双阈值背景差分算法在嵌入式报警系统中的应用

针对嵌入式报警系统中运动目标检测算法由于噪声干扰导致检测效率低、虚报率高等问题,提出了一种基于特征大小的双阈值背景差分算法。该算法在动态阈值背景差分算法的基础上,根据调节运动目标在图像中所占的比例来实现对检测目标的选择,并根据特征大小,提出了双阈值背景差分算法,并对背景模型实时更新,从而能正确地分割入侵者图像,有效地去除了噪声干扰,降低虚报率。实验结果证明:该算法运算量小,鲁棒性好,适用于实时性强的嵌入式报警系统。

基于特征大小的背景差分算法研究

背景差分算法是一种重要的运动目标检测算法,在运动目标检测技术中,如何对变化区域进行有效的检测和分割至关重要。本文提出了一种新的基于特征大小的背景差分算法,该算法可以根据需要,对检测物体的大小进行选择,以此来减少非生物的机械运动和小目标运动带来的虚报率。实验结果表明,该算法在一定程度上提高了检测的准确性,有效增强了目标检测的效果。

一种基于背景差分算法的实时运动检测跟踪系统的设计

本文提出一种基于回归型背景差分算法的实时运动检测跟踪系统的设计。通过载入摄像头实时图像与建立好的背景模型进行差分运算，并对差分运算的结果进行连通域分析，检测出运动物体与摄像头的相对位置并实时准确跟踪。实验结果表明，该文设计的实时运动检测与跟踪系统．能够达到实时的、准确的、跟踪目标。

监控视频关键帧动态背景差分检测技术

针对目前视频侦查工作中监控视频数据量巨大所导致的案件相关信息获取实时性差、误检率高、数据冗余大,难以满足案件侦破需要的难题,提出了一种利用动态背景差分算法检测监控视频关键帧的技术。该技术首先根据监控区域特点与人工经验在监控视频中设置初始背景帧,然后利用常规的背景差分算法进行关键帧的检测,并在检测过程中根据监控区域背景的变化,采用背景更新策略动态及时更新差分运算中使用的背景帧,从而达到降低关键帧检测的误检率,提高检测效率。

H.264帧间模式选择快速算法

为尽可能降低H.264标准中的帧间模式选择时间复杂度,降低码率,提出一种快速帧间模式选择算法。算法利用目标检测技术中的Surendra算法以及所提出的速度特性和方向特性检测算法提前判定最佳候选模式,降低了帧间模式选择算法时间复杂度。实验结果表明,在保证重建视频质量的前提下,算法不仅能有效降低时间复杂度,还能降低码率;算法总体性能优于H.264标准算法和目前常见的帧间模式选择快速算法;对于含有大量静止背景或只含少量低速运动的视频,算法性能更加优越。

基于矩阵像素阈值判定的运动目标检测

针对运动目标检测所存在的不能完整分割运动对象、对光照和外部条件造成的场景变化比较敏感、容易出现许多伪运动目标点等情况,以背景差分算法为基础,提出了一种基于矩阵像素阈值判定的运动目标检测算法.该算法通过对图像进行预处理,增强图像中目标和背景图像的对比度,并去除采集和传输图像时产生的噪声,再将每个像素点的矩阵进行差分运算,以确定像素灰度变化的情况,利用灰度变化阈值确定最终的运动目标.与现有的背景差分算法检测到的运动目标相比,该算法的准确度更高.

基于相邻帧减算法的监控视频关键帧检测技术

针对目前视频侦查工作中监控视频数据量大、常规的人工浏览监控视频获取案件相关信息的方式实时性差,漏检率与误检率较高的难题,提出了一种利用相邻帧减算法检测监控视频中关键帧的技术,该技术首先将连续的监控视频分解为离散的单帧图像,然后利用相邻帧减算法对相邻的单帧图像进行减法运算,最终实现了对监控视频中关键帧的检测,仿真实验表明,本文提出的方法能够较好地检测监控视频中的关键帧,提高关键帧检测的准确性与效率。