基于视频处理技术的运动目标姿态检测与控制

为了解决运动目标姿态检测常出现判定背景动态细节为运动目标的问题,提出了基于视频处理技术的运动目标姿态检测与控制方法.通过贝叶斯决策方法与帧间差分法相结合,划分视频图像为候选前景与候选背景,并设置该背景为主成分分析方法的初始值,获取目标姿态实时检测结果,依据检测结果设计PD控制器,进而通过控制参数实现目标检测和控制.结果表明,本文检测距离误差小于3 mm,角度误差小于1°,对比方法的误差分别为3~5 mm之间和3.2°~4.0°之间,高于本文方法.所提出的方法具有较高的检测精度,可实现运动目标姿态的有效控制.

烟雾环境下运动目标双目视觉定位技术研究

论文围绕烟雾环境下基于双目视觉的运动目标高精度被动式定位展开了系统研究,对其中的关键技术难题进行了理论探索与技术攻关,在图像去雾、运动目标检测、立体匹配、目标定位等环节取得了以下研究成果。

基于人工复眼的红外目标运动检测研究

红外光学成像应用于视觉目标运动检测具有可昼夜运用的特点。为了提升准确、可靠地检测物体(目标)运动方向的能力,提出一种红外目标运动方向检测的人工果蝇复眼模型(简称ACEM模型)。首先,对输入的红外视频进行帧差处理获取目标运动信息,模拟果蝇复眼视网膜层;其次,通过设计非线性自适应带通滤波器和仿生中心侧向抑制滤波器及算法,模拟果蝇复眼视叶结构的薄板神经节层初级视觉滤波功能;然后,模拟髓质神经节层跨层神经元T4和小叶神经节层跨层神经元T5对ON/OFF通道信号做出方向选择性响应;最后,模拟小叶板神经节层整合T4和T5对于方向的敏感响应,形成运动方向分量的检测输出。通过对杂乱视觉背景下拍摄的红外视频序列进行测试,验证了所提出的ACEM模型对于水平和垂直方向运动检测的有效性和鲁棒性。

机载视频影像运动目标检测与跟踪技术

针对运动物体的检测和追踪,目前已有多种技术手段,但大多是针对静态场景下的运动物体进行探测和追踪。这是由于在静态环境中运动目标较易于探测和追踪;而在移动环境中,物体的识别和追踪是比较困难的,尤其是在无人机上,由于其图像的纹理特性和快速的变化,使得运动对象的识别和追踪成为一个很大的难题。目标检测与追踪技术分为三大类:图像预处理、目标检测和运动追踪。本文对无人机机载视频影像运动目标检测与跟踪技术进行了分析和探讨。1机载视频影像概述视频影像又叫动象,是对静止象的一种扩充,相对于静止象,动象的最大特征是其灰度的改变,从而能反应出运动讯号。

红外运动小目标检测算法研究

红外探测器受到各种外因、内因的干扰,导致成像模糊,噪声干扰大,使红外运动小目标检测技术成为一直难以实现突破的尖端技术难题,本文提出综合运用基于小波变换的高频信息提取算法、基于灰度形态学梯度的边缘检测算法和以圆形性特征量作为判决准则的边界提取算法的红外运动小目标检测算法。

结合帧差的核相关滤波弱小红外目标检测

为了提高红外目标检测的性能,提出了一种结合帧差的核相关滤波弱小红外目标检测算法。算法首先通过核相关滤波训练当前帧获得最大回归值,相对间隔帧求取差值,以此进行循环移位,从而实现对帧间背景运动的补偿;再者借助帧间差分法提取当前帧相对运动特征,增强区分弱小目标和红外背景的能力;最后对相对运动特征进行阈值分割获得最终检测结果。仿真实验显示本算法能有效检测出复杂环境下红外弱小目标,与其他同类算法相比,本算法可以很好地对杂波和点状干扰源进行抑制,获得较高的目标检测率,同时将大量运算置于频域中,运算效率也优于其他算法。

红外图像序列运动小目标检测的预处理算法研究

就如何检测复杂背景下低信噪比的运动小目标展开讨论,提出了用空间高通滤波方法改善图像质量,达到抑制背景噪声,增强小目标的效果,随后用似然比检测理论进行目标的初步分离,接着采用邻域判决的方法实现运动目标的进一步分离,最后用图像流分析法进行目标的最终检测。实验结果表明。

可见光-热红外视频运动目标融合检测的研究进展及展望

在智能视频监视领域,协同利用可见光和热红外传感器,使全天时、精确、鲁棒的智能监视成为可能,具有显著的优势.对可见光-热红外运动目标融合检测的研究进展进行分析和总结.首先,分析了多源传感器融合检测问题,着重说明了融合检测的显著优势、关键步骤及已有公开测试数据集等;然后,详细分析了该类算法的研究进展,从融合策略、运动检测策略和融合结构三个不同方面进行了对比说明,讨论了其优缺点和适用范围;最后,对目前所面临的问题和可能的研究方向进行了探讨.

红外图像弱小点目标检测技术研究

针对低信噪比、背景和噪声干扰严重的红外图像中运动点目标的检测问题,提出了一种背景预测和目标轨迹搜索相结合的高效检测算法。该算法首先对序列图像进行高通滤波,然后对滤波后的图像进行背景预测,将原图像与背景预测图像相减获得残差图像,依据图像阀值分离出少量的候选目标点,再将含有候选目标的序列残差图像经过最大合并算法形成组合帧图像,最后利用目标运动的连续性和一致性在组合帧图像中搜索目标运动轨迹。

基于背景自适应预测的红外弱小运动目标检测

介绍了一种检测背景杂波中弱小红外目标的新方法．该方法根据背景红外辐射空间分布上的相关性，采用ＬＭＳ自适应空间预测滤波技术对背景空间红外辐射分布进行预测，并根据预测误差检测红外运动目标．本文还介绍了改进预测效果的方法，并以实际录取图像的处理结果。

红外图像序列运动小目标检测的预处理算法研究

讨论了复杂背景下低信噪比的运动小目标的检测 ,提出了用空间高通滤波方法改善图像质量 ,达到抑制背景噪声 ,增强小目标的效果 ,随后用似然比检测理论进行目标的初步分离 ,然后采用邻域判决法实现运动目标的进一步分离 ,用图像流分析法进行目标的最终检测。实验结果表明 :该算法能够对小目标甚至是点目标的运动进行可靠地检测。

从移动背景红外序列图像中检测运动目标

该文提出了一种从背景移动红外图像中自动检测运动目标的算法。该算法首先采用图像灰度互相关度量的匹配算法对连续的6帧序列进行配准,用第1帧和第4帧配准,第2帧和第5帧配准,第3帧和第6帧配准,然后用配准后的图像对分别做差分运算,再将3个差分图像按像素相乘,在运动目标处得到了非常尖锐的相关峰。这为进一步自动跟踪目标提供了一个跟踪窗口的中心点。实验结果验证了该方法的有效性。

用近红外无损肌氧及运动心率检测技术评定100m极量强度运动对心脏冲击影响

利用连续双波长近红外光技术测量肌肉中血红蛋白含氧量的变化情况,同时应用运动心率无线实时采集设备,设计了检测实时肌肉组织血氧含量和瞬时心率实验方案,对6名健康男性进行了100 m跑同步实测实验。实验表明,肌肉组织氧合血红蛋白浓度在100 m跑结束后继续降低,达到最低值的时刻滞后于运动结束时刻的时间为(6.65±1.10)s;心率则在运动结束后继续上升,达到最高值的时刻滞后于运动结束时刻的时间为(8.00±1.57)s。这些结果显示了双波长近红外光组织氧测试技术和运动心率无线实时采集系统能够正确检测极量强度运动时的血氧参数和心率,揭示了极量强度运动过程中肌肉中氧运输与消耗的过程及其与心率之间的动力学特征。

复杂背景下红外运动点目标检测算法研究

讨论了复杂背景下低信噪比运动点目标的检测和跟踪问题 ,提出了基于卡尔曼滤波理论的背景预测、数学形态学膨胀累加、图像流航迹关联和二级并行假设检验的点目标检测方法。实验结果表明该算法能够较大程度提高红外图像的信噪比 ,有效地检测和跟踪点目标 ,并且能够解决目标丢失以及跟踪过程中出现目标的问题。

基于模糊积分特征的红外图像运动目标检测算法

提出了一种新颖的融合红外图像的亮度和纹理特征进行运动目标检测的算法。算法使用模糊数学理论中的Sugeno模糊测度和积分技术将图像的亮度特征与局部二元模式纹理特征结合进行运动前景/背景分类,实现了低信噪比、黑白级反转等复杂背景条件下的准确目标提取。通过实验分析比较了不同检测算法的检测结果,实验数据表明,该算法能够以高检测率、低误检率获得运动目标,为进一步的目标识别或跟踪提供了保障。

红外图象序列的运动目标检测

讨论了红外图象序列的运动目标检测方法 --光流法 ,并对实际的红外图象进行了仿真。实验结果表明 ,对于红外图象来说 ,Horn&Schunck算法具有比较好的性能。本文还对其他的几种算法进行了分析 。

基于运动特征的远距离红外目标检测方法

在红外热图像序列中检测远距离运动目标具有重要的军事和民用价值。由于远距离目标成像后所占的像素较少,同时受成像环境和成像条件的影响可能会存在较强的背景噪声,目标与背景的差异不明显,检测比较困难。本文针对热红外图像序列,提出了一种远距离目标的检测方法。该方法首先利用top-hat算子选择备选目标,然后利用备选目标在不同帧中的相关程度分析目标的运动特征,选择有确定运动特征的目标作为检测结果。该方法不需要进行背景估计,可以有效地避免强背景噪声的影响;通过调整运动模型,可以应用于不同运动特征的目标检测问题。实验结果证明了本文方法的有效性和鲁棒性。

基于动态规划的红外弱小运动目标的实时检测方法研究

文章针对低信噪比下红外弱小运动目标的特点,提出了一种正向动态规划算法。分析了算法的检测性能,并对算法实现中的一些关键问题进行了讨论。实验表明,该算法适应性强,能有效地完成对低信噪比下弱小运动目标的实时检测、识别与跟踪。

红外序列图像运动小目标检测算法

利用红外序列图像小目标运动的连续性进行背景恢复,滤除背景以提高信噪比,在门限检测后对图像进行边缘滤波以进一步提高检测概率,最后再一次运用目标的运动特性确认目标,减小虚警率,从而有效地检测出目标。实验结果证明,这种算法检测率高,而且计算简单,易于硬件实现。

一种自动检测红外运动目标的改进形态学方法

针对红外图像序列中运动目标的检测问题,提出了一种提高红外图像信噪比的改进双重Top-Hat形态学预处理算法,并通过自适应形态学阈值获得了二值化图像,最后利用序列帧间信息进行管道滤波去除二值化图像的噪声和伪目标,完成多个红外运动目标的自动检测。实验结果表明,提出的方法有效地保留了运动目标的灰度信息,便于后续的目标识别处理,而且算法在实时性和信噪比方面的综合效果优于其他几种常用滤波算法。