基于自适应背景模型的全方位视觉人体运动检测

设计了一种新的全方位视觉系统 ,用来在室内对多个人体目标进行实时运动检测。系统中使用全方位摄像机作为图像采集设备 ,能在一幅图像中获取水平方向 36 0°的环境信息。在检测开始之前 ,首先由摄像机对无人环境持续观测一段时间 ,建立背景的统计模型 ;在检测开始之后 ,将每一时刻全方位摄像机采集到的图像变换成柱状全景图像 ,再利用背景的统计模型 ,通过自适应的动态背景减除算法得到前景区域 ,同时在线更新背景模型。最后进行区域分割 ,确定人体的位置。试验结果表明 ,该系统在复杂背景的室内环境下 。

基于改进混合高斯模型的自适应运动车辆检测算法

道路视频监控中经常存在车辆缓慢运动或短暂停留的情况。针对传统混合高斯模型背景减除法对环境突变敏感和对缓慢运动目标丢失信息的问题,提出一种改进的自适应车辆检测方法。首先,在参数更新前对像素值分类并根据分类结果设置模型更新率,抑制缓慢运动前景被训练成背景;引入一个跟踪环境变化的度量因子,当环境突变时实现背景减除和帧差法的自适应切换,滤除环境变化的干扰;最后通过生态学滤波得到准确的运动目标。实验表明,该算法对白天实时路况视频中的运动车辆具有较好的检测效果。

带有阴影消除的室内运动人体的提取与跟踪

描述了一种带有阴影消除的对室内运动人体进行提取与跟踪的方法。该方法使用自适应背景减除法初步得到人体区域,在此基础上利用色度的不变性来消除阴影区域的影响,可以对提取出的比较精确的运动人体进行跟踪。

一种具有良好完整性的运动检测与跟踪方法

描述一种具有良好完整性的对运动人体进行检测与跟踪的方法。该方法针对场景的特点对室内无人的背景图像进行单高斯建模,从而初步区分前景区域和背景区域,然后使用了自适应背景减除法得到初步分割出来的人体区域部分并且对背景进行更新,最后使用8领域的方法消除阴影区域,通过这种方法来减小阴影区域对于分割结果完整性和精确度的干扰和影响,从而得到比较精确和完整的运动人体图像,进而对提取出的运动人体进行跟踪。

基于运动图像序列的异常行为检测

针对公共重点区域的智能监视问题,研究了一种基于运动历史图像(motion history image,MHI)的行人异常行为检测方法。利用运动图像序列得到的MHI获取视频帧中运动目标的运动方向,由运动方向的变化分类确定人体运动模式和行为是否异常,同时给出相应的实验结果。结果表明,该方法实现简单,具有较好的实时性与鲁棒性,可以作为实时监控系统中异常行为检测的有效方法。