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。

基于背景减除法的视频序列运动目标检测

视频序列中运动目标的检测是目标识别、标记和追踪的重要组成部分,背景减除法是运动目标检测中被广泛应用的算法。针对光线变化、噪声和局部运动等影响运动目标检测效果的问题,提出一种基于背景减除法的视频序列运动目标检测算法。该算法结合背景减除法和帧间差分法,对当前帧像素点的运动状态进行判断,分别对静止和运动的像素点进行替换和更新,采用最大类间方差(Otsu)法对差分图像进行目标提取,并使用数学形态学运算去除目标中的噪声和冗余信息。实验结果表明,所提算法对于视频序列中运动目标的检测具有较好的视觉效果和较高的准确度,能够克服局部运动以及噪声等缺陷。

基于三次样条插值的GrabCut自动目标分割算法

针对基于图像序列的物体三维模型重建时目标分割需要人机交互且速度慢的问题,提出了基于三次样条插值的GrabCut自动目标分割算法。首先采用三次样条插值对图像进行降采样预处理;然后对采样图像进行背景差分实现目标区域的自动框选,取代GrabCut算法的交互窗口,进行目标分割,再对分割出的目标轮廓进行三次样条升采样插值恢复原目标轮廓;最后定义了行方差差异函数,以主流图像处理软件Photoshop分割结果为参照标准,对不同算法分割的结果进行了精度评估对比。实验结果表明,提出的算法可实现图像的自动分割,且速度快、精度高、鲁棒性强。

基于机器视觉的羊体体尺测量

体尺参数是评价羊生长状况的重要指标,如何实现其无应激测量是羊养殖过程中亟需解决的重要问题。引入机器视觉相关方法,运用基于灰度的背景差分法,结合色度不变性原理,从复杂环境中检测羊体,并借助栅格法,提取羊体上轮廓包络线;采用D-P算法和海伦-秦九绍公式对轮廓序列进行分析,获取包络线最大曲率点,并以此作为羊体臀部测点;在此基础上,采用四点法求取羊体的其他3个测点,结合空间分辨率,得出羊体的体尺参数,实现无接触测量。实验结果表明,所提方法可以有效从复杂环境中提取出羊体;羊体臀部测点可以有效稳定地确定,羊体身高可稳定获取;由于环境光线的复杂性,肩胛点的确定仍存在一些问题。

结合对称差分法和背景减法的目标检测方法

针对帧差法易产生空洞以及背景减法不能检测出与背景灰度接近的目标的问题,提出了一种将对称差分法和背景减法相结合的运动目标检测算法。首先利用对称差分法和背景减法分别得到两种差分图像,并用OTSU分割法(大津法)得到合适的阈值将这两种差分图像二值化,然后将得到的两种二值化图像进行或运算,最后利用图像形态学滤波得到准确的运动目标。

基于双目视觉的快速定位与测距方法

针对双目视觉定位与测距过程中存在匹配时间较长的问题,提出一种基于背景差分法的双目视觉快速定位与测距方法。首先,对双目相机拍摄的原始图像进行去畸变和立体校正处理;然后,对图像与背景帧差并进行形态学处理,得到只包含目标物体的图像;最后,对左右图像进行匹配并运用极线约束法则去除误匹配得到物体的三维信息,完成定位与测距。经实验验证,与传统双目视觉定位测距方法相比,该方法初始匹配对数减少了96.8%,有效匹配对数减少了94.1%,匹配时间减少了75.8%,表明本文方法对于实现基于双目视觉的快速定位与测距具有实际意义。

基于ViBe算法的改进背景减去法

ViBe背景减去算法基于RGB色彩空间对像素进行处理,在光照突然改变的情况下,会造成大面积的背景误判为运动前景;同时会将场景中的运动背景大量的误检为前景.针对上述问题,本文提出一种结合(r,g,I)标准色彩空间的改进算法.实验结果表明,改进算法在光照突然变化时对前景的提取具有更好的鲁棒性,同时对于场景中运动的背景像素点,取得了更好的检测效果.

海面溢油三维荧光光谱消除瑞利散射方法的研究

三维荧光光谱分析法以其灵敏度高、选择性好、操作简单和可用于多组分混合物分析等优点成为诸多研究者在海面溢油鉴别中的热点选择。但三维荧光光谱中存在的瑞利散射会对光谱的准确检测产生较大的影响,因此有效地消除瑞利散射对后续光谱的定性鉴别和定量分析具有重要意义。采用仪器校正法、空白扣除法、 Delaunay三角形内插值法和缺损数据重构(MDR)法对海面溢油三维荧光光谱中的瑞利散射进行校正。首先以海水的SDS胶束溶液作为溶剂,将航空煤油和润滑油按不同相对体积分数比配制8个校正样本和3个测试样本;然后利用FS920稳态荧光光谱仪采集11个样本的三维荧光光谱数据,并分别采用仪器校正法、空白扣除法、 Delaunay三角形内插值法和缺损数据重构(MDR)法消除瑞利散射的干扰;再利用核一致诊断法估计出最佳的组分数;最后利用平行因子分析(PARAFAC)对混合油样本的三维荧光光谱数据进行定性鉴别和定量分析。研究结果表明:采用发射波长滞后激发波长以消除瑞利散射的仪器校正法会丢失部分有效光谱信息;采用空白扣除法无法彻底消除瑞利散射,在光谱中仍然存在散射干扰,利用PARAFAC解析后得到的激发、发射光谱会出现失真,且预测的浓度值偏差较大;采用Delaunay三角形内插值法消除瑞利散射后,利用PARAFAC解析所得到的激发、发射光谱与真实光谱吻合度较高,且预测的浓度值偏差较小;而采用MDR消除瑞利散射后,利用PARAFAC解析所获得的激发、发射光谱与真实光谱吻合度最高,且相较于其他几种方法预测的浓度值偏差最小,得到的样本回收率为98.9%和100%,预测均方根误差均小于等于0.130。根据定性鉴别、定量分析的结果, MDR能够在保证原有特征光谱不失真的基础上有效消除瑞利散射带来的影响,是一种消除三维荧光光谱数据中瑞利散射较为理想的方法。

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。

胶带输送机智能视频监测与预警方法

针对胶带输送机运动中的跑偏、扭曲等异常问题,提出一种基于视觉计算的胶带输送机智能监测与预警方法。首先利用高斯滤波建立场景模型,并应用背景减除法提取目标图像。然后使用Shi-Tomasi算法检测目标图像中的角点,并利用金字塔LK光流法跟踪检测到的角点。最后根据摄像机成像原理将角点坐标从图像坐标系转换至世界坐标系下,计算出角点的运动速度。根据胶带运输机上角点的速度判断输送机是否正常运行,并在必要时发出预警信息。实验结果表明该方法能够较为准确、实时地计算出输送机上胶带的运行速度。

改进的帧差法在空间运动目标检测中的应用

针对空间运动目标检测易受光照、云层等因素的干扰,导致在没有出现运动目标的情况下,错误地判断为检测到运动目标,设计了一种改进的帧差算法,把帧差法和背景减除法相结合,周期性地把当前帧更新为背景帧。先对待检测图像进行二值化处理,有效消除了光照、云层等噪声因素,并且强化了空间目标的图像,然后通过帧差法检测出空间目标。实验表明,该方法有效降低了空间运动目标的误判率,改进的算法不需要把每一帧图像作为背景帧,提高了运行速度,也不需要对背景进行统计建模,简化了背景的建立过程,算法易于实现,操作简单,资金投入少,灵敏度高,具有较高的实用价值。

一种简单有效的运动目标检测算法

针对固定场景中运动目标检测遇到的运动目标状态突变,非运动目标干扰以及阴影等问题,提出了一种背景差分和帧间差分相结合的运动目标检测算法;该算法首先通过平均法背景模型确立背景,使用背景差分得到一幅二值化前景图像,然后将通过连续的多帧图像进行相邻帧差分得到的多幅二值化前景图像进行逻辑或运算,最后将运算结果同背景差分所得到的二值化前景图像进行逻辑与运算,得到最终运动目标区域;实验表明,该算法运算速度快,准确率高,并能满足实时检测的需要;不足之处是在摄像机与运动物体夹角很小的情况下,检测效果较差,但可以通过多台摄像机协同操作来达到理想的效果。

基于Echoview声学数据后处理系统的背景噪声扣除方法

基于2012年2～3月南海中部鱼类资源声学调查资料,利用Echoview系统中虚拟变量模块的功能,探讨扣除背景噪声对声学映像、单脉冲回声信号图、海里面积散射系数（NASC）和体积反向散射强度（Sv）的影响.结果显示,背景噪声对120kHz数据的干扰明显强于38kHz;随着水深逐渐增加,扣除背景噪声后,120kHz声学映像变化亦比38kHz更加明显;扣除背景噪声时,换能器表面1 m处的Sv值在不断改变过程中,相同水层中不同频率数据的NASC和Sv的变化差异明显,其差异程度因具体水层而异,相同频率数据在不同水层的NASC和Sv的变化差异亦明显.分析认为,扣除背景噪声非常必要;本研究的方法能够较好地排除背景噪声,是提高资源评估准确度的有效手段.

一种有效的红外小目标检测方法

提出了一种基于中值滤波与梯度法的红外小目标检测方法.该方法首先通过中值滤波对红外图像进行平滑处理,接着采用背景差分技术将原始图像与经过中值滤波后的图像进行差分对消.在此基础上,再使用梯度锐化法对残差图像进行边缘信息的增强.最后,利用二值化处理凸显出目标点.该方法通过中值滤波与梯度法的互补效应实现了红外小目标的有效检测,仿真实验结果证明了该算法的有效性.

基于视频的运动目标跟踪算法

为更加准确、快速地检测与跟踪到运动目标,将背景差分法和帧间差分法相融合对CAMSHIFT(Continuously Adaptive Mean-SHIFT)算法进行改进。首先,通过背景差分法和帧间差分法相融合确定目标所在区域,然后结合CAMSHIFT迭代算法实现目标跟踪。实验结果表明,该方法改变了传统CAMSHIFT算法需手动选定目标和跟踪窗容易发散的局限性,并提高了跟踪的准确性与稳定性。

基于背景减除法和图像序列差分法的运动目标检测

智能电网成为全球电力工业应对未来挑战的共同选择,变电站作为智能电网重要环节之一,长期以来面对智能电网的发展,自动化水平明显滞后。为了保障变电站安全稳定的运行,结合背景减除法和图像序列差分法的优点,提出一种新的运动目标检测的方法,把背景减除法和图像序列差分法的差值图做与运算,并对图像序列差分法做出改进,融入光照变化的影响。该方法既可以避免图像序列差分法引起的"双影"现象,又可以避免背景减除法将光线突变误判为运动目标,提高了识别的准确率,实现起来比较简单,可以达到智能监控系统的实时性要求。

基于像素分类的运动目标检测算法

针对复杂环境下运动目标检测提出一种基于像素分类的运动目标检测算法。该算法通过亮度归一化对图像序列进行预处理,用以降低光照变化造成的误检,根据场景中不同像素点的特点,对图像进行分类处理,单模态类的像素用中值法进行背景建模,多模态类的像素用混合高斯模型建模。实验结果表明,该算法与传统的高斯建模法相比,减少了运算量,更易于应用在实时系统中。

卫星视频运动目标检测算法

为了实现对卫星视频图像序列的运动目标进行跟踪,提出了一种背景建模与添加实际条件约束相结合的卫星视频运动目标检测算法。首先,针对卫星视频图像序列的背景建立背景模型。然后,把接下来各帧图像同该模型相比较,进行减法运算,所得偏差为运动区域。最后添加满足卫星实际情况的约束条件,根据卫星视频的分辨率估算出运动目标合理的像元尺寸,从而滤掉噪声。将本算法在PC端进行实现,并与三帧差法和背景建模法的检测准确度进行对比。实验结果表明:本算法对卫星视频图像序列运动目标检测的准确度可达83.6%,三帧差法检测准确度为6.1%,背景建模法检测准确度为21.0%。从实验结果可以看出,本文算法可以比较准确地对卫星视频图像序列进行运动目标检测。

一种基于改进视觉背景提取算法的前景检测

针对视觉背景提取ViBe算法在前景检测中存在的鬼影现象且长时间难以消除的缺点,提出一种改进的视觉背景提取算法。首先,在视频前n帧序列的帧差法中,引入大津(OTSU)算法求自适应阈值,以分割出更为准确的前景区域;其次,利用去除前景区域的前n帧图像合成一张尽量少的包含前景区域的样本图像;最后利用扩展的邻域范围在合成的样本图像中对模型初始化,并把扩大的范围用在ViBe背景模型更新阶段。该算法与各种经典算法在大量视频库中进行了对比实验,仿真结果表明,改进的ViBe算法能快速消除鬼影对前景检测的影响,前景检测更为准确。

人体运动目标检测与跟踪系统设计及算法仿真实现

在人体运动目标检测部分,根据室内监控的特点,提出了先采用统计平均法获取室内背景,然后选用背景减除法对运动目标进行检测,接着利用改进的区域增长法对属于同一目标的像素区域进行合并,判断并提取人体目标。在人体跟踪部分,使用卡尔曼滤波器预测目标参数,再根据预测参数跟踪人体目标,得到行人的运动轨迹。利用Matlab/Simulink对整个系统进行建模仿真,并不断修正算法的参数。通过室内实际采集的几个视频序列进行试验,该算法能够正确地检测并且跟踪运动的人体。