基于改进ViBe算法以及改进CLAHE算法的烟雾信息增强技术

对于在火灾刚开始发生时,烟雾信息较弱且不明显的问题,提出了一种使用视频图像序列进行烟雾信息增强的技术。使用改进的ViBe算法对整个视频进行检测,获得每帧图像的运动蒙板。采用去除离群值的帧间差分放大算法对烟雾信息进行放大。通过改进后的限制对比度的自适应直方图均衡化算法(CLAHE)来提高烟雾区域对比度,并使用合并蒙板保存烟雾信息,用翻转蒙板保留原始图像背景信息,最后进行烟雾区域与背景区域的融合,得到最终图像。实验结果表明,算法可以将烟雾泄漏区域的对比度进行较大程度的提高,并且由于融合了原始图像背景,因此,背景噪声也处于较低水平。

基于自适应ViBe算法的动态背景运动目标检测

针对传统ViBe算法存在鬼影、背景适应性差以及前景提取效果不佳的问题,提出了一种改进的自适应ViBe算法。首先,使用哈希(Hash)算法提取关键帧进行差分运算,将差分图像与频率调谐(FT)显著性检测图像结合,提取当前帧的目标区域,填充背景像素,滤除真实目标之外的鬼影区域;然后,利用像素“最小距离”和局部标准差计算出背景的复杂度,自适应地调整像素点的半径阈值和更新速率,减少背景像素影响;最后,由比例图像矩阵信息与HSV空间中的颜色特征粗略判断出阴影区域,由拉普拉斯算子计算阴影区域像素梯度并将梯度值较小的阴影像素滤除。实验结果表明:改进后的算法能够相对有效地抑制鬼影和阴影现象,前景检测时F-Measure值保持在较高水平,对动态背景具有一定的鲁棒性。

改进ViBe算法及其在运动船舶目标检测中的应用

为了抑制ViBe算法在海面动态背景视频下“鬼影”区域对船舶运动目标检测的影响,提高监控视频中船舶运动目标识别的准确率,提出一种改进的ViBe算法。首先,背景模型用连续帧初始化,以减少“鬼影”的影响;然后,使用自适应阈值和闪烁级别来减少海面杂波,同时采用像素点对比消除“鬼影”,提取运动目标前景,获取完整的运动目标区域。最后,对输入视频进行高斯金字塔多尺度分解,并采用改进的ViBe算法检测低分辨率视频中的移动船舶,完整提取了海上移动船舶。实验结果表明,所改进的算法消除了“鬼影”区域,减少了海面杂波的干扰,检测率为92.5%,单帧视频图像检测时间控制在97 ms以内,可准确、快速地检测和提取海面船舶运动目标。

改进型ViBe算法在运动目标检测中的应用

作为计算机视觉领域的热门方向之一,运动目标检测具有很高的理论研究价值和很广的实际应用空间。传统视觉背景提取器(Visual Background Extractor, ViBe)目标检测算法实时性高且内存消耗低,但存在受光照影响大、不能有效抑制拖影区域、无法消除阴影以及检测图像内部空洞等问题。鉴于以上不足,提出3点针对性改进策略:(1)优化算法核心参数。筛选最优值来替换以往经验值,从而提高算法性能,增强算法适应性。(2)引入光强检测算子。阈值半径随光强变化自适应,避免因光照变化而出现拖影区域。(3)增加阴影检测模型。利用感兴趣区域(Region of Interest, ROI)像素分布确定阴影位置,结合运动目标自身特性分割出目标区与阴影区。仿真实验结果证明:改进型ViBe算法不仅能够完整地检测、抓取运动目标,而且还可以有效地抑制拖影区域并消除目标阴影。

基于改进ViBe算法的运动目标检测

ViBe算法是一种基于静态背景下的运动目标检测算法,针对其“鬼影”问题和运动目标静止时会被更新为背景的问题提出了改进ViBe算法,即对原ViBe算法的背景模型初始化、动态阈值、前景分割和背景模型更新等4个部分进行了改进。采用均值法获取的背景图像初始化背景模型,可消除“鬼影”;利用计数法控制前景分割动态阈值,使前景图像更加准确;使用帧差法思想改进前景分割,使前景图像更加完整;通过引入阈值保证背景模型更新的稳定性。根据试验结果可知,改进ViBe算法对正常移动车辆、较小运动目标和存在静止情况的运动目标都有较好的检测能力,解决了“鬼影”问题和运动目标静止时会被更新为背景的问题,同时相较于原ViBe算法和其他常用运动目标检测算法,改进ViBe算法在保证准确性的基础上提高了检测的完整性。

基于改进ViBe算法的运动目标检测

运动目标检测是智能视频监控中必不可少的环节,其检测结果的好坏影响着后续的研究。针对ViBe算法的不足,对ViBe算法进行了改进。根据chromacity法检测出阴影,通过在当前像素上添加与平均背景强度之间的差值来移除阴影;根据均值法提取出的背景建立初始背景模型,消除后续帧检测时出现的鬼影;通过缩小更新因子加快背景模型更新速度,快速消除均值法在运动目标过多时不能得到干净背景的问题;用自适应阈值代替固定阈值,引入颜色失真值,根据自适应阈值以及颜色失真值进行像素点分类;对前景目标进行去除小面积连通域操作以降低动态背景及噪声的干扰;通过进行闭运算操作以填充目标区域的空洞。实验采用CDnet 2014数据集进行验证,实验表明,改进算法能够有效地消除阴影和鬼影,提高了检测精准度,检测效果较为理想。

面向运动目标检测的改进ViBe算法研究与实现

ViBe算法容易实现且运算效率高等优点,在运动目标检测等领域中获得广泛运用,但其也存在一些缺点,如鬼影、空洞、漏点以及运动目标检测不完整等问题,针对这些不足,从ViBe算法处理过程的主要阶段出发,提出一种改进的ViBe算法.首先用迭代累积背景法获取真实背景用来抑制鬼影问题,其次把真实背景分别用于帧差法和改进的ViBe算法中,帧差法可用来弥补视频序列帧中边界处像素点遗漏问题,改进的24领域ViBe算法用来提高模型精度,再把两个结果进行“或”运算,最后利用形态学进行处理用以消除小噪声干扰,使得到的目标更加完整.该算法能够去除噪声、抑制鬼影以及减少空洞点,实验结果表明,与传统的ViBe算法相比,能够有效抑制鬼影以及减少漏点问题,提高运动目标检测精确度.

基于ViBe算法对空管无人值守台站视频监控的研究

随着空管台站的增多,通过视频监控对无人值守台站和无人值守机房进行智能化管理已经成为一种趋势。使用ViBe算法对机房视频监控中的运动目标进行检测和分析,最终实现对机房的有效监控,为实现无人值守台站视频监控提供了一种解决办法。

改进的ViBe算法及其在交通视频处理中的应用

基于ViBe算法的运动目标检测具有很高的处理效率,但在复杂背景下也存在缺陷,比如不能有效抑制运动目标的残影和鬼影区域、易受噪音干扰,在交通视频的处理中更为明显。鉴于ViBe算法的这些不足,本文对ViBe原算法提出了改进,结合像素生命长度对鬼影或残影像素进行判断,利用二次更新策略提高消除速度。根据像素值变化引入最大类间方差法,将原有的固定像素阈值变为动态阈值,以提高交通视频中车辆目标检测的抗干扰能力。实验结果表明,在3组不同交通场景视频中,改进算法能够在较少帧数内消除目标的残影或者鬼影。对结果的量化分析也证明了改进算法由于应用了动态阈值,使目标检测的精准度和整体性都有所提高。

室外视频前景检测中的形态学改进ViBe算法

背景差分法是实际中应用最广泛的前景检测方法,其关键是背景建模,比较常用的背景建模方法是高斯混合模型GMM(Gaussian Mixture Model)。最近一种称为视觉背景抽取算法ViBe(Visual Background extractor)由于其简单、快速的特点得到了越来越多的重视。但对于存在动态背景的户外视频,仍然存在噪声及背景的干扰。提出用形态学方法对算法进行改进,即先用开操作来消除噪声,再用闭操作来填充物体内细小空洞等。用ROC曲线测试了算法性能,结果表明,进行形态学处理后算法性能有了比较大的提高,比如对于户外视频Watersurface,在FPR为1%时TPR最高提高了31%。

基于HSV颜色空间和Vibe算法的运动目标检测

Vibe算法运行速度较快,并能快速有效地抑制阴影、照相机晃动对前景检测造成的影响,具有较好的前景检测性能。但对于存在动态背景的户外视频,不可避免地存在背景干扰及噪声的影响,使得Vibe算法不能准确地检测出运动目标。针对此缺陷,提出颜色特征信息与Vibe相结合的改进算法,将像素点从RGB空间转换到HSV颜色空间进行颜色失真度比较,通过双模型的建立,有效减少了计算量。系列实验表明该方法能够取得更加准确的前景分割特性,对噪声干扰表现出良好的鲁棒性。

基于ViBe算法的改进背景减去法

ViBe背景减去算法基于RGB色彩空间对像素进行处理,在光照突然改变的情况下,会造成大面积的背景误判为运动前景;同时会将场景中的运动背景大量的误检为前景.针对上述问题,本文提出一种结合(r,g,I)标准色彩空间的改进算法.实验结果表明,改进算法在光照突然变化时对前景的提取具有更好的鲁棒性,同时对于场景中运动的背景像素点,取得了更好的检测效果.

融合混合高斯模型的改进的Vibe算法

针对经典Vibe算法在运动目标检测时存在鬼影、阴影和噪声干扰的问题,提出了一种融合混合高斯模型的改进的Vibe算法。在背景初始化阶段,采用五帧差分算法与八邻域的像素值填充获得的真实背景并且消除鬼影现象;通过混合高斯模型权值与Vibe随机取样概率相结合进行背景更新,将得到的运动目标进行形态学处理,使运动目标更加清晰;最后,在YCb Cr颜色空间进行阴影消除。实验结果表明,改进后的Vibe算法不仅能够有效地去除鬼影,并且在消除阴影与噪声方面取得了良好的效果。

改进ViBe算法与Meanshift结合的目标跟踪方法

为解决视频监控系统中因光照变化、相似颜色干扰及快速动目标而导致的目标易丢失问题,提出一种改进ViBe算法与Meanshift结合的目标跟踪方法。首先采用三帧差分和ViBe算法结合进行前景目标提取和检测,以消除鬼影的干扰,利用色度特征和梯度特征相结合的方法来抑制阴影;同时通过将边缘特征融入到Meanshift算法中,引入运动矢量在当前帧中预测下一帧运动目标的位置,实现场面监视环境中运动目标的持续、准确跟踪。通过在监控视频中行人、车辆及飞行器等不同场面目标做实验,验证了本文方法不仅能够持续、准确地跟踪运动目标,并且可适用于场面雾天低能见度条件下的运动目标跟踪。

基于帧间差分法和VIBE算法的运动目标检测

针对运动目标在视频序列检测时易受各种因素干扰的问题,采用TI公司的TMS320DM6446作为系统图像处理器,提出了一种基于帧间差分法和VIBE算法相结合的运动物体检测方法,并在DM6446硬件平台上实现。实验表明,在室内场景背景下,系统在满足实时性情况下能够克服光线变化等因素的干扰,准确地检测出运动目标,现场试验取得了良好的效果。

一种改进的ViBe算法结合多特征融合的阴影移除方法

由于阴影会直接影响监控系统对运动车辆的识别,因此如何有效移除阴影已成为重要的研究内容之一.常用的运动检测ViBe算法存在"鬼影"问题,从而干扰后续帧的检测效果.基于色相的阴影检测算法易受噪声干扰,且不适用于强光照变化的场景.基于纹理的阴影检测算法不依赖于颜色特征,对强光照变化的场景具有较好的健壮性.鉴于上述算法的优劣,提出一种改进的ViBe算法结合多特征融合的阴影移除方法,首先在背景模型初始化中引入高斯分布概率密度函数,并结合原ViBe算法进行模型更新,然后再结合色相和纹理特征进行特征融合,检测出阴影并最终移除阴影.实验结果表明,该方法能有效地检测出车辆且抑制"鬼影",并能在强光照等不同场合下有效地移除阴影,准确地提取运动车辆.

基于改进VIBE算法的前景检测

本文针对智能视频监控中的前景检测功能展开研究工作,研究内容主要包括核心的前景检测算法。本文首先研究图像预、后处理对系统性能的提升。在前景检测方面,本文对比多种主流算法,选择ViBe(Visual Background extractor)算法进行深入学习研究,从闪烁点判断、自适应阈值处理等方面进行了改进。

基于ViBe算法和多特征融合的摔倒检测方法

为了准确、实时地检测独居老人室内意外摔倒事件,提出一种基于ViBe算法和多特征融合的摔倒检测方法。先通过ViBe算法提取运动目标,然后用人体质心到水平面的距离、人体宽高比、人体质心变化的速度3个特征参数,分别设定阈值以判断是否有摔倒事件发生。该方法能较准确地辨别出下蹲、坐下、平躺等非摔倒行为,使得在不出现漏判的前提下误判率更低。实验结果表明,该方法易于实现,且误判率明显降低。

基于改进ViBe算法的动态目标检测

针对传统ViBe算法在动态目标检测过程中出现鬼影的问题,提出一种改进ViBe算法。利用连续多帧图像代替原有单帧图像进行与、或运算获取背景模型;加入Otsu算法,计算ViBe算法和Otsu算法的前景置信度,并对Otsu算法前景置信度设置衰减因子,双重判定并计算图像最佳分割阈值来代替传统阈值。实验结果表明:改进ViBe算法具有良好的鲁棒性。

结合ViBe算法改进与Triplet-ResNet网络实现行人重识别

行人重识别是指利用多个不同视角的摄像头对同一目标进行检测与匹配,是视频图像处理的研究热点问题之一。ViBe算法是目前视频目标检测的有效方法,具有实时性和鲁棒性较高的优点,但提取的运动目标容易出现"空洞"或者不完整。利用背景差分法对ViBe算法进行改进,并用改进的ViBe算法提取行人图片进行行人数据集构建,再使用Triplet-ResNet网络进行行人重识别。实验结果表明,该方法能完整提取行人特征,有效提高行人重识别的准确率。