一种改进的ViBe背景提取算法

背景生成算法通过提取视频场景背景的方法,检测出运动的前景对象,在智能视频监控应用中具有重要的意义。针对Vi Be背景提取算法,文中提出一种改进方法。在样本采集方面,提出了利用高斯分布在像素点的邻域中进行采样的方法;在样本更新方面,提出自适应概率的随机子采样方法;在背景生成方面,构建样本集的像素直方图,提出了通过颜色直方图和Mean Shift迭代进行背景生成的方法,并结合时空域的像素信息进行前景检测。具体描述了改进的Vi Be背景生成算法,并通过实验比较了改进算法与Vi Be背景提取算法的效果。结果表明,改进的Vi Be算法在背景生成和前景提取方面均达到了更好的效果。

复杂背景下的结构光条纹中心提取算法研究

线结构光三维扫描建模系统中最关键的一步是提取光条中心线,但环境中各种因素的干扰给中心线提取带来困难。针对线结构光条纹图像存在光斑干扰、光强分布不均、光条宽度差别大、背景复杂等多种问题,提出解决方案。首先采用Otsu对结构光图像二值化;其次采用改进DBSCAN(density-based spatial clustering of applications with noise)算法保留核心点,去除边界点和噪声点;最后将核心点作为输入,构建图数据结构,采用适用于线结构光条纹图像的最短路径搜索算法得到光条中心线。实验结果表明,该算法运行时间在150 ms以内,误差在0.2像素以内,并适用于多种复杂环境,满足实时性、准确性和稳定性的要求。

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。

基于改进ViBe的自适应运动目标检测算法

针对ViBe算法无法去除动态背景,易出现鬼影及不能自适应光照变化的问题,提出一种复杂环境自适应的ViBe改进算法。通过计算区域的复杂度、闪烁波动度,对分类半径R和更新率T进行动态调整,对样本点进行有效性权重的计算,更高效地过滤背景噪声和适应光照渐变;在检测物体状态变化时,动态调整R和T,通过融合前景点计数和帧差法优化鬼影消除;通过识别最小外接矩阵区域差异加快去除鬼影;利用帧差法实时检测光照突变,及时进行重新初始化,避免大量误检。实验结果表明,改进ViBe算法在适应动态背景、光照变化及抑制鬼影等方面比原算法均有更好检测效果,检测精度平均提升了40.7%。

基于差分均值背景提取和矩阵分区目标检测算法的研究

为提高对车辆图像的检测程度和实时性,针对智能交通系统,通过对实时路况的信息采集和视频图像的处理,提出了一种基于差分均值的背景提取计算方法和矩阵分区域的阴影检测方法,最终得到一个视频车辆的检测原型,从而实现对运动车辆的检测.实验结果表明,此种方法简单、计算量小、鲁棒性高,能快速地提取出背景图像,检测出比较完整的车辆阴影,可满足多运动目标的实时检测要求.

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.

融合改进帧差和视觉背景提取算法的前景检测

视觉背景提取算法背景建模速度快,受噪声影响小,但是该算法容易产生阴影,且无法快速有效的去除鬼影.针对上述问题,提出了一种融合改进帧差法和改进视觉背景提取的算法.该方法采用帧差的实时特征化方法,将帧间差分图像与视觉背景提取差分图像进行逻辑运算来去除鬼影,同时视觉背景提取算法在判断前景时采用了自适应阈值的方法.通过计算候选前景与背景的亮度、色度和饱和度的变化比率进行阴影检测并将其去除,并对产生的前景图进行开闭操作去除残余的噪点以及填充目标区域的空洞.实验结果表明,改进的算法能够加快鬼影的消除,并且能有效地去除目标阴影.

基于帧差与统计法的运动目标背景图像提取算法

针对一般背景提取算法运算复杂、实时性差等缺点,提出了一种新的基于帧间差分与选择性统计相结合的背景提取算法.通过帧间差分和统计,对图像进行分块选取,削弱了运动物体和噪声对于像素分布的影响.实验表明,上述算法所取得的背景效果良好,并可快速有效地对背景进行提取和更新.

一种基于直方图统计与多帧平均混合的背景提取算法

介绍了背景的提取与自适应更新的算法,提出了一种基于直方图统计与多帧平均混合的算法。这种算法克服单纯的多帧图像在车流量多、车速低时出现拖尾和模糊的现象,且相对于混合高斯模型,其计算复杂度较低。该算法已通过TIDM642DSP硬件平台实现,实验图像结果表明,该背景提取算法的速度快,且符合实际场景。

一种基于改进视觉背景提取算法的前景检测

针对视觉背景提取ViBe算法在前景检测中存在的鬼影现象且长时间难以消除的缺点,提出一种改进的视觉背景提取算法。首先,在视频前n帧序列的帧差法中,引入大津(OTSU)算法求自适应阈值,以分割出更为准确的前景区域;其次,利用去除前景区域的前n帧图像合成一张尽量少的包含前景区域的样本图像;最后利用扩展的邻域范围在合成的样本图像中对模型初始化,并把扩大的范围用在ViBe背景模型更新阶段。该算法与各种经典算法在大量视频库中进行了对比实验,仿真结果表明,改进的ViBe算法能快速消除鬼影对前景检测的影响,前景检测更为准确。

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。

基于ViBe算法的鬼影消除与自适应前景检测策略

为了解决传统视频背景提取算法(Visual background extractor,ViBe)前景检测时易受“鬼影”、背景噪声等因素干扰的问题,结合感知哈希算法、帧差法与频域协调显著性检测算法,提出了一种改进的ViBe算法。首先,利用当前帧的显著性图像与帧差图像,实时确定运动目标区域,消除“鬼影”现象。其次,根据样本集信息得到背景复杂度,自适应调节像素分割的半径阈值。最后,通过目标图像中连通域像素数量进行前景二次检测,滤除背景像素与噪声,得到真实目标图像。实验数据显示,检测后的图像在保持有较高准确率的同时F-measure值也维持在较高水平,证明改进算法可以快速消除鬼影现象,提高动态场景下的适应性。

基于Closed-Form抠图算法的复杂背景下植物叶片提取

植物叶片提取是一种将拍摄到的植物叶片与其周围景物分离的技术,它为计算机技术在植物叶片检索中的应用提供了基础数据和技术支撑。由于自然场景下拍摄的植物叶片往往含有复杂的背景信息,这使得植物叶片提取成为一项比较复杂的工作。分析复杂背景下植物叶片提取的难点,针对现有的基于图像分割提取技术存在的缺陷,将Closed-Form抠图算法引入其中并提出1种基于Closed-Form抠图算法的复杂背景下植物叶片的提取方法。该方法首先需要用户对具有复杂背景的叶片图像添加一定的约束条件,然后通过估算未知像素的透明度α对其进行前景与背景的确认,从而较好地将具有复杂背景的植物叶片提取出来。试验对比结果表明,该方法效果较好。

一种适应城市交通道口的改进型自适应背景提取算法

介绍了背景的提取与自适应更新的算法,提出了1种基于直方图统计与多帧平均混合的算法。这种算法克服单纯的多帧图像在车流量多、车速低时出现拖尾和模糊的现象,且相对于混合高斯模型,其计算复杂度并不大。该算法能够利用现有的TIDM642DSP硬件平台实现,实验图像表明其结果与前2种算法相比,提取的背景更符合实际场景。

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。

基于改进的ViBe和YOLO v3算法的行人检测方法

针对传统视觉背景提取(visual background extractor,ViBe)算法在进行行人检测时会产生鬼影的缺点,本文提出了一种基于改进的ViBe和YOLO v3算法的行人检测方法。利用改进的YOLO v3算法YOLO v3-SPP(spatial pyramid pooling)对ViBe算法的初始化策略进行改进以消除鬼影。运用YOLO v3-SPP算法对首帧图像进行行人检测,使用本文提出的行人消除方法将检测出的行人进行消除,并将输出图像代替ViBe算法的首帧,从而达到消除鬼影的目的。经过分析和实验验证,结果表明该算法能够有效解决鬼影问题。

基于双帧差分的自适应背景提取算法的分析与实现

本文阐述了一种帧差方式的自适应背景提取算法.该算法先用当前帧(IK)和参考背景图像进行差分,获得第一次的背景更新;然后通过用当前帧和其帧间距为N的前两帧图像(IK-N和IK-2N)分别差分,对第一次更新后的背景再进行修正后取代原来的参考背景.实验结果表明用该算法提取和更新背景的速度快,具有较好的鲁棒性和准确性.

基于帧差与统计法的运动图像背景提取算法

背景提取是摄像头静止的运动图像处理的基础技术之一。针对一般背景提取算法运算复杂、实时性差等缺点,提出一种新的基于帧间差分与选择性统计相结合的背景提取算法。通过帧间差分和统计,对图像进行分块选取,削弱运动物体和噪声对于像素分布的影响。实验表明,该算法所取得的背景效果良好,并可快速有效地对背景进行提取和更新。

一种静态背景下的运动目标提取算法

为了对静态背景下的运动目标进行快速、准确的提取 ,提出了一种新的运动目标自动提取算法 .该算法在传统的亮度信息的基础上 ,通过引入色差信息来作为预分割的参考 ,取得了较好的预分割效果 ;然后通过改进传统的 canny算法 ,使之能处理含有时间关系的两帧图象 ,以此来获得物体的精细边缘 ;最后设计了一种辅助边缘提取方法 ,结合精细边缘 ,以此来得到运动物体的连续边界 .实验表明 。

基于改进视觉背景提取算法的前景检测

针对经典的视觉背景提取(visual background extractor,ViBe)算法在首帧出现运动目标会引入鬼影以及面对复杂场景表现出检测不佳等问题,提出一种以ViBe算法为基础的改进算法.采用多帧初始化背景模型的方式,为背景模型引入可靠真实的背景样本,从而快速消除鬼影;前景检测阶段,以背景扰动指数衡量背景的扰动程度,出现背景扰动的情形以自增适应因子适当增大分类阈值;对于发生光照突变算法表现敏感问题,采取统计前后帧像素点差异个数判断是否发生光照突变,若发生了光照突变采用当前帧重新初始化背景模型.实验表明,本文算法在抑制鬼影以及适应复杂场景上相比ViBe以及其它算法都有较好的表现.