基于混合高斯背景建模的交通视频运动目标检测

目前最常用也最有效的运动目标检测方法是背景减除法,其中背景提取是背景减除法的核心.传统的运动目标检测方法无法解决场景的光线突变、背景图像发生变化以及前景运动目标物体的阴影干扰等问题.针对交通视频中背景模型的实际情况,采用混合高斯分布对视频背景进行建模,将前一帧视频图像与所建立的当前背景图像进行相减,得到车辆在当前时刻的运动图像,并将所得图像进行形态学去噪处理.通过相关的仿真实验,证明了该方法能够比较准确地检测出前景运动车辆目标.

基于背景建模与帧间差分的目标检测改进算法

在分析现有运动目标检测算法的基础上,提出一种基于背景建模与帧间差分的运动目标检测改进算法。改进算法能改善混合高斯背景相减法中高斯背景建模产生的鬼影,以及帧间差分法的前景检测结果中出现的严重拖影和空洞现象,并且在背景突变下也能进行有效检测。测试结果表明,改进算法对运动目标检测有较好的检测效果,适用于户外大型场所的监控设备领域。

基于YCbCr颜色空间背景建模与手势阴影消除

为了提高动态手势检测的精确度,本文将基于YCb Cr颜色空间的混合高斯背景建模应用于动态手势识别中,并且提出手势阴影消除的有效算法。首先,对待检测视频帧通过抠图抠出手势图像,在YCb'Cr'颜色空间进行椭圆拟合,统计建立椭圆肤色模型,继而在YCb Cr颜色空间进行混合高斯背景建模检测出动态手势,点乘原图像得到含有阴影的RGB手势图像,对检测出的含有阴影的手势图像利用已建立的椭圆肤色模型进行阴影消除,最后将手势图像连成视频序列。实验结果表明,该算法在复杂背景下进行动态手势的检测率可达91.4%,高出传统方法 10%左右,能够满足动态手势检测基本要求,且具有较高的实用价值。

基于混合高斯模型与三帧差分的目标检测算法

针对传统目标检测方法中光照变化、复杂背景、阴影等难点,提出了一种结合三帧差分法和混合高斯背景建模的算法,既能很好地适应场景中的光照渐变和背景扰动,又能克服普通帧差法中检测目标不准确,容易产生孔洞及双影现象的问题。同时,采用了一种简易的阴影抑制算法和形态学滤波处理,有效地去除了阴影以及噪声。实验结果表明,该算法易于实现,具有较好地实时性和鲁棒性,能精确地检测出运动目标。

多级分块的交通视频智能识别背景建模方法

为改善视频监控中的背景建模方法对于前景目标物较多或者光线变化的复杂环境效果不太理想的缺陷,提出一种多级分块背景建模方法.该方法以间隔N帧帧差法为基础,采用多级分块,并结合对称二值模式(center-symmetric local binary pattern,CSLBP)和码本(codebook,CB)等算法建立背景模型.通过模型得出背景较为清晰和完整,为下一步进行前景目标的准确识别提供良好基础.采用设计实验检验该方法的有效性,将其与局部二值模式(local binary pattern,LBP)、CSLBP、CB以及经典的混合高斯背景建模(mixture of Gaussian,MOG)等算法进行对比分析,得出采用此方法提取的前景目标物更加完整,边界更加清晰,且无明显分块图形出现.采用评分的方法对几种方法进行综合评分,该方法评分较高.在对前景目标物的提取方法中,该方法效果较好.

人物越界检测中的自适应背景建模

提出一种面向人物越界检测的自适应背景建模算法。首先为当前场景建立一个自适应的背景模型。然后,用去除背景图像的方法得到前景图像,再利用连通区域检测得到图像的运动区域。最后,采用跟踪与分类交互工作的方法达到人物检测的目的。跟踪所采用的是均值漂移(Mean Shift)算法,分类采用的是方向梯度直方图(Histogram of Oriented Gradient)和支持向量机(Support Vector Machine)的方法。实验结果表明,在各类不同场景下,文中方法比常用背景建模方法相比具有更好的适应能力,同时对场景中的光照变化、树叶剧烈摆动等问题也有较好的处理结果。采用此方法在得到的运动区域进行跟踪与分类,可以对人物进行准确的检测。

高斯混合算法在交通流视频中的应用

交通流视频处理是智能交通发展的重要方向,而高斯混合背景建模是背景建模领域常用的构建算法,在图像处理领域中有着广泛的应用。为了能够较为全面的分析该算法,本文对该算法进行了公式演算以及针对多个交通流量视频进行检测比较,其中提出了基于K-means、EM模型参数求解。公式演算部分能够清晰的得出该算法的数学意义和演变过程,为实际应用提供理论指导;交通流量视频处理过程可以得到该算法针对不同情况视频的效果,可分析高斯混合背景建模针对时间的迁移、光线的变化、运动物体阴影的处理能力。本文从理论及实际应用两个方面对高斯混合背景建模算法进行浅析。

基于TDLAS技术的甲烷气体泄漏成像检测

传统的甲烷气体泄漏检测方法主要以单点测量和红外热成像为主。前者由于测量点密度小且气体易于流动,很难确定泄漏点;后者根据气体云团与周围环境温度差异检测成像,温差较小时,成像对比度低、分辨力弱。根据以上局限性,提出一种甲烷气体泄漏成像检测技术。该技术结合TDLAS(Tunable diode laser absorption spectroscopy)遥测技术与激光主动成像方法对气体泄漏区域进行主动探测,然后采用SSIM(Structural Similarity)与混合高斯背景建模法相结合的算法对气体泄漏区域进行提取,实现对甲烷气体泄漏气团的成像检测。实验中对甲烷气体在不同泄漏流量、不同视频记录长度、不同环境下进行了检测。实验表明,该技术可实现对甲烷气体泄漏的主动成像检测,并且成像清晰、检测率高、实时性好、可准确呈现气体泄漏点。

复杂背景下的移动目标检测算法

为解决安防领域目标检测中复杂背景信息对检测系统的干扰并满足检测系统实时性的要求,提出一种基于深度学习在复杂背景下的移动目标检测算法。为减小复杂背景信息对检测系统的干扰,采用混合高斯背景建模算法(GMM)将视频图像中的前景与背景信息分离,提取出有效的前景位置信息。为提升算法模型的检测速度,采集数据集训练YOLOv4算法,接着将训练后的算法模型输入到剪枝网络进行模型剪枝,得到模型参数少、检测速度快的改进YOLOv4算法模型。最后,将GMM算法提取的前景位置信息作为改进的YOLOv4算法的检测输入,实现对复杂背景下移动目标的快速检测。根据实验结果所示,所提出的算法在测试数据上背景信息造成的误检降低了71.7%,检测时间减少了32.9%。实验结果表明,所提出的算法能够有效减少复杂背景信息对检测系统的干扰,同时算法具有较高的检测速度。

动态背景下监控视频的前景目标提取方法研究

该文针对从具有动态背景的监控视频中有效提取前景目标问题进行相关研究及建模,根据动态背景对运动目标检测所产生的影响,首先利用鲁棒混合高斯模型对多峰分布背景进行建模,提取动态背景下监控视频中具有前景目标的前景图像,接着使用中值滤波和数学形态学中的开运算对所得到的前景图像进行二次处理,滤掉大部分噪声,最终得到质量较高的前景目标图像。通过MATLAB仿真实验表明,该文提出的方法能够有效提取动态背景下监控视频的前景目标。

一种实用的运动目标检测和跟踪算法

为使智能视频监控系统在监控时不仅具有较高的准确率,同时也保证系统的实时性,设计并实现了一种实用的在摄像机静止条件下运动目标检测和跟踪算法。首先对采集到的视频图像进行预处理,为算法提供最佳的图像数据,然后用混合高斯背景建模方法实现前景/背景分割,用形态学操作提取前景目标,最后用基于空间距离的方法实现目标跟踪。算法应用到实验系统,实验表明,系统在保证实时性的同时,能够正确检测和跟踪监控场景中的运动目标。

复杂场景中基于对象的运动目标检测方法

基于像素层面的混合高斯背景建模方法不能很好的解决动态背景中的运动目标检测问题。由于背景像素运动的复杂性,该方法很难将动态背景建入模型,会造成大量的误检。本文在混合高斯背景建模的基础上,通过空域和时域对动态背景产生的误检进行抑制。在空域运用MRF模型和混合高斯模型分别计算像素点的先验概率和类条件概率,通过结合像素点的先验概率和类条件概率完成前景图像的分割,在很大程度上去除了小面积的误检;在时域通过目标的运动持续性,运动显著性和面积变化稳定性三个目标特征过滤大面积的误检。通过实验表明,在保证较高检测精度的情况下,该方法能够在很大程度上抑制动态背景产生的误检。

基于可变矩形框的人群密度数值估计算法研究

公共场景监控下的人群密度估计已经是公共安全管理中的一个重要环节。为了提高对视频监控中人群密度估计的实时性和准确率,提出一种改进的混合高斯背景建模进行前景提取,并用大小随目标边缘可变的矩形框对人群目标进行圈定以代替传统的边缘像素数和前景像素数;通过最小二乘法拟合估计人数和实际人数的线性关系,使用平均相对误差和平均绝对误差进行定量对比分析。实验结果表明:与基于边缘像素统计和阈值分割像素统计的算法相比,该算法能够直接统计出有效人数,较为准确的估计出视频图像中的人群数目,且误差最低。

基于小波包分解和分形法的人群密度等级分类算法研究

为了更好地解决中高密度环境下人群密度估计问题,提出了基于小波包和分形法的人群密度等级分类算法。区别于单一的分形维数表征方法,利用小波包分解后子图的分形维数和原图分形维数共同表征目标人群纹理,最后通过支持向量机实现分类。以查全率和查准率2个指标对密度估计结果进行评价,该算法的查全率和查准率最高,且运行时间最短。

基于改进CAMShift的多目标自动跟踪

针对半自动CAMShift算法存在小目标颜色建模能力弱,计算窗口自适应能力不足和易受相似色目标干扰的问题,首先结合运动检测提取跟踪目标,并对颜色重采样以增强感兴趣对象,然后利用其在帧间运动的尺度、速度变化来优化计算窗口以减小计算量,最后提出一种遮挡抑制的思想解决相似色干扰问题.实验结果验证了所设计方法的正确性和鲁棒性.

运动过程中的指尖检测

研究运动指尖点检测问题,是用户对界面内细微点命令精确执行的关键.由于环境复杂、手形状的变化和实时性约束,精确的检测指尖依然是一项难题.为此以前人所使用的方法为基础,提出一种简便高效的新方法.首先将输入视频流进行预处理;然后将邻域像素连接权与自适应混合高斯模型进行融合来得到运动区域,并设计了一种带权重的颜色计算模型的阴影去除算法,从而摆脱阴影带来的误检问题,进而得到手部轮廓;将得到的手轮廓利用改进的重心距离法进行处理,从而检测出图像中指尖所在位置.实验结果表明,该方法在复杂背景下可以对指尖有效识别,表现出很强的鲁棒性,满足实时性要求,能够进一步应用在虚拟鼠标、虚拟键盘等人机交互领域.

一种改进的运动目标检测算法研究与实现

运动目标检测是计算机视觉领域的一个重要分支与基础,在军事、交通、工业以及生物医学等领域具有广泛的应用前景。但由于运动目标检测问题本身的复杂性,运动目标的检测与跟踪面临诸多挑战。背景差分技术是常用的运动目标检测方法,但对于动态场景的变化,如光照和外来无关事件的干扰等特别敏感。本文提出基于背景差分技术的一种有效的运动目标检测方法,对于解决这些问题是非常有帮助的,首先利用混合高斯模型建立背景模型,再实时更新背景模型,以适应视频本身和光线的变化,最后使用形态学方法消除噪声和背景扰动带来的影响。运动目标跟踪方面使用区域跟踪技术,并引入两个参数实现跟踪匹配,很好地处理了目标之间的相互遮挡问题。实验结果表明,该方法是快速有效,能够满足实时的需要。

全天候车辆实时检测系统

为解决全天候车辆检测技术精度不高的难题,提出了一种新型联合检测算法。通过在混合高斯背景建模法中加入膨胀、腐蚀算法,减少了视频车辆图像中的大量断点和随机噪声;利用最小面积法设置外接矩形框并通过不断调整矩形框的大小和位置,准确框选出视频图像中的目标车辆。由于夜间光线场景复杂,以能被明显区分的车前灯作为目标,通过直方图双峰阈值法和分水岭分割法将其从视频图像的背景中分离,并基于车前灯的形态参数,设置合适的车灯匹配条件,提出一种实时的车灯配对、车辆跟踪算法,大幅提高了夜间车辆检测的准确度。提出的新型联合车辆检测算法,有效地消除了由于外界光线环境改变造成的车辆检测误差,为全天候车辆检测提供了新思路,具有很强的针对性和重要的现实意义。

基于手部轨迹识别的ATM智能视频监控系统

为实时阻止针对自动取款机的犯罪行为发生,设计一种基于手部轨迹识别的ATM智能视频监控系统。对于采集所得的监控区域内的视频图像,利用混合高斯背景建模方法为视频图像建立背景模型,通过背景剪除法和跟踪算法得到监控区域内的人体信息,分析进入监控区域的人体面积变化情况,由此判断是否有异常行为发生,存在异常则报警,否则采用基于颜色空间的皮肤检测算法和位置约束检测人手部分,利用隐马尔可夫模型对分段的手部运动轨迹分别进行匹配识别,进一步判断是否存在犯罪行为。实验结果表明,该方法对于犯罪行为的识别率能达到88%。

适用于老年公寓的动作识别设计方法

为帮助老年公寓监护人员及时发现老年人摔倒等动作,提出了一种基于视频监控的动作识别方法。对监控视频,首先通过基于HSV空间的混合高斯背景建模方法提取前景图像,然后利用所提出的运动特征和形态特征相结合的方式进行特征提取,最后通过具有高斯输出的HMM模型实现动作类型的识别。提出的方法能够适应光照变化影响,对不同动作的动作方向和动作幅度变化具有很好的鲁棒性,实验中动作的识别准确率达到90%。结果表明,本方法能够满足老年公寓动作识别的基本要求,具有一定的实用价值。