一种改进的三帧差分运动目标实时检测算法

针对传统的三帧差分法提取的运动目标存在大量的噪声和空洞,提出了一种改进的三帧差分运动目标实时检测算法。该算法采用Surendra背景提取算法提取有效背景,对视频流中连续的三帧图像分别进行背景减除,得到的结果作为反馈对背景进行选择性更新,利用HSV颜色空间去除阴影后进行三帧差分,将差分结果进行“与”运行,通过将中间帧背景减除结果与“与”运算的结果进行“或”运算,这样可以得到运动目标的完整信息。实验结果表明,该算法能够快速、完整、准确地检测出运动目标,可有效应用于实时监控系统。     

连续帧间差分与背景差分相融合的运动目标检测方法

为了克服背景差分法和帧间差分法的不足,有效提高运动目标检测的准确性、实时性和检测效率,提出了一种将连续帧间差分法与背景差分法相结合的运动目标检测方法.首先通过连续帧间差分法获得连续帧差图像,然后分别通过线性的自适应滤波、非线性的中值滤波获得背景图像进行差分,之后再利用阈值分割技术实现运动目标的增强,从而有效解决背景差分法和帧间差分法中都可能出现的无法检测目标的现象.实验表明,该算法可以有效避免漏检、误检等情况,提高运动目标检测的效率和准确性.     

复杂背景下运动点目标的检测算法

在复杂背景红外序列图像中,运动点目标的检测一直是研究的重点和难点。介绍了一种新的复杂背景下运动点目标的检测算法。首先根据点目标、背景干扰和噪声在红外图像中的差异,运用窗口大小不同的均值滤波器进行背景抑制以提高图像的信噪比,然后用一种门限法得到新的分割序列图像,最后采用改进后的隔帧差分光流场算法可有效地检测出点目标。仿真实验表明该算法优于传统光流场算法,能够检测帧间位移小于一个像元的运动目标,具有较好的检测性能,且实时性强。     

基于并行隔帧差分光流场与灰度分析综合算法的运动目标检测

提出了隔帧差分的概念,并将其应用于光流场算法中,用改造后的隔帧差分光流场算法成功克服了传统光流场算法的不足(传统光流场算法不能识别帧间位移小于一个像元的运动目标).进一步对光流场计算结果与原始图像进行灰度综合分析,使目标的探测更加准确,减少了虚警和误判.采用不同间隔的序列差分构成并行识别系统结构,使整个系统能够探测各种不同速度的运动目标.实验结果表明:提出的运动目标检测算法能够准确有效地检测出不同速度的运动目标.     

结合背景差分和显著值筛选的运动检测算法

本文为降低背景干扰,提出了一种结合背景差分和显著值筛选的运动检测方法。该方法将VIBE运动检测方法看作一个前置处理过程,用于粗定位可疑目标区域。然后在这些可疑目标区域上,提出一种基于稀疏表示和组合Lasso回归的显著值计算方法,计算可疑区域图像块的显著值。最后通过滤除显著值过小的可疑区域图像块来降低背景干扰,提高运动检测的精确度指标。在Changedetection.net的数据子集上的仿真实验结果表明,该方法的召回率和精确度指标都较高,而且平均检测耗时少。     

基于FPGA的自适应阈值运动目标检测

帧间差分法是运动目标检测最为常用的方法之一,具有算法简单、数据处理量小、易于实现等优点,因而得到广泛应用。而帧间差分法通常是根据单一的光照条件设定的固定阈值以判断是否有运动物体,因此限制了其在不同光照条件下的应用。针对上述情况,以色度、饱和度、亮度(HSL)颜色空间中的亮度值为依据,建立光强-亮度-阈值表,从而以动态的阈值调整拓展了帧间差分法在不同光照条件下的应用。通过仿真和FPGA实现了该目标检测系统,并搭建了验证测试系统。实验结果表明,当光照强度为90 W/m2时,在3.0 m/s和0.5 m/s速度下,自适应阈值的检测正确率分别达到93%和95%,与固定阈值设定较大时的检测结果相近;在0.59 W/m2的低光照条件下针对上述运动速度,检测率分别达到84%和92%,与小固定阈值检测结果相近。     

基于混合高斯模型的运动目标检测方法研究

为了能够及时检测到图像场景中的运动目标,提出一种基于混合高斯模型的运动目标检测方法。借助把图像的像素值看成是前景高斯分布和背景高斯分布的组合,进行了背景估计和自适应背景更新;通过对背景差分后的图像进行多目标分割,进行了多个运动目标的检测。实验发现:随着图像序列的背景不断变化,基于混合高斯模型算法能够准确估计出变化的背景,通过将场景图像和背景图像进行差分,检测到感兴趣的运动目标。     

畸变校正与帧差法相结合的运动目标检测

提出了一种图像畸变校正与帧差法相结合的运动目标检测方法。首先利用实验测量和曲线拟合的方法对光学成像系统的畸变进行测量校正,以满足运动目标检测的精度要求;然后将畸变校正方法应用在实时获取的视频图像帧中,利用帧差法实现光学成像系统旋转运动时的运动目标检测。实验表明,该算法可行、抗噪性好,能够满足实时性需求。     

一种优化的运动目标定位与跟踪算法研究

运动目标检测与跟踪技术可实现对运动目标的检测、定位和跟踪,为更高层的视频理解和场景解释提供底层对象和分析依据,具有重要的理论意义和实用价值,已经成为各国学者研究的热点方向之一。本论文研究简单背景下的目标检测与跟踪算法,目标检测主要通过帧间差分法和背景差分法进行对比操作,目标跟踪采用矩心跟踪、重心跟踪和卡尔曼滤波法跟踪分别进行实现,此环节通过重心跟踪与卡尔曼滤波跟踪相结合的方式达到目标跟踪的目的,并且效果超越了前两种算法,而且运算较快,同时由于卡尔曼滤波算法的预测与检测性大大降低了错误率,成功地得到了优化的设计方案。     

自适应背景对消法在小目标检测中的应用

在小目标跟踪过程中，如何把目标从复杂背景中提取出来是实现跟踪的前题，根据运动背景下运动小目标的特点，提出自适应背景对消滤波法，该方法利用图像序列的相关性来检测目标。     

Small Target Detection Algorithm Based on Average Absolute Difference Maximum and Background Forecast

Detecting small targets in clutter scene and low SNR (Signal Noise Ratio) is an important and challenging problem in infrared (IR) images. In order to solve this problem, we should do works from two sides: enhancing targets and suppressing background. Firstly, in this paper, the system utilizes the average absolute difference maximum (AADM) as the dissimilarity measurement between targets and background region to enhance targets. Secondly, it uses a predictor to suppress the background clutter. Finally, our approach extracts the interested small target with segment threshold. Experimental results show that the algorithm proposed has better performance with respect to probability of detection and less computation complexity. It is an effective small infrared target detection algorithm against complex background.     

MPEG-4视频中运动背景下的目标检测算法

针对由运动摄像机捕获的MPEG-4视频流中的运动目标检测问题,提出了一种直接利用压缩视频码流进行全局运动估计的新算法.算法从全局运动估计的基础出发,利用背景宏块运动相似性的特点快速建立背景宏块集合并采用常用的四参数全局运动估计模型估计运动参数.最后,计算运动矢量残差,通过对运动矢量残差的筛选检测运动日标.算法利用MPEG-4码流中蕴含的运动信息.不需要对压缩流完全解码,较大地提高了检测效率;进一步改善了检测效果.实验验证了提出的全局运动估计算法的检测效率和检测效果.     

融合ViBe与帧差法的交叉路口多车辆检测方法

前景检测的精确程度是交叉路口车辆检测的重要因素,传统的基于背景建模的前景检测方法存在拖影现象,并且通常难以分辨出无牌车辆,针对上述问题,提出一种融合ViBe与帧差法的前景检测算法,并在此基础上结合车牌检测算法来检测场景当中的车辆。首先,结合帧差法和ViBe算法对背景像素点的判定结果,采用不同更新因子更新背景模型,其次,使用一种多条件过滤车牌检测算法定位运动区域当中车牌,最后,以检测到的车牌中心为锚点,定位出最终车牌区域。实验结果表明,该前景检测算法可有效应对交叉路口场景下的前景检测的拖影现象,同时车辆检测算法可以准确检测出进入场景时的车辆,并分辨出无牌车辆。     

基于运动检测的多车辆跟踪方法研究

针对交通监控场景中多目标粘连造成跟踪上的困难和前后两帧车辆关联困难,提出了区域运动相似性分割方法和相似度关联矩阵的解决方案;在运动目标检测过程中, 首先使用背景差分法提取运动区域,经过消除缺口、空洞和分离等处理,在运动区域所在范围内进行块匹配搜索和局部光流计算区域运动矢量,然后使用模糊聚类方法对运动矢量区域融合,完整的分割出粘连运动目标;在目标跟踪部分,目标跟踪建立在目标关联的基础上,提出建立连续两帧目标间距离和局部二元模式相似度关联矩阵的方法进行运动目标标定,从而实现多目标关联;使用公共视频库的图像序列进行测试,所提算法都能实现连续的跟踪和准确的运动目标分割,且处理速度快,表明了算法具有鲁棒性和适用性。     

Analog Integrated Circuit for Motion Detection of Approaching Object Based on the Insect Visual System

A network for detection of an approaching object was proposed and fabricated based on the transient response of a descending contralateral movement detector (DCMD) existing in the brain of locusts. The proposed network was constructed with simple analog circuits. The experimental results of a test chip fabricated with a 1.2 $mUm complementary metal-oxide-semiconductor (CMOS) process and the results with a simulation program with integrated circuit emphasis (SPICE) showed that the proposed network is able to detect the approach by generating a peak current just before collision; the peak current allows detection of the approaching velocity and direction without collision. The proposed network could be applied to two-dimensional arrays for three-dimensional motion detection.     

基于光流直方图的云背景下低帧频小目标探测方法

对低帧频、云层背景下,低信噪比的弱点目标探测率降低的问题.提出了光流直方图(OFH)的定义.并且给出了OFH的性质.分析了低帧频下红外图像探测弱点目标时探测率降低的原凶,提出了一种基于OFH背景补偿的红外点目标探测算法.利用OFH得到背景的运动欠量.进行运动背景补偿;然后利用目标与云层运动差异性,得到帧间比较结果,并对比较结果通过Robinson滤波器进一步滤除残留的边缘,达到降低虚警的目的.实验结果表明,该算法中以显著提高往复杂背景下红外点目标检测概率,并凡能够探测出信噪比为1的目标.     

Domain-Specific On-Device Object Detection Method

Object detection is a significant activity in computer vision, and various approaches have been proposed to detect varied objects using deep neural networks (DNNs). However, because DNNs are computation-intensive, it is difficult to apply them to resource-constrained devices. Here, we propose an on-device object detection method using domain-specific models. In the proposed method, we define object of interest (OOI) groups that contain objects with a high frequency of appearance in specific domains. Compared with the existing DNN model, the layers of the domain-specific models are shallower and narrower, reducing the number of trainable parameters; thus, speeding up the object detection. To ensure a lightweight network design, we combine various network structures to obtain the best-performing lightweight detection model. The experimental results reveal that the size of the proposed lightweight model is 21.7 MB, which is 91.35% and 36.98% smaller than those of YOLOv3-SPP and Tiny-YOLO, respectively. The f-measure achieved on the MS COCO 2017 dataset were 18.3%, 11.9% and 20.3% higher than those of YOLOv3-SPP, Tiny-YOLO and YOLO-Nano, respectively. The results demonstrated that the lightweight model achieved higher efficiency and better performance on non-GPU devices, such as mobile devices and embedded boards, than conventional models.     

Analog Integrated Circuit for Motion Detection against Moving Background Based on the Insect Visual System

A network for displaying the velocity signal of a target edge which has larger velocity than the background was proposed and designed based on an insect visual system. In the insect visual system, the velocity signals generated by the background are inhibited by the signals generated by averaging the velocity signals from each cell and can only display the velocity signals of the target. The proposed network was constructed with simple analog circuits. The measured results of the test chip fabricated with the 1.2$mUm complementary metal-oxide-semiconductor (CMOS) process showed that the edge detection circuit inserted to the first stage of the proposed network can detect the edge position. It was apparent from the measured results of the test circuit constructed with discrete metal-oxide-semiconductor (MOS) transistors that the proposed unit circuit constructing the network can generate the velocity signals by inputting the edge signals. The results with the simulation program with integrated circuit emphasis (SPICE) showed that the proposed network can only display the velocity signals of the target edges but not those of the background. Thus, it was clarified that the various motion directions of the target can be detected independent of the background by using the proposed network.     

基于光谱空间变换的遥感图像目标探测方法研究

针对遥感图像在频率域中的表征,提出了一种基于光谱空间变换的遥感图像目标探测方法。该方法首先利用傅里叶变换,将遥感图像从空域转变到频率域;然后利用频谱能量楔状采样和谐波叠置等手段,将不同频谱能量所表征的目标特征信息分解到不同的高、低频段中,由此获取对应目标特征在频率域中的探测标志;最后结合在频谱能量上具有方向和频带选择性的匹配Gabor滤波器,实现了居民楼地物目标的有效探测。试验结果表明,文章所提出的方法能够较好地探测遥感图像的目标信息,并且具有特定方向上目标检测的能力。