态学重构,以提取和更新背景。将粗分割图像转换到HSV域中,采用V分量阈值法消除阴影,并应用彩色投影法解决连通体粘连和路面反光问题。实验结果表明该方法能够结合各种算法的优势,快速而较准确地提取出运动车辆目标。

基于帧差与背景差分的改进目标识别算法

为改进静态背景下三帧差法检测容易出现虚假边缘、空洞等现象以及背景差分法中背景更新缓慢、适应能力差的问题,提出一种融合边缘检测的改进三帧差法与背景差分法相结合的算法。该算法加入了边缘检测算子,对传统的三帧差分法进行改进,然后与基于Surendra算法的背景差分法进行结合,运用多种逻辑运算,经图像后处理综合得到运动区域图像。实验结果证明,此算法有效避免了鬼影、空洞、双影等的出现,对环境适应性好,与传统方法相比,算法准确率高,可满足实时性的要求。

基于OpenCV的ARM嵌入式网络视频监控系统

详细描述了在ARM-Linux嵌入式系统中移植OpenCV的方法,并在OpenCV的基础上运用Surendra算法设计了一个结合监控和运动目标跟踪功能的网络视频监控系统。

城市快速路监控视频中的行人检测方法

提出了一种用于检测进入城市快速路中行人的算法,先通过背景自动更新算法确定区域背景,接着利用背景减除法对运动物体进行分割获取场景中的运动目标区域,然后在颜色空间进行肤色检测,得到人脸候选区,再依据人脸形状信息剔除类似人脸肤色的运动物体,从而最后确认视频中运动的行人。实验结果表明,文中方法实时性较好,检测概率较高。

基于嵌入式的新型运动目标视频检测算法

提出一类新型的嵌入式视频活动目标检测算法,该算法采用Surendra算法对背景进行更新以减低系统误报警的几率,对连续3帧图像分别采用差帧法,对2次帧差取交集实现对前景目标的模糊跟踪,而后对粗糙的运动区域图像进行阈值面积消去处理和数学形态学运算,最后实现目标定位跟踪。仿真结果表明,与传统的二阶帧差的方法相比,视频活动的目标检测算法具有高实效,高精度的特点。

基于视频数据的电梯门防夹检测算法研究

针对电梯门现有防夹保护装置的缺陷,提出了一种基于视频数据的防夹检测算法,用于在轿厢门区内检测物体;首先,采用改进的双边滤波方法滤除视频帧和背景图像中的噪声;然后,差分视频帧与背景图像,并采用极大熵粒子群算法来二值化差分图像;接着,将二值图像进行形态学滤波以检测出轿厢门区范围内的物体;最后,利用Surendra算法更新背景图像;实验结果表明,提出算法可以在轿厢门区范围内实时且准确地检测出物体,为电梯门防夹功能的改进提供了可靠的保障。

基于红外视频图像处理的瓷柱式SF_6断路器泄漏区域检测研究

SF6因优异的绝缘和灭弧性能而广泛应用于电气绝缘设备中,但由于制造、安装以及材料老化等因素导致的SF6泄漏会严重降低设备的绝缘性能,检测SF6泄漏对保障电气设备的安全运行意义重大。传统的断电检测方式存在自动化程度低、检测灵敏度低和效率低下等缺陷,而已有的在线检漏仪无法准确定位泄漏区域。因此,文中提出一种基于红外视频图像处理的SF6泄漏区域带电检测方法,以拍摄的某瓷柱式SF6断路器的红外视频图像为例,首先利用直方图均衡和自适应维纳滤波算法改善原始红外图像,然后创造性选用Surendra改进算法,实现对泄漏区域的快速定位检测。理论仿真和现场检测表明:该方法可实现对SF6泄漏区域的快速、准确定位,对SF6气体绝缘设备的泄漏区域检测具有重要借鉴意义。

基于多算法融合的运动目标定位研究

在固定摄像头的情况下,背景消减法是用来提取视频中运动目标的最有效方法之一,提出了一种多算法融合的背景消减法.该算法通过充分融合发挥RGB彩色模型的颜色特征、码本法的抗扰动性和三帧帧差法与Surendra法的快速性,提出了一种新的背景建模算法以及消减方式,使得在尽可能降低计算量的同时成功提高了算法对闪烁背景的耐受性,并解决了复杂背景条件下运动目标出现缺损与空洞的问题.

基于HSV空间的彩色监控视频前景提取方法

提出了一种有效的HSV空间视频序列图像背景去除方法。首先,将彩色视频分解为彩色图像帧序列,然后将图像进行高斯滤波,做平滑处理,再利用surendra背景更新算法动态更新背景图像。将当前帧像素矩阵与背景矩阵做差分,通过比较差分矩阵来确定当前帧中前景的区域。实验结果表明,此方法成功地减除了彩色帧图像的背景,较好地保留了前景的颜色,为以后的图像分析打好了基础。

一种基于优化ViBe算法的人形分割方法

人形分割在视频监控研究中具有极其重要的意义。ViBe算法因其运算效率高、算法思想简单且容易实现的特性受到许多研究学者的青睐,并被应用到人形分割的研究中。针对ViBe算法在应用于人形分割研究时易于出现鬼影和容易对光照引起的阴影造成误检的现象,提出了一种改进的ViBe算法—VSFC(ViBeSurendraFive-frameCanny)算法。首先将利用Otsu自适应阈值的Surendra算法得到的初始背景用作背景模型的初始化。其次,通过将ViBe算法所得出的前景与五帧差分法得出的前景采用“与”运算的方式获得人形分割结果,并对得到的人形分割结果进行形态学处理,以便能够消除较大的噪声。最后利用Canny边缘检测算子对人形的边缘信息进行提取,利用小波融合方法将前面得到的人形结果和边缘信息进行融合,得到最后的人形分割结果。在更新机制方面,提出动则更新的更新思想,对于那些长时间静止不动的像素点,采取隔时更新的方式,提高了算法的实时性。

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。