一种基于对称差分和背景消减的运动检测方法

该文提出一种综合利用对称差分和背景消减来进行运动检测的方法。首先通过建立一个可靠的背景更新模型,由背景消减法得到基本准确的前景图像,然后和对称差分法得到的差分图像综合,得到完整可靠的运动目标图像,最后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,并用区域填充算法来填补目标区域的小孔。

基于背景消减法的考场作弊行为检测方法

为了减少考场的作弊行为,保证考试的公平性,提出了一种将背景消减法应用于考场作弊行为检测的方法。通过分析交换物品的行为特点,提出了一种基于动态阈值的作弊行为检测算法:采用迭代阈值法确定动态阈值对差分图像进行分割,利用分割的结果指导背景的更新,得到良好稳定的背景模型,并基于背景减除算法完成了考场作弊行为的检测。实验结果表明,这种方法能够较好地检测出交换物品的作弊行为,并能克服光线等因素的影响,有效甄别考场的作弊行为。

基于帧间差分与背景消减的视频摘要算法研究

为克服帧间差分法只适合于帧像素变化较大的视频检测及背景消减法只适合于固定背景模型的视频检测的缺点,提出一种新的基于帧间差分与背景消减的视频摘要算法,这种算法首先对前后两帧的帧图像像素进行检测,若无显著运动对象,则继续进行背景模型对比检测.实验结果表明,该算法能够快速、精准地对运动显著及不显著的视频进行摘要提取,浓缩事件精华,较高地还原视频关键信息内容.

基于贝叶斯生成对抗网络的背景消减算法

背景消减是计算机视觉和模式识别的关键技术之一.本文提出一种新的背景消减算法,该算法首先利用中值滤波算法进行背景数据的获取,然后基于贝叶斯生成对抗网络进行训练,利用生成对抗网络的特性,有效地对每个像素进行分类,解决了光照渐变和突变、非静止背景以及鬼影的问题.本文采用深度卷积神经网络,来构建贝叶斯生成对抗网络的生成器和判别器.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.本文的贡献在于首次将贝叶斯生成对抗网络应用于背景消减,并且取得了良好的实验效果.

运动目标检测的三帧差分和背景消减研究

本文介绍了一种基于视频监控系统的运动目标检测方法。这种方法综合利用三帧差分和背景消减来进行运动检测的方法。这种算法在帧差法的基础上,得到完整可靠的运动目标图像。在铁路视频监控系统中主要使用固定摄像机对一固定场景进行监控,因此,图像序列三帧差分方法在智能化铁路视频监控系统中是一种重要的运动目标检测方法。

基于背景消减的运动对象的提取

背景消减法是从场景中提取感兴趣目标的一类常使用的方法。本文考查了目前具有代表性的几种方法,并从前景检测、背景更新、后继处理三个方面对它们进行了比较分析。

基于对称差分算法的背景更新和运动检测

本文针对时间差分将导致差分图像中背景显露过多影响了背景模型建立的缺点,利用对称差分能够快速检测中间帧运动目标的特点,提出一种使用间隔多帧对称差分来更新背景模型,从而建立可靠的背景模板,再结合背景消减进行运动检测的方法。实验表明该算法能快速地建立背景模型,同时有效地检测出背景中的运动物体,具有一定的实际应用价值。

MSSFD—一种递进式人脸检测算法

针对传统人脸检测算法计算复杂度大、精确度低的缺点,提出逐层递进式人脸检测算法—MSSFD。该算法首先在视频图像中运用背景消减的方法定位运动物体区域,然后在此区域中运用区域增长算法的自适应阈值处理进行肤色分割,得到运动肤色区域,最后再用SVM分类器做进一步分类,逐层递进式的逐步定位人脸区域。实验表明MSSFD算法复杂度低、精确度高,对阴影、人脸表情、小角度旋转、有遮盖物等有很好的鲁棒性,具有良好的检测效果。

基于全方位视觉的运动目标检测与定位方法

针对全方位视觉的运动目标检测,存在背景非常复杂,光照变化等噪声干扰明显等难点;在进行运动目标定位时,也需要消除当目标发生一定分裂时对定位结果的影响。为了滤出噪声,对目标准确定位,提出一种采用改进的背景消减法和区域成长法的运动目标检测与定位方法。本文首先采用背景消减法分割运动目标,在背景消减时利用最大方差比阈值法来滤除噪声,然后利用改进的区域成长法定位出目标。实验结果表明方法简单有效,能准确检测与定位出全方位视觉复杂背景下的运动目标。

基于多算法融合的运动目标定位研究

在固定摄像头的情况下,背景消减法是用来提取视频中运动目标的最有效方法之一,提出了一种多算法融合的背景消减法.该算法通过充分融合发挥RGB彩色模型的颜色特征、码本法的抗扰动性和三帧帧差法与Surendra法的快速性,提出了一种新的背景建模算法以及消减方式,使得在尽可能降低计算量的同时成功提高了算法对闪烁背景的耐受性,并解决了复杂背景条件下运动目标出现缺损与空洞的问题.