一种基于颜色通道运算的去背景方法

为降低实时图像识别中去背景方法的计算复杂度以提升用户体验,基于通道运算,提出一种轻量级的去背景方法。研究围绕通道运算的概念和相关性质,利用彩色图片各通道之间的关系,通过简单算术、关系运算即可实现目标像素点的选择,避免使用空间距离公式、梯度等较为复杂的计算形式,有效降低了计算复杂度。理论与实验结果均表明,在前景主色调单一的应用场景下,该方法能够在较低的计算复杂度下选取目标像素,高效地实现去背景,在与图片处理相关的实时智能应用中,有助于提高用户体验。

On Segmentation of Moving Objects by Integrating PCA Method with the Adaptive Background Model

Tracking and segmentation of moving objects are suffering from many problems including those caused by elimination changes, noise and shadows. A modified algorithm for the adaptive background model is proposed by linking Gaussian mixture model with the method of principal component analysis PCA. This approach utilizes the advantage of the PCA method in providing the projections that capture the most relevant pixels for segmentation within the background models. We report the update on both the parameters of the modified method and that of the Gaussian mixture model. The obtained results show the relatively outperform of the integrated method.

复杂背景下人体步态分析方法

为了获得复杂背景下的人体步态信息,提出了基于超像素分割的步态提取方法,通过对关键帧步态能量图构造Gabor二维滤波器对步态能量图进行卷积提取特征,构造5个尺度,8个方向共40个Gabor滤波器组与步态能量图进行卷积操作特取特征,为了更有效地表征特征数据,使用主成分分析进行特征降维,最后选取无监督的分类方法-K均值聚类法进行分类识别,实验结果表明,该方法能够实现步态的有效识别。

中心像素加权的无锚框孪生网络跟踪器

为解决SiamRPN++超参数多,对相似背景干扰的判别性不强等问题,提出一种中心像素加权的无锚框孪生网络跟踪器(CPW-Siam)。引入无锚框回归方式,直接在像素点上预测目标框,避免超参数过多的影响;对像素点进行更精确的样本划分,使正样本像素点包含的背景更少,提升特征判别能力;通过中心加权采样,体现正样本像素点不同的关注度,使跟踪器能够做出更精确预测。在VOT2018数据集上的实验结果表明,CPW-Siam的EAO相较SiamRPN++提高了4.5个百分点。

一种抗遮挡的红外多目标实时检测跟踪算法

针对红外多目标检测跟踪中目标遮挡问题和算法实时性与准确性难以兼顾的不足,提出一种快速准确且抗遮挡的红外目标检测跟踪算法。在目标检测阶段,提出一种基于RAS(running Average with selectivity)背景更新的中值滤波背景差分算法。该算法采用中值滤波法建立背景图像,通过引入反馈思想与滑动时间窗模型,使背景更新的实时性与鲁棒性得到改善。同时,为了有效解决目标遮挡难题,提出一种像素投影分离算法,通过对粘连目标的投影曲线进行分析来实现粘连目标的分离。在目标跟踪阶段,通过采用滤波加权均值移位算法,从而有效克服红外目标描述信息不足的缺点。同时,将该算法与Kalman滤波融合,最终实现红外多目标的快速准确跟踪。在不同红外测试集上实验结果表明,所提算法的检测率与正确跟踪率分别提高到91.05%、83.78%,运行速度达到32帧/秒,在抗遮挡性、实时性、准确性与鲁棒性等方面均优于现有的主流算法。

基于像素的背景建模方法综述

将背景减法中应用的基于像素的背景建模方法分为递归和非递归两类,分别对它们的算法进行综述,总结它们适用的场合和更新状况;并对各种算法性能从精确度、时、空复杂度3个方面进行比较;最后对背景建模方法的发展和应用方向作总结和展望。

家庭安全监控的实时异常检测与分类算法

同时具有好的实时性和稳健性是基于视频的安全监控系统异常检测算法的难点问题 .在家庭安全监控系统中同时利用像素的亮度分量和色度分量检测变化像素 ,解决摄像镜头由于大尺寸对象闯入引起的图像背景变化造成运动对象检测失败的问题 ;提出一种实时运动对象分类算法 ,综合利用开关灯检测、运动距离分析和皮肤探测多种方法 ,区分是否出现影响家庭安全的事件 ;提出 3关键值背景维护算法 ,用于消除背景振动像素 ,减少虚假报警 .实验表明 。

视频交通场景的背景生成方法研究

通过对视频交通场景特点的分析,提出了基于视频技术的交通场景背景生成及其更新方法——背景相异像素迭代法。并通过试验和与其他算法进行比较,证明了该算法背景生成和更新的可行性和先进性,解决了在交通流密度比较大的情况下难以进行背景生成和更新的问题。本算法对于提高交通视频检测在实际应用中的准确性和适用性具有重要的意义。

彩色栅格地图矢量化方法研究

采用分区梯度模糊检测方法可以解决梯度边缘检测和模糊边缘检测方法在滤除背景时缺失前景要素的现象。利用提出的最优分量分色法,可以成功分离提取出前景要素;而在对提取出的线性要素进行细化时,提出了一种基于梯度特性的细化方法,得到的要素能很好地体现线性信息;采用现有的数学形态学方法对得到的细化要素进行后处理,最后得到了能够清晰表示要素特征的地图前景要素像素。

基于像素值聚类的运动目标检测方法

提出了一种基于像素值聚类的运动目标检测方法。在RGB空间进行背景提取,将一幅图像中的每个像素点在时间轴上进行聚类,提取背景模板;之后采用当前图像与背景模板进行比较,从而检测出运动目标,并同时进行背景模板的更新。在此过程中采用了模板替换机制以节约存储空间;在背景建模部分加入结束判定部分,以自适应的建立背景模板。相比于经典的混合高斯(GMM)和codebook方法,该算法的运行时间至少缩短了1/4,提高了检测速度。实验结果表明,该算法能够在不同条件下快速准确的检测运动目标。

基于像素概率模型的背景分割算法

背景分割的目的是提取出图像中感兴趣的前景区域 ,本文提出了一种基于像素概率模型的背景分割算法。该算法利用高斯混合模型描述每一被观察像素的近期色彩历史 ,根据分类原则确定当前帧中每一像素的类别 ,利用在线EM算法更新模型参数。实验结果表明 ,本文提出的算法可以鲁棒地分割出动态场景中的前景和背景。

改进的混合高斯自适应背景模型

混合高斯背景模型是背景建模领域最常用的构建算法,针对该方法在实际应用中的缺陷,提出了2点改进措施:像素过滤方法和按背景演变过程进行划分的自适应学习率方法.像素过滤方法记录某点像素值在一个短时间段内的变化情况,对其进行统计分析,根据均值和方差过滤掉快速运动目标的动态干扰像素,增强算法的鲁棒性;新的自适应学习率方法将背景的形成过程划分为4个阶段,对不同的阶段使用不同的学习率,加速背景的形成和消退.应用改进后的算法在两段街道监控视频中同原算法进行了对比实验.实验结果表明,改进方法在视觉效果上有着显著提高,背景形成迅速、清晰.改进方法增强了算法的抗干扰能力,提高了背景的形成和切换速度,可以作为基础算法应用于相关视觉处理之中.

基于背景重构和阴影消除的运动目标分割

背景差分法是一种重要的运动目标分割方法,但是其不仅对背景质量的要求较高,且易将运动阴影误检测为前景目标。针对上述问题,提出了一种用于智能交通系统的新的运动目标分割方法。该方法首先在RGB空间对像素灰度归类法进行了改进,并用其提取了背景图像,同时结合选择更新和背景调整来实时更新背景;然后对背景差分图像的RGB灰度之和,通过设定阈值来提取运动区域;最后对提取的目标阴影混合区在HSV空间,分别进行自上向下、自左向右及其反方向的色调、亮度及边界交叉点判别,以实现阴影检测和消除。实验结果表明,该新方法能获得高质量的重构背景,并能消除阴影(尤其是暗色目标的阴影),因此可提高目标的分割质量。

一种改进的快速目标检测算法

提出一种基于视频序列的快速目标检测方法,通过ViBe(visual background extractor)算法对背景像素进行建模。利用视频第1帧完成背景模型的建立,采用无记忆更新方式更新背景模型像素,以此来消除"鬼影",并基于图像形态学和YUV彩色空间来消除阴影对目标检测的干扰,标记出目标。在此基础上,利用图像形态学处理技术对原算法进行改进,并通过实验进行对比,验证了算法的可行性。

基于视频流连续性的快速运动目标检测方法

提出了一种基于视频流连续性的快速运动目标检测算法。对于背景模型的建立,在原有像素归类背景重构算法的基础上,基于视频流的连续性,选择性使用训练阶段背景至少在50%的时间内可以被观测到的前提假设,提出了一种改进的快速背景重构算法,在准确建立背景模型的同时,有效地减少了运算时间。对于运动阴影的干扰,采用基于RGB色度比例的色度差分算法,能快速有效地去除运动阴影,最终实现运动目标的快速提取。实验结果证实了所提算法的有效性。

基于块直方图分析的视频背景提取方法

在基于像素的直方图分析背景提取的基础上,提出了基于块的直方图分析背景提取方法.该方法在提取背景像素时利用了时域帧间像素的统计特性和帧内局部区域像素的相关性,在直方图分析时不是统计图像中的单个像素点,而是2×2的块,从而显著地减小了利用直方图分析提取背景时的计算量.给出了基于块的方法与普通基于像素的直方图分析背景提取方法的对比试验.试验结果证明了该方法具有提取背景速度快、背景质量好的优点.

基于背景像素突变检测的交通标志图像分割

为了提高交通标志图像处理过程的效果与效率,根据交通标志图像色彩饱和度空间的灰度直方图中包含的点灰度与区域灰度信息,提出了一种有效确定交通标志图像全局分割阈值的算法。首先分析了基于交通标志图像色彩饱和度空间灰度直方图的一种倒溯标准差的变化规律;然后在此基础上提出了如何选取全局图像分割阈值的方法,并采集了大量交通标志图像进行实验验证,同时,与另外两种在HIS空间下常用的图像分割方法的分割效果进行了对比;最后对算法中的部分参数与实验结果进行了分析,并指出了下一步的研究方向。该算法是一种有效的交通标志图像阈值选取方法,可推广到图像处理其他方面的应用。

复杂场景中基于对象的运动目标检测方法

基于像素层面的混合高斯背景建模方法不能很好的解决动态背景中的运动目标检测问题。由于背景像素运动的复杂性,该方法很难将动态背景建入模型,会造成大量的误检。本文在混合高斯背景建模的基础上,通过空域和时域对动态背景产生的误检进行抑制。在空域运用MRF模型和混合高斯模型分别计算像素点的先验概率和类条件概率,通过结合像素点的先验概率和类条件概率完成前景图像的分割,在很大程度上去除了小面积的误检;在时域通过目标的运动持续性,运动显著性和面积变化稳定性三个目标特征过滤大面积的误检。通过实验表明,在保证较高检测精度的情况下,该方法能够在很大程度上抑制动态背景产生的误检。

红外图像盲元自适应检测及补偿算法

基于场景的盲元检测与补偿算法能有效地克服固定和随机盲元造成的图像亮点与暗点,提高探测器成像质量。通过将待检测图像分解为盲元目标和一般背景,建立迭代修正的背景预测模型提高预测准确度,并根据盲元和正常像元的残差能量统计差异完成单帧图像盲元检测。依据盲元缓变特征,利用建立的背景预测模型和盲元检测结果设计补偿算法,实现了单帧和序列图像的快速盲元补偿。结果表明:该算法对孤立和连续盲元均能准确检测,校正效果好,是一种有效、实用和易于软、硬件实现的在线检测及补偿算法。

基于流行排序的前景背景显著性检测算法

为准确提取图像显著区域,提出基于流行排序的前景背景显著性检测算法。首先,采用SLIC(simple linear iterative clustering)方法对经平滑处理的图像进行超像素分割。然后以超像素作为图中节点,采用自适应参数计算节点之间的权重以解决因采用固定值导致的图像效果不理想的问题。其次,在计算背景查询节点时,通过阈值剔除边界超像素中不属于背景的像素,以保留合适的查询节点,避免因显著目标位于图像边界而错把非背景像素标记为背景查询节点的问题。最后,因前景优先方法可以有效抑制背景噪声,而背景优先方法对背景噪声抑制不足,但可均匀突出前景目标。因此,采用相乘或者取平均的方式融合前景背景显著图以得到最终的显著图。在公开数据集MSRA、SED2及ECSSD上与其他算法进行实验对比,实验结果证明了算法的有效性。