基于关联帧差分法的运动目标检测与跟踪

针对帧间差分运动目标检测方法检测出的运动目标容易产生拖影现象及存在一定程度的空洞等缺陷,该文提出基于关联帧差分法的运动目标检测与跟踪方法。通过计算相邻三帧图像的相似度,并求取相邻帧之间的差分图像,对差分图像进行与操作后进行轮廓填充来获取运动目标。实验结果表明,该文所提算法不仅可以精确检测与跟踪运动目标,克服帧间差分运动目标检测方法存在的缺陷,还可以检测和跟踪侵入运动目标及消失运动目标。

基于边缘特征和多帧差分法的运动目标检测算法

针对传统的边缘检测算法检测结果不连续、细节信息易丢失等缺点,提出了一种用于运动目标检测的边缘检测方法。首先在背景差分的基础上用平移法检测目标边缘,该方法能够提取到更为精确、细节特征更加丰富、闭合性更好的目标边缘;然后将边缘检测与多帧差分法相结合进行运动目标检测。该方法的优势在于,在目标检测的过程中不需要进行背景建模与更新。实验结果表明,该方法思路简单,易于实现,检测结果精准,实时性较好。

基于改进的三帧差分法运动目标检测

为了提高运动目标检测的准确性和效率,提出了基于改进的三帧差分法检测运动目标的算法。该算法对传统的三帧差分法进行了改进,结合了单高斯模型背景提取、背景自适应更新和自适应阈值提取的方法,从而解决了传统三帧差分法中可能出现的无法检测出完整的运动目标的问题。背景的自适应更新和自适应阈值的提取减少了光线亮度变换以及噪声对运动目标检测带来的影响。实验表明,该算法与传统的三帧差分法相比可以更加完整地检测出运动目标,并且可以有效地避免出现"漏检"等情况,提高了运动目标检测的效率和准确性。

LK光流法和三帧差分法的运动目标检测算法

三帧差分法是目前较为常见的运动目标检测算法之一。它的执行速度较快,但是它会存在各种干扰以及易受到环境噪声的影响,而且容易在检测到的运动目标内部产生较大的空洞,以致影响到最后的检测效果。针对这些问题,将Lucas-Kanade光流法与三帧差分法进行结合。利用Lucas-Kanade光流法计算得到运动目标的大致矩形区域。在确定的区域内外通过选取不同的阈值利用三帧差分算法提取运动目标,构成一种分级阈值的三帧差分法。并且利用前面光流法计算得到的角点来完善目标轮廓。这样将传统三帧差分算法的阈值分割转换成阈值分割与区域分割相结合的模式。试验结果表明,该改进算法具有良好的抗噪性,能够得到比原算法更好的检测效果。

改进的背景减法与五帧差分法相结合的运动目标检测

为了能够更加准确、完整地检测出视频中的运动目标,该文基于改进的背景减法与五帧差分法,提出了一种高效、快捷的目标检测方法。该方法对视频中相邻五帧图像进行灰度变换、中值滤波和直方图均衡化等预处理,以降低噪声影响;利用五帧差分法得到第3帧中目标的大致范围的二值图像,同时将第3帧与系统预存背景帧差分,并对获得的结果实行边缘提取操作和二值化处理;将2种方法得到的图像进行逻辑或运算,即可得到运动目标的精确区域。经试验证明,该种方法获得的目标区域轮廓更加清晰,内容更加丰富。

Markowitz投资组合模型改进的三帧差分法运动目标检测

移动机器人的目标检测要求其对特定的静止或运动物体进行运动分析及检测。以Voyager-III移动机器人系统为研究对象,实现非理想光照下,对橘红色目标足球的运动检测。提出在传统三帧差分法基础上,先利用Markowitz投资组合模型进行足球目标的特征提取,将场地非感兴趣的目标中,出现全部像素值发生变化的目标去除,再进行图像帧间差分。利用CCD摄像机对比赛环境中足球的运动轨迹进行录制,选取具有代表性的各帧视频图像、Markowitz算法优化后的差分图像和跟踪图像,结果表明跟踪图像不含非目标物的干扰,克服了差分图像存在空洞的问题,为移动机器人提供了一种实用的运动目标检测方法。

基于烟雾图像动态多帧差分法的火灾识别研究

接触式火灾探测器对环境有一定要求,且常适用于室内空间。目前,利用视频图像与计算机视觉技术相结合,进行火灾的检测和常规探查成为本领域的研究新方向。针对烟雾区域稀疏、扩散缓慢的特征,现有算法提取疑似烟雾区域不完整的问题,该文提出一种动态多帧差分法。首先,对视频图像序列进行非线性滤波,抑制一定的噪声;然后,根据面积比率动态提取疑似烟雾区域;最后,根据面积与周长变化确定烟区。通过多个维度对实验结果进行综合分析,表明该方法较为优秀,且对不同条件下的烟雾图像特征提取方法的选取有指导意义。

基于五帧差分法的动态目标检测新算法

针对传统帧差分法检测准确率低且对光照变化敏感的问题,提出了改进的五帧差分的目标检测方法。首先将连续的五帧彩色图像转为灰度图,并进行高斯滤波和中值滤波除噪;然后将当前帧分别与前2帧、后2帧进行差分二值化运算;再将4个帧差分结果进行先"或"再"与"运算;通过形态学后处理检测出目标;最后引进一个新的综合指标H评估检测算法的优劣。实验结果表明,该算法能快速地检测出目标,能适应光照变化等复杂场景下的目标检测,具有较强的鲁棒性和较高的准确率。

基于SACON模型和五帧差分法的目标检测算法

在充分研究现有运动目标检测算法的基础上,针对当前常用运动目标检测算法易受光照和噪声的影响,不易提取完整运动目标,提出了一种新的结合SACON背景模型与五帧差分法的运动目标检测算法。对传统的SACON算法进行改进得到运动区域,与五帧差分算法提取的运动目标相结合,采用动态阈值以适应光线突变,通过孔洞填充等后处理,综合得到运动前景图像。该算法有效地处理了孔洞和噪声问题,具有很好的实时性以及抗干扰能力,能够精确地检测出运动目标。

动态图像基于相似梯度的三帧差分法检测探究

图像运动目标检测是视频监控、数字电视等重要系统中的核心技术,本文基于相似梯度的边缘连接的三帧差分法对于高速图像进行检测识别研究,三帧差分法中充分考虑到了运动像素的时间关联并与多帧图像的像素信息相融合,其同时可以满足多个运动目标的检测及识别。理论分析与仿真结果表明:边缘三帧差分法对于检测识别高速运动的256×256的8bits灰度图像处理具有运算量小、目标识别区域大。

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。

混合高斯模型与三帧差分法相结合的建模新算法

针对三帧差分法所存在的不足,提出一种改进的基于混合高斯模型与三帧差分相结合的建模方法。为每一个背景像素建立多维混合高斯模型,融入三帧差分法实时判定背景区域和运动区域,使之去除三帧差分带来的空洞现象,并且加入可跟随目标移动的外接矩形框,在其内生成高斯模型,从而减少因高斯模型的介入导致计算量过大的问题,节省运算时间,并且达到理想的除噪效果以及排除外界不必要的干扰等。通过实验进行验证分析,实验结果表明:该方法相比三帧差分法具有更好的除噪效果和减少更多的计算量,适用于实时的单目标检测。

基于三帧差分法与质心匹配的行人自动计数算法

为了实现对视频序列中人流量进行实时、准确的检测与跟踪,提出了一种基于三帧差分法的行人质心匹配的行人检测与跟踪算法.采用改进的三帧差分法实现对运动目标信息的检测,然后根据运动目标的信息进行行人面积与质心的计算,并根据质心最近距离匹配、运动方向一致性、越界检测的原则对行人进行跟踪.实验结果表明,该算法在不降低检测效果的情况下明显提高了行人检测与追踪的效率.

基于ViBe模型和五帧差分法的目标检测算法

针对当前常用ViBe算法对光照适应性差,当光照突变时ViBe算法把大面积的背景误判成前景;为此提出了一种结合ViBe背景模型与五帧差分法的新的运动目标提取方法。首先采用ViBe算法提取运动前景目标,然后将整个前景图片分成若干区域,统计这些区域中前景像素个数大于预设阈值的区域的个数,将符合条件的区域的个数与整个前景图片区域总数相比,当比值大于某一阈值,发生了判断为光照突变改用五帧差分法处理图像;最后通过连通性检测和形态学操作等后处理,最终提取出运动前景目标。实验结果表明:该算法能够有效地防止ViBe算法把大面积的背景误判成前景,提高了ViBe算法对光照变化场景下的鲁棒性,检测效果优于单独使用ViBe算法和五帧差分法的检测效果。

基于三帧差分法和改进ViBe算法的前景检测方法

在运动目标检测众多算法中,ViBe算法是一种快速并且高效的运动目标检测算法,在视频监控领域得到广泛的应用。但是这种方法存在对鬼影的消除速度缓慢,容易形成拖影,而且容易发生漏检,易受到噪音的干扰。当物体运动状态变化缓慢时,原位移区域会留下残影等现象。论文针对以上问题提出了一种结合三帧差分算法的改进的ViBe算法,改进背景模型的初始化来对鬼影进行消除,并且加快鬼影的消除速度。采用自适应阈值来提高检测效果,针对背景中存在的噪声和空洞点采用形态学处理来对其进行消除。实验结果表明,改进的算法可以在很短的时间内就可以消除鬼影,并且在消除噪声和空洞等方面有很好的效果。

基于改进三帧差分法的3D打印机轨迹检测方法

针对获取运动轨迹不清晰以及轨迹不能很好地被检测的问题,提出一种基于三帧差分法的3D打印机轨迹检测改进算法。采用USB摄像头采集图像,然后用改进三帧差分方法和高斯混合模型进行轨迹的粗略判断,并使用Qt框架实现对目标中心即3D打印机喷头的运动轨迹检测和速度计算。结果表明:该算法能够完整地获取3D打印机喷头轨迹,能较大程度地减少图像处理的计算量。

基于改进三帧差分法的运动车辆目标检测

针对传统三帧差分法中目标检测不完整、自适应性差的问题,本文对此进行了改进。通过将三帧差分法与边缘检测算子相结合解决了目标边缘不连续性的问题。采用自适应阈值法对边缘检测算子的高、低阈值进行自动选取,从而提高了算法的自适应能力。采用数学形态学算法处理,填充了运动目标的部分空洞。实验结果表明改进算法能更清晰完整地检测出运动车辆目标。

基于混合高斯背景模型和四帧差分法的目标检测方法

针对传统混合高斯模型(GMM)在检测运动目标时存在噪声、计算量大、效果不佳等问题,提出了一种混合四帧差分算法的改进混合高斯目标检测方法。通过选定不同规则,分别更新前后帧图像的学习速率来消除"鬼影";提出一种删除多余、过期背景模型的方法来减少计算量;最后通过形态学处理解决"空洞"问题。实验证明所提算法相对传统混合高斯模型算法在消除噪音、提取运动目标完整轮廓、解决光照变化等问题上具有较好效果,并且能很好的解决遮挡物问题。

结合三帧差分法和混合高斯模型的运动目标检测

鉴于传统的三帧差分法(TFDM)在检测结果上有检测目标不完整的问题,提出了一种将TFDM与混合高斯模型(GMM)相结合的运动目标检测方法(TFDM&GMM算法)。该方法用多个GMM的加权表示每一个背景像素,再结合TFDM判别是前景还是背景。实验结果表明,与单独的TFDM和GMM算法相比,既能得到相对完整的运动目标,又能减小噪声等外部干扰带来的影响。

改进三帧差分法与背景差分法结合的运动目标检测算法

针对传统三帧差分法对于运动速度较慢物体容易漏检等问题,提出了利用光流法对传统三帧算法改进并与背景差分法结合的运动目标检测算法。实验结果表明,改进的三帧差分算法与背景差分算法结合具有良好的抗躁性、适应性和鲁棒性。