在线高斯混合模型和纹理支持的运动分割

运动分割是基于视频的运动分析中的基本问题·通过颜色和纹理特征的线性组合,实现了一种新的检测运动目标的算法·在线高斯混合模型不仅用于对背景进行更新,而且也用于计算像素颜色差异和颜色权值;纹理特征用于描述局部区域内的结构信息,提高了运动检测算法的鲁棒性·对不同场景的运动分割结果表明,该算法是高效和实用的·

基于视频六维分布模型的运动对象分割

视频运动对象检测是智能安全监控的基本问题。考虑视频的时间空间分布规律,该文构造了视频六维分布模型以进行运动对象分割。在时间维上利用在线高斯混合模型对背景进行更新,并且计算像素颜色差异。在空间维上利用纹理特征描述像素点之间结构关系,提高了对光线变化和阴影等环境变化的抗干扰能力。实验结果表明该算法是实用有效的。

矿井安全监控中运动目标检测算法研究

安全监控系统中井下危险区域运动目标检测和跟踪具有重要作用,通过提前预警并结合联动系统可有效防止危险事故发生。提出基于背景差法改进的在线调节学习速率混合高斯模型和结合颜色梯度以及数学形态学的背景建模方法分别对于光线缓慢变化和突变不同环境下的移动目标进行检测。实验证明新算法能够准确定位和跟踪运动目标。

一种提取抖动视频中前景目标的新方法

提取视频中的前景目标信息是视频处理领域非常重要的问题,考虑到现实生活中会出现监控摄像头不可避免地会出现晃动或偏移情况,造成监控视频短暂抖动,此时背景图像灰度和纹理信息都会受到较大的影响,从而给后期进一步分析前景信息带来了巨大的困难。为了兼顾纹理特征提取和噪声抑制两方面的要求,针对抖动视频的前景提取问题,提出了一种有效的融合小波变换和在线混合高斯模型的方案。首先运用仿射变换在线逐帧校准,接着利用小波变换对图像去噪,并建立自适应模型迭代上述过程,最后利用在线混合高斯模型提取前景。实验结果表明,与同类方法相比,该算法无论针对单目标还是多目标视频均可以有效去除抖动,得到较好的前景目标提取效果,具有较高的准确性和鲁棒性。