视觉信息的稀疏表示与显著度检测方法

图像的表示方法和测量方法是显著度检测模型的两个重要研究问题.不同于早期工作中通过对大量自然图像统计得到稀疏特征的方法,提出了通过对当前输入信号进行自适应学习来获得特征的方法.在显著度检测阶段,对每个特征都定义了背景活动率(BFR),提出了用特征活动率(FAR)来测量自底向上的视觉显著度.特征活动率(FAR)在生物学中是可信的、易于计算,并具有令人满意的性能.通过对人眼轨迹定位和心理模型以及自然图像的实验,证明了所提方法的有效性和鲁棒性.

运动船舶参数视频检测算法

水路运输因其价廉,承载量大等,在我国综合运输体系中占有重要地位.然而由于船舶构造尺寸、航行操作不规范,缺乏有效监控手段,撞桥搁浅、两船相碰等现象时有发生.而借鉴公路交通的视频监控技术,存在种种困难,诸如,航道没有标线,摄像机难以标定;船尾波纹与船行同步,难以区分;加之水面波光粼粼,不似黑色柏油道路对比度高等等.为此,提出了运动船舶参数视频检测的系列算法:提出网格交互式摄像机标定算法,以获取图像坐标系与世界坐标系的映射;优化Vibe视觉背景建模算法,去除船尾波纹干扰,从而提取船舶轮廓;建立船舶长宽、速度、流量的检测模型,以分别获取船舶尺寸与运行参数.该系统现已鉴定,在京杭运河运行示范.经检测:长宽、速度和流量的检测准确率分别优于90%、95%和98%.

一种能快速抑制鬼影及静止目标的ViBe改进算法

ViBe算法存在鬼影和静止目标问题,这些问题给目标检测带来误差,需要快速有效地抑制。文章在原始ViBe算法基础上,先通过比较局部区域的背景模型像素值方差和新来帧该区域的像素值方差的大小来判断该区域存在鬼影还是静止目标,存在则进行抑制,然后采用不同的策略更新鬼影区域和静止目标区域的背景。实验结果中,改进算法仅用15帧就可以完全抑制鬼影,仅用20帧就能完全抑制静止目标,而原始ViBe算法完全抑制鬼影需要108帧且抑制静止目标能力有限。实验结果表明,对于普通的以及背景较为复杂的监控场景,文中改进算法可行、有效。

基于改进视觉背景提取算法的前景检测

针对经典的视觉背景提取(visual background extractor,ViBe)算法在首帧出现运动目标会引入鬼影以及面对复杂场景表现出检测不佳等问题,提出一种以ViBe算法为基础的改进算法.采用多帧初始化背景模型的方式,为背景模型引入可靠真实的背景样本,从而快速消除鬼影;前景检测阶段,以背景扰动指数衡量背景的扰动程度,出现背景扰动的情形以自增适应因子适当增大分类阈值;对于发生光照突变算法表现敏感问题,采取统计前后帧像素点差异个数判断是否发生光照突变,若发生了光照突变采用当前帧重新初始化背景模型.实验表明,本文算法在抑制鬼影以及适应复杂场景上相比ViBe以及其它算法都有较好的表现.

基于对象的监控视频编码方法研究

针对监控视频存在大量视觉冗余问题,提出一种将目标和背景单独进行处理的视频编码方法。首先利用背景建模方法——ViBe算法将视频中的运动目标与背景分离,再对目标与背景以不同的码率分别进行编码。该方法可去除监控视频大量的背景冗余信息,在保证目标视觉质量的同时提高视频压缩率。以不同尺寸、不同内容的监控视频为对象进行测试,实验结果表明,与传统H.264编码方法相比,该方法可提高40-90%的视频压缩率,同时保持较好的视觉质量。

复杂背景下基于Vibe和改进LBP的运动目标检测算法

在雨雪纷飞、不停波动的湖面等自然背景下,运动目标检测的准确性会受到巨大影响。因此,在动态背景中将前景目标准确地提取出来是复杂场景下运动目标检测的首要任务。针对现有visual background extractor(Vibe)算法在复杂背景下检测效果较差且易受光照变化影响的问题,提出了一种将Vibe算法与改进局部二值模式(LBP)特征算子结合的运动目标检测算法。首先,计算并保存每一帧的LBP值图像,采用相邻帧补偿策略稳定图像,减少光照对灰度值的影响。然后,使用Vibe算法建立背景模型,用改进的LBP值代替灰度值来进行前景检测。最后,进行形态学操作得到最终的前景目标。实验结果表明,所提算法和其他传统算法相比,对动态背景的抑制效果好,对比原始Vibe算法召回率平均提升25.6%,准确率平均提升12.5%,误检率平均降低22.6%。