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。

基于融合帧间差的改进Vibe方法

Vibe(Visual background extractor,视觉背景提取)算法速度快,能有效抑制噪声,但是也有缺陷,比如无法有效去除运动目标阴影,且不能快速去除"鬼影"区域。针对上述问题,提出了一种基于融合帧差法的改进Vibe算法。利用新的帧差法,提出如下改进:在灰度空间进行前景检测并利用亮度信息去除运动目标的阴影;巧妙运用帧差法的特性,利用两种方法所得的背景进行"与"操作,快速去除Vibe产生的"鬼影"。最后用形态学方法对检测结果进行改善,给出实验验证结果。结果表明,文中提出的改进方法可以很好地去除阴影,并能快速去除"鬼影",从实际效果上提高了算法的可靠性和检测的准确性。

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。

基于改进ViBe算法的园林游客检测研究

传统的视觉背景提取算法中存在阴影敏感、前景点误判、前景空洞等问题。为了更好地提取园林游客的前景,在研究分析多种背景建模方法的基础上,提出一种Lab颜色空间下改进的ViBe游客检测算法,对算法的准确性和鲁棒性进行了测试。实验结果表明,该算法通过建立实时更新的背景模型,提高了游客检测的准确率,能够有效地适应光照变化并且能够去除阴影。针对园林内不同地点的复杂场景,改进的ViBe算法具有更好的检测效果。

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算法的运动目标检测方法研究

基于视频的运动目标检测算法研究是目标检测的重要分支之一,ViBe算法是一种传统的目标检测算法,能够快速地分离出图像的前景与背景,在环境没有波动时能产生很好的效果,但一旦环境发生变化,如受光照,噪音的影响就会产生鬼影,导致目标形状严重变形。本文提出基于ViBe算法的改进方法,该方法克服了针对运动的视频处理时ViBe算法产生阴影的缺陷,增强了对检测物体形状识别的效果。实验和仿真结果证明,经过改进后的ViBe算法在保证目标检测速度的同时对目标识别的准确率得到了提升。

基于改进Vibe算法与多特征的智能交通系统

基于计算机视觉技术对道路交通视频中的运动目标进行分类。针对目标分割过程中的光线变换及分类效率问题,主要采用贝叶斯网络模型以及合适的前景提取模型以提高精度。提出一种改进的Vibe算法对运动目标进行检测,通过提取目标长宽比、Hu不变矩以及离散度特征等对目标进行分类。最终实验结果正确率在80%以上,说明该智能交通系统可以有效识别出运动目标,且具有较强的鲁棒性与适应性。

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。

基于改进ViBe算法的船舶检测与追踪

针对船舶行驶安全性和稳定性,对内河船舶建立精确的背景模型、获取实时的更新背景、做出关键且稳定的检测和跟踪显得尤为重要。通过改进的VIBE算法并耦合MEANSHIFT跟踪算法相结合对行驶的船舶进行背景建模与前景检测、协同跟踪船舶行驶方向,能够更好地实现事故预警,从而避免与其他船舶的碰撞。实验应用表明:在嘉陵江流域运动船舶的检测过程中,该算法表现出实时性好、精度高的优点,在判断船舶是否顺利通过水闸时也同样适用。

一种新的基于ViBe的运动目标检测方法

针对ViBe运动目标检测算法在实际环境中存在无法消除鬼影、阴影等干扰的问题,结合三帧差分、边缘检测等技术,提出了一种ViBe改进算法。预处理阶段通过三帧差分获得真实背景并消除鬼影,运动目标检测阶段结合先验知识和边缘检测方法获得真实的运动目标以消除阴影,目标描述与跟踪阶段运用像素标记分割方法得到目标描述并实现目标跟踪。实验结果表明,新方法在消除鬼影、阴影等干扰方面表现出了优越的性能,在交通监控实时视频流中具有理想的车辆检测和跟踪效果。

基于运动与模糊特征的红外热成像烟雾检测

在焦化企业生产过程中会产生大量烟雾,排放、泄漏会对自然环境造成污染危及生命生产安全。针对热成像视频对比度低、纹理度差等特点,本文采用烟雾具有运动与模糊特性来进行检测。提出计算每帧图像的噪点度来改进Vibe检测算法的固定阈值,从而可更完整地将移动目标区域检测出来。将整幅图像划分为块区域图像;结合运动区域来提取该区域内的模糊与噪点比值、FFT计算模糊度所计算特征训练生成烟雾分类器;对实验视频进行检测,平均准确率达到94.53%。结果表明,本文所提算法对焦化企业红外热成像视频烟雾检测的准确性和实时性,具有良好的抗干扰能力。

基于DSP的铁路智能视频监控系统的研究

针对铁路复杂环境的视频运动目标检测易受影响的情况,采用TMS320DM8168 DSP处理器,提出一种融合三帧差法和自适应的VIBE改进算法,采用SUSAN边缘检测算子、形态学算子处理、中值滤波后处理进行运动目标检测,并转化成HSV空间模型,将图像处理算法移植到DM8168平台上,在铁路沿线复杂的场景下,能够实时地准确检测出视频中运动目标,有效地消除空洞和鬼影,实现良好的鲁棒性。