一种基于三帧差分和边缘信息的运动目标检测方法

为了改进目前常用的运动目标检测方法易受到噪声和亮度突变的影响、易出现虚假目标的情况,该文提出了一种基于3帧差分和边缘信息的运动目标检测方法。该方法首先对连续3帧图像进行边缘提取得到3帧连续的边缘图像,然后对3帧连续的边缘图像进行3帧差分运算,最后通过阈值分割和形态学处理完成对目标的提取。该方法计算简单,实验结果表明该方法能对运动目标进行准确检测,且具有很好的鲁棒性。

Mean-shift改进算法在火箭目标跟踪中的应用

针对火箭目标跟踪问题,提出了一种基于改进Mean-shift算法的火箭目标跟踪算法。为克服传统Mean-shift算法难以对快速运动的火箭目标进行跟踪的问题,以及在跟踪过程中的跟踪误差累积问题。采用3帧差分法检测出火箭目标的大概位置,然后在此基础上使用Mean-shift算法实现对火箭目标的精确跟踪。仿真实验表明所提算法能够有效的实现火箭目标的跟踪,并能很好的解决跟踪过程中的跟踪误差累积问题。

自适应混合高斯建模的高效运动目标检测

目的如何使快速性与完整性达到平衡是运动目标检测的关键问题。现有的满足快速性的算法容易受到光照的影响,对动态环境的适应能力较弱,获取的目标信息不完整,导致空洞问题的产生。而具有较高完整性的算法复杂度高,运算速度慢,实时性差。为此,本文提出基于自适应混合高斯建模的3帧差分算法。方法利用3帧差分运算简单、可扩展性强、抗干扰能力好的特性,对视频图像进行目标轮廓的提取。针对3帧差分运算导致目标内部信息提取不完整的问题,采用学习率自适应调整的混合高斯背景差分,在模型创建之初,通过较快的模型更新速率,增加背景模型的迭代次数,消除物体运动造成的"鬼影"。在背景模型中的干扰信息消除之后,以目标像素及相邻8像素在当前帧与背景模型中的差异度为依据调整学习率,实现背景模型的自适应修正,增加目标图像的完整性;同时,通过删除冗余的高斯分布,降低算法复杂度。为进一步确保目标边缘的完整及连续,采用边缘对比差分算法,使参与运算的帧数依据目标的运动速度自适应选取,以降低背景点的误判率,使边缘信息尽可能地连续、完整。结果本文算法获取的目标信息完整,且边缘平滑。在提升检测率的同时保证较高的准确率,达到了95.23%,所获目标的完整度提高了28.95%;与传统混合高斯算法相比,时间消耗降低了29.18%,基本达到实时性要求。与基于混合高斯建模的背景差分法(BD-GMM)和基于边缘对比的3帧差分法(TFD-EC)相比,本文算法明显占优。结论实验结果表明,本文算法可以有效抑制动态环境的干扰,降低算法复杂度,既保证实时性,又具有较好的完整性,可广泛应用于智能视频监控、军事应用、工业检测、航空航天等领域。