基于阴影抑制和自适应背景更新的车辆检测系统

在基于视频的交通监控系统中,车辆的正确检测是关键,目前采用的典型方法是背景相减法.为了提高对多车道上运动车辆检测的正确率,该文提出的车辆检测系统采用了快速自适应背景生成与更新算法,并结合基于轮廓跟踪的阴影去除技术,可以达到精确定位车辆的目的.实验图像数据表明:该检测技术较传统方法更具鲁棒性和准确性,并且从算法实现的角度来看,具有简单易用、实时性较高的特点.

自适应背景更新及运动目标检测算法

从视频中检测运动目标是智能视频监控应用中的一项关键技术。文中提出了一种基于区域的自适应背景更新及运动目标检测算法,首先使用高斯模型建立初始的静态背景图像,通过背景减法得到差值图像;然后使用自适应阈值对差值图像进行二值化,并利用形态学滤波和连通区域面积检测进行后处理,得到运动目标区域掩模;最后,根据运动目标区域掩模检测出运动目标,同时使用基于区域的自适应背景更新算法动态更新背景图像。实验结果表明,该算法能够自适应地对背景模型进行更新,对于背景的扰动、光线的渐变等带来的影响有很好的抑制作用,可以有效地检测出运动目标。

基于自适应背景更新车辆检测算法

在交通监控系统中,实现车辆的准确检测是关键技术。文中,我们提出基于自适应背景更新的车辆榆测箅法。实验结果证明,文中提出的算法能够在复杂背景下有效地实现车辆检测。

车辆检测中的自适应背景更新算法研究

针对采用传统背景差法检测运动车辆时很难实现背景自动更新的问题,采用了快速自适应背景生成算法,并考虑到背景有缓变和突变两种情况,引入最小均方误差(MMSE)估计理论进行判断,针对不同的情况采取相应的算法实现背景更新。实验数据表明:采用该方法较以往准确性大大提高,同时达到了自适应背景更新的目的,并且算法实现简单,实时性较高。

车辆视频检测中自适应背景更新算法的研究与仿真实现

本文主要对车辆视频检测中基于高斯混合模型的自适应背景更新算法进行了研究和仿真实现,并针对图像初始化的几种方法进行了研究和仿真。混合高斯模型算法可以较好地提取多模态图像中的背景与前景,统计直方图法则能较好地提取初始背景,实现背景更新。

序列图像的自适应背景提取及车型分类

提出了一种基于计算机图像视觉模式识别理论针对车型识别的自适应背景提取得的新方法。基于彩色图像的特征,利用三通道的差分图象获得对象掩模。并根据两种不同的情况分别采用了不同的背景更新方法;最后利用软传感器来触发车型提取工作。与同类方法相比,该方法速度快,准确率高,能很好地满足实时性的要求。

一种基于背景自适应的运动目标检测与跟踪算法

背景图像差分法是运动目标实时检测中常用的方法，但缺乏背景图像随监视场景光照变化而及时更新的合理方法，限制了该方法的适应性。对此，文章首先提出了一种自适应背景更新方法；然后利用最大类间方差法实现运动目标的自适应阈值分割，并利用基于形态学方法的连通区检测算法检测运动目标；最后以Kalman滤波为运动模型实现对运动目标的连续跟踪。实验结果表明：所提方法可随着光照条件的变化，实时、准确地检测出运动目标并实现稳定跟踪。

基于背景更新的运动车辆检测算法研究

在基于视觉的智能交通系统中,运动车辆的检测是最基础也是最关键的步骤。目前运动车辆检测中最常用的方法是背景差分法。该算法的关键在于背景图像的获取,由于背景图像的动态变化,为了有效的对车辆进行检测,需要对背景进行实时更新。因此,提出了一种新的基于像素点灰度值变化的自适应更新背景的算法,该算法在背景变化的情况下,能实时地修正或更新当前背景图像,再结合差分法与阈值化分割出完整的运动目标。通过实验证明了算法的有效性和实时性。

智能交通系统中视频背景实时更新技术的改进研究

车辆检测是智能交通系统(ITS)的核心。探讨采用自适应算法对背景进行实时更新的方法,能有效削弱恶劣天气和环境变化在画面上产生的各种噪声。实验表明此方法具有很好的实时性,能满足视频车辆检测的要求。还探讨了一种在堵车的复杂环境下背景的实时更新算法,用前景静止物体表面灰度值的变化量,来估算背景的改变量,从理论上解决停车及车辆缓行条件下的背景更新问题,达到扩展背景差法通用性的问题。

基于混合高斯模型的目标差分自适应背景模型

提出一种自适应背景更新率的方法。在混合高斯背景模型基础上,通过混合高斯匹配将前后两帧分割出的运动目标作差分,差分后再次采用混合高斯匹配分辨出过去目标区和当前目标区。在背景更新的过程中,加大过去目标区的更新率,让运动目标在出现停滞状态时给背景模型带来的干扰区域得到快速恢复。试验结果表明,该方法有效地提高背景模型的鲁棒性。

基于时间窗的自适应核密度估计运动检测方法

在对非参数核密度估计算法改进的基础上,针对远程视频监控中存在前景检测不够精确、实时性低等问题,提出了用于自适应背景更新的基于像素时间信息窗的核密度估计(TIW-KDE)算法,该算法充分利用时间轴上的前景帧的信息,自适应地将背景划分为动态背景区域和非动态背景区域,对动态背景区域用改进的非参数核密度估计算法进行更新,对非动态背景区域采用渐进式算法更新,有效解决了非参数核密度估计算法在背景更新时引起的背景污染和计算量大问题。实验结果表明,该算法在提高前景检测精确性的前提下,在处理实时性方面得到很大提高。

基于灰度相关的帧间差分和背景差分相融合的实时目标检测

提出了基于灰度相关性帧间差分和背景差分相融合的一种实时目标检测方法。首先,采用基于最小均方误差的灰度相关性帧间差分,考虑图像噪声的高斯模型,确定差分用的阈值集合,得到差分二值图像;然后,使用混合高斯模型(GMM)进行背景建模,将模型的2.5倍方差和均值的最大值作为匹配准则,并基于光照变化对其背景图像进行自适应更新;最后,在原彩色图像的HSV空间中检测阴影,对帧间差和背景差后的二值图像去除阴影,接着进行相与操作,最终准确检测出运动目标。实验和分析结果表明,本算法能够消除噪音、阴影,能有效适应不同光照条件下的检测场景,因此,具有较高的准确性、鲁棒性和自适应性。

基于改进背景减法的视频图像运动目标检测

为解决传统背景减法在动态背景下受噪声干扰和运动目标检测准确性不高的问题,提出一种基于改进背景减法的视频图像运动目标检测方法。在背景建模阶段,为易于计算和提高检测精度,采用基于GMM的图像块均值方法重构背景模型;在目标检测阶段,采用数学形态学和小波半软阈值函数相结合的方法对检测到的运动目标进行去噪处理;在背景更新阶段,采用自适应背景更新方法进行背景更新。实验结果表明,所提方法提高了运动目标检测的准确性,验证了其有效性。

一种改进的基于背景差分的运动目标检测方法（英文）

文中在介绍运动检测方法的基础上,阐述了背景差分运动检测算法的优缺点。文章为实现高效的运动检测目的,提出了改进的基于背景差分的检测方法,体现在改进的基于帧间差分实现的背景建模算法以及改进的自适应背景更新算法,综合实现了基于背景差分的运动目标检测。针对背景差分受环境约束较大的缺点,改进措施能够很好地完成效果较理想的运动检测。实验结果表明,使用文中改进的背景差分进行运动目标检测,能够趋近于得到真实的没有运动目标的背景,其次实现了背景能够很好地自适应更新以适应环境的变化,使得最终的运动目标检测取得了良好的实验效果。

基于改进高斯混合模型的自适应前景提取

在复杂场景下的运动前景提取是智能视频监控的基础部分。高斯混合模型是常用的背景建模方法,针对高斯混合模型中模型个数固化导致的无谓的系统开销,提出基于单高斯模型成长的动态个数调整形成的高斯混合模型。对模型的更新率根据场景变化的剧烈程度进行实时改变,能较好适应突发场景、光照的变化。对提取的运动前景进行形态学处理,得到最后的提取目标。实验结果表明,该方法背景建模适应性强,提取前景精度有所提升。

结合分块的改进三帧差和背景差的运动目标检测

针对运动目标检测易受背景影响及帧间差分易产生空洞的问题,提出了一种基于分块的改进三帧差分和背景差分相结合的运动目标检测算法.该算法利用边缘检测法和均值法建立初始背景模型,将视频图像划分成多个子块,对利用改进的三帧差分和背景差分获取的图像的各个子块进行自适应阈值检测,获取图像中的运动前景目标,背景图像采取自适应更新方法.实验结果表明,该算法能完整的提取运动目标,背景适应性强,具有较高的准确性和效率.

利用核密度估计的空基视频运动目标检测

介绍了一种基于核密度估计的空基视频运动目标检测方法。首先,采用特征点对应法进行全局运动估计,根据特征点间的相互位置关系,剔除无效的特征点对,提高全局运动估计精度,并通过背景运动补偿,获取背景相对静止的图像序列;采用非参数核密度估计法进行背景建模,通过背景差分法实现运动目标检测,同时分析了检测噪声产生的主要因素,并采用检测噪声抑制方法,有效抑制了由背景补偿误差引入的大量检测噪声;最后,结合背景差分检测结果与连续帧间运动信息,实现背景更新过程能够适应目标运动状态的改变,提高了背景模型的鲁棒性。实验结果表明:该算法能够有效实现空基视频运动目标检测。

融合光流速度场自适应背景建模的交通场景中运动行人检测算法

将视频监控技术应用于行人信息获取与处理,解决交通安全问题,已成为智能交通系统中的一项关键技术。为了精准提取交通场景语义信息,提出了融合光流速度场的自适应背景建模的行人检测算法。该算法把光流引入背景建模,结合背景差分法构建和实时更新背景模型;采用背景差分法和形态学连通域识别法检测运动目标,并根据目标特征设置约束条件,消除小型连通域和长条形的中小型连通域,更加精确地提取交通场景内人数信息;并以北京南站为例进行检验。研究结果表明:该算法能在保证实时检测的同时,更好地描述背景运动,具有较高的准确性和有效性。

视频序列中运动目标跟踪新方法

提出了一种跟踪视频图像序列中运动目标的新方法．该方法利用一种基于动态信息窗口的自适应背景更新方法解决背景的复杂性问题,结合一种新的计算颜色模型解决运动阴影问题, 从而得到具有精确边缘的特定运动目标．计算了运动目标灰度质心,在坐标系中记录其位置,并采用最小二乘法拟合实现了对运动目标的跟踪．实验结果表明这种方法能有效地跟踪并预测视频序列中的运动目标．

基于Kalman滤波器的车辆检测与跟踪系统的实现

智能交通系统是解决城市交通拥挤最有效的方式,其中交通信息采集设备是交通系统管理的基础与前提,而基于视频图像处理的交通信息检测器较其他类型检测器,具有信息量丰富,安装和维护成本低廉的特点。本文用基于Kalman滤波器的方法实现了交通信息采集设备中的车辆检测与跟踪。它采用了一种自适应背景更新算法,通过分割、二值化、腐蚀膨胀得出前景图像,以包含前景图像的矩形框的中心作为Kalman滤波器的跟踪特征,对运动车辆进行跟踪估计得出车辆的运动轨迹和速度。一系列的视频实验表明,该方法简单可行而且对天气、光照变化、阴影有很强的适应能力。