基于加权核范数与3D全变分的背景减除

针对鲁棒主成分分析模型(Robust Principal Component Analysis,RPCA)一般将前景看作背景中存在的异常像素点,从而使得在复杂背景中前景检测精度下降的问题,提出一种基于加权核范数与3D全变分(3D-TV)的背景减除模型。该模型以RPCA为基础,利用加权核范数来约束背景的低秩性,考虑了不同奇异值对秩函数的影响,使其更接近实际背景的秩;然后利用3D-TV来约束前景的稀疏性,考虑了目标在时空上的连续性,有效抑制了复杂背景对前景提取造成的干扰。实验结果表明,与其他4种算法对比,所提模型的F值基本上是最优的,且能准确地分离图像中的背景和前景。

一种融合局部纹理和颜色信息的背景减除方法

背景减除是低级计算机视觉和视频处理的关键技术之一.本文提出一种新的背景减除算法,该算法将局部纹理信息和颜色信息联合起来表示背景,并借鉴了混合高斯模型的思想,采用多个模式描述背景模型.为了更充分地描述纹理信息,本文改进了LBP(Local binary pattern)算子.实验结果表明,本文提出的算法性能在绝大多数情况下优于现有其他算法.

基于粒子滤波和背景减除的多目标检测与跟踪算法

大多数应用于视频监控领域的目标跟踪模式识别方法,都需要先对移动目标进行模式学习。但是这些方法不适合同时跟踪多个不同的目标,因为每一个移动目标的模式都应该是预先确定好的。因此,提出了一种新的基于粒子滤波和背景减除的无监督多运动目标检测与跟踪方法来解决这个问题。该方法能够自动探测和跟踪许多移动目标,没有任何学习阶段,也没有任何关于大小、性质或初始位置的先验知识。对多个视频测试集进行了实验验证,测试结果表明,该方法可以成功地处理复杂情况下的目标跟踪。与其他方法进行比较,结果显示提出的方法检测以及跟踪目标性能更好。

一种改进的帧差和背景减相结合的运动检测方法

针对帧差和背景减相结合的运动检测方法存在的不足,进行了以下3个方面的改进:①利用灰度拉伸变换和结合了灰度值信息的邻域相关系数计算方法,解决了背景的误判问题;②通过在帧差和背景减相结合的策略中加入运动分析,解决了缓慢运动目标的漏检问题;③采用运行期更新法更新背景模型,避免了复杂场景下背景模型的退化。实验结果表明,改进后的方法显著改善了帧差和背景减相结合的运动检测方法在背景误判、缓慢运动目标漏检以及背景模型退化等方面存在的问题。

基于背景减除法的视频序列运动目标检测

视频序列中运动目标的检测是目标识别、标记和追踪的重要组成部分,背景减除法是运动目标检测中被广泛应用的算法。针对光线变化、噪声和局部运动等影响运动目标检测效果的问题,提出一种基于背景减除法的视频序列运动目标检测算法。该算法结合背景减除法和帧间差分法,对当前帧像素点的运动状态进行判断,分别对静止和运动的像素点进行替换和更新,采用最大类间方差(Otsu)法对差分图像进行目标提取,并使用数学形态学运算去除目标中的噪声和冗余信息。实验结果表明,所提算法对于视频序列中运动目标的检测具有较好的视觉效果和较高的准确度,能够克服局部运动以及噪声等缺陷。

基于背景减除与三帧差分相融合的运动检测

文章提出一种基于背景减除法与三帧差分法相融合运动目标检测的方法,该算法运用改进的时间平均算法初始化背景,在有目标情况下也能构建出可靠的背景;用背景减除法得到目标运动区域,并根据像素的连通区域除噪声;通过背景减除法与三帧间差分的检测结果进行"与"运算,得到的结果作为反馈对背景模型进行更新;利用色度信息消除阴影,得到较精确的运动目标。实验结果表明,该算法能够快速、完整、准确地检测出运动目标,满足实时检测的需要。

一种基于像素梯度信息的背景减除法

讨论了背景模型的更新参数与模型精度的关系。通过精确的梯度背景模型值间接估计当前帧中背景像素理论上的期望梯度值。以高斯模型为基础,将当前帧背景像素的实际梯度值与其理论上的期望值进行比较,计算偏差概率,以此为基础,形成不依赖于局部纹理的梯度特征的相似性度量方法。再用梯度特征的相似度量化地调整差分图像在各像素点处的二值化阈值,实现像素值信息与梯度信息的融合使用。实验表明,本方法对前景分割有一定的改善效果。

消除光照影响的背景减除算法

为了准确分离图像中的对象与背景信息,并使得分离效果不受图像中光照变化的影响,提出了一种改进的图像背景减除算法。首先,算法使用改进的图割方法进行背景减除,提高减除效果。其次,算法提出颜色衰减模型和对比度衰减模型,改进能量公式中的颜色分量和对比度分量,消除光照变化对于减除结果的影响。最后,针对分离出的二值图像,提出利用形态学操作和空洞填充策略予以优化补偿,优化最终图像分离的结果。实验结果表明,当原始图像和背景图像光线强度差别较大,或光线被对象遮挡的情况下,相比于传统背景减除算法,该算法的减除效果仍然较好。该算法适用于复杂环境下图像中对象提取。

一种针对移动相机的实时视频背景减除算法

提取移动相机拍摄视频中的前景时,采用基于稠密光流或像素点轨迹的算法估算相机运动会造成算法非常耗时,为此提出一种简单有效的实时视频背景减除算法.首先用基于超像素的区域增长预处理算法得到可能是前景的超像素;然后基于分块相对光流的背景特征点筛选算法来估算相机运动;最后检查光流与相机运动的一致性,得到背景减除的最终结果.实验结果表明,该算法可以实时处理大小为640×480像素的视频,且前景检测准确度优于同类算法.

图切割支持的融合颜色和梯度特征的实时背景减除方法

通过融合图像的颜色和梯度特征,实现了一种实时背景减除方法·首先融合颜色和梯度特征建立新的能量函数;然后基于图切割算法最小化能量函数,并对前景/背景进行分割;最后使用光流验证前景区域的真实性,并更新背景模型·对不同场景的实验结果表明:该方法可以实时地检测出视频序列中的运动物体,结果准确、有效·

基于分块差分与背景减除的运动检测

本文提出了一种基于分块的帧间差分与背景减除相结合的运动目标检测方法。该方法中,运动目标检测分两步进行,在粗分割阶段,首先把视频图像划分为多个子块,用帧间差分对运动图像各个子块进行检测,分离出背景区域和前景区域,背景区域用来构造和更新背景模型。一旦背景构造完成后,便可以对粗分割出的运动区域采用背景减除方法进行细分割,检测出精确的运动目标。使用帧间差分获取的背景区域构造和更新背景,能有效地把停止的运动目标融入背景,同时也能去除场景中突然运动的目标原来位置所留下"鬼影"。实验结果表明,该方法克服帧间差分提取目标不精细缺点,解决了背景减除方法中背景构造更新的困难,能够对监控场景中运动目标进行精确检测,对光线变化、背景干扰不敏感,具有较好的鲁棒性和实时性。

基于背景减除法和图像序列差分法的运动目标检测

智能电网成为全球电力工业应对未来挑战的共同选择,变电站作为智能电网重要环节之一,长期以来面对智能电网的发展,自动化水平明显滞后。为了保障变电站安全稳定的运行,结合背景减除法和图像序列差分法的优点,提出一种新的运动目标检测的方法,把背景减除法和图像序列差分法的差值图做与运算,并对图像序列差分法做出改进,融入光照变化的影响。该方法既可以避免图像序列差分法引起的"双影"现象,又可以避免背景减除法将光线突变误判为运动目标,提高了识别的准确率,实现起来比较简单,可以达到智能监控系统的实时性要求。

一种基于背景减除与三帧差分的运动目标检测算法

本文提出一种基于背景减除法和三帧差分法来进行运动目标检测的算法。首先运用Surendra背景更新算法建立运动区域的背景模型,通过背景减除法确定运动目标区域,后与三帧差分法得到的差分图像相结合,得到比较可靠的运动目标区域。实验结果表明,该算法准确率高,运算速度快,能满足实时检测的需要。

基于背景减与帧间差分结合的视频运动目标分割

提出一种视频运动目标分割的改进算法,算法混合使用背景减算法和帧间差分算法,充分利用了两种典型算法的优点,并改进了其缺陷,解决了背景减算法的背景合理更新及帧间差分算法分割不完整问题.实验结果表明：该算法简单,速度快,易于硬件实现.

基于改进的混合高斯模型背景减除算法

背景减除法常采用混合高斯模型作为背景模型来进行目标检测,它可以自适应学习并表示分布复杂的背景.混合高斯模型在光线变化缓慢的情况下表现很好,但是在光线快速变化的情况下,由于高斯背景无快速更新机制,无法应对光线迅速变化的情况.通过对混合高斯模型进行优化,提出了一种改进的混合高斯模型检测算法,并通过实验证明了新算法明显提高了运动目标检测的准确度.

一种基于曝光补偿与颜色信息融合的背景减除法

以高斯模型为基础,提出了抑制噪声影响的模型更新参数设置条件。结合摄像系统的工作原理,提出了针对摄像系统曝光波动以及环境光照变化的亮度补偿办法。通过对RGB三个颜色通道的分割结果进行逻辑运算,将颜色信息融合使用于前景图像的分割。从实验情况看,本文提出的办法收到了一定的改善效果。

基于张量核范数与3D全变分的背景减除

针对常用背景减除方法忽略前景时空连续性的问题,以及动态背景对前景提取的干扰问题,基于张量鲁棒主成分分析(TRPCA)提出了一种改进的背景减除模型。该模型利用改进的张量核范数对背景进行约束,加强了背景的低秩性,保留了视频的空间信息;然后用3D全变分(3D-TV)对前景进行正则化约束,考虑了目标在时空上的连续性,有效地抑制了动态背景和目标移动对前景提取造成的干扰。实验结果表明,所提算法能有效地分离视频中的前景和背景,且与高阶鲁棒主成分分析(HoRPCA)、带有新核范数的张量鲁棒主成分分析(TRPCA-TNN)和基于克罗内克基的鲁棒主成分分析(KBR-RPCA)等方法相比,综合评判指标F-measure值均处于最优或次优状态。由此可见,所提算法有效地提高了前景背景分离的准确度,抑制了复杂天气和目标移动对前景提取的干扰。

基于图像背景减除技术的步态识别研究

步态识别是一种新的生物特征识别技术,旨在根据人们走路的姿势进行身份识别。本文利用图像背景减除技术进行步态轮廓检测,然后利用傅立叶描述子对步态轮廓图像进行描述,进行维数压缩,得到模板匹配,最后,利用最邻近法进行识别。实验证明,该算法具有较高的识别率。

基于背景减除的运动检测在嵌入式监控系统中的应用

视频监控的主要目的就是发现异常情况并及时处理,运动检测是一种最常见的异常情况,检测结果的准确性直接影响监控的性能.使用一种改进的背景减除法进行运动目标检测,结合H.264技术,在嵌入式视频监控系统中进行了算法实现.

一种基于Surendra背景更新的背景减除运动目标检测方法

针对监控环境下运动物体的检测,提出了基于Surendra背景更新的背景减除的运动目标检测方法.首先对视频图像进行灰度化并去噪,再建立一个可靠的Surendra背景更新模型,由背景消减法得到运动目标图像,最后图像进行二值化并采用形态学滤波和连通区域面积检测进行后处理,以消除噪声和背景扰动带来的影响.试验结果表明本文采用的基于Surendra背景更新算法的背景减除的方法,具有较好的实用性.