基于形态学和像素灰度归类的背景重建算法

针对传统背景提取方法在前景运动对象密度较高,亦或前景出现过于频繁时,提取到的背景图像会掺杂很多前景成分的问题,提出了一种基于形态学和像素灰度归类的背景重建算法。该算法通过三帧差分法和形态学把每帧图像分为前景对象和背景区域;然后再用像素灰度归类法只对背景区域进行背景重建,以期在前景对象密度较高时正确重建背景。实验结果证明,新方法能够在车辆密度较高的情况下正确生成背景。

双阈值灰度归类背景重构算法

针对背景差法背景重构的难点,提出了一种改进的像素灰度归类的背景重构算法。该方法假定"背景在图像序列中总是最常被观测到",根据帧间灰度差和累计帧差和划分灰度类,对划分的灰度区间执行合并操作,最后选择出现频率最大的灰度类作为该像素的背景值。仿真结果表明,该算法有效地避免了混合现象,当场景本身存在缓慢变化时也能很好地构建出背景,从而有利于后续的运动目标检测、识别和跟踪。

基于背景重构和阴影消除的运动目标分割

背景差分法是一种重要的运动目标分割方法,但是其不仅对背景质量的要求较高,且易将运动阴影误检测为前景目标。针对上述问题,提出了一种用于智能交通系统的新的运动目标分割方法。该方法首先在RGB空间对像素灰度归类法进行了改进,并用其提取了背景图像,同时结合选择更新和背景调整来实时更新背景;然后对背景差分图像的RGB灰度之和,通过设定阈值来提取运动区域;最后对提取的目标阴影混合区在HSV空间,分别进行自上向下、自左向右及其反方向的色调、亮度及边界交叉点判别,以实现阴影检测和消除。实验结果表明,该新方法能获得高质量的重构背景,并能消除阴影(尤其是暗色目标的阴影),因此可提高目标的分割质量。

基于时空信息的运动目标检测

在充分研究基于时间信息的帧间差分法和基于空间信息的背景差分法的基础上,提出了一种综合利用视频图像序列的时间信息和空间信息的运动目标检测算法。该算法不仅有效地消除了噪声,还保证了运动图像的完整性。实验表明该算法检测准确、实时性强。

视频检测技术在智能交通系统中的应用

智能交通视频检测技术,是一项利用计算机视觉技术分析视频图像,对运动车辆检测及识别以获得交通信息的技术。在实际交通路况下,摄像机常处于静止状态,并且镜头焦距是固定的。本文以此情形下获取的车流量视频为对象,提出快速自适应灰度归类算法重构背景,即融合灰度归类算法与帧间差分算法,对前景像素采用灰度归类算法获取背景灰度值,以重构背景图像。仿真结果表明本算法在处理效果和处理时间上都大大优于传统算法。

视频监控中运动目标快速检测方法研究

提出了一种背景差分的改进算法。通过像素灰度值归类与形态学相结合的方法来提高背景重构的效率,进一步提高系统的实时性。实验结果表明,改进的算法能够有效克服光线变化、雨雪天气等环境噪声的干扰,适应高密度运动目标检测场景,进一步提高检测速度和效果。