视频序列中运动目标检测与跟踪方法研究

提出了一种从摄像头获取的彩色图像中准确地检测出运动目标并进行实时跟踪的算法。首先将采集到的彩色视频图像序列转化为灰度图像,研究了几种图像锐化方法并进行了比较。然后进行帧间差分和阈值分割,成功分离出运动目标。最后采用投影法得到运动目标的大小及位置。实验结果表明,提出的运动目标检测与跟踪方法简单、有效、实时性高。     

视频序列中的运动目标检测与跟踪

提出一种视频序列中的运动目标检测跟踪算法。该方法采用直方图统计与多帧平均混合作为动态背景更新法,经过噪音消除、形态学处理、阴影处理后,用区域标记法提取目标。利用目标特征参数建立目标数组,通过当前帧目标数组和前一帧目标数组距离匹配实现运动目标的快速跟踪。该方法与传统方法相比具有更好的学习能力,从而有效地提高了运动目标检测的正确率和快速性。实验结果表明该方法具有良好的鲁棒性和自适应性。     

视频序列中目标的检测与跟踪

视频序列中,为降低背景变化对目标的检测与跟踪产生的影响,提出了一种新目标检测与跟踪算法。首先,以像素为基础建立时间序列背景模型,提高了目标检测的精度。然后,采用KD-tree算法进行目标跟踪,获得了运动目标的完整路径。实验结果表明,该方法在视频序列目标的检测与分析中,适应环境变化的能力强,达到实时处理的效果。     

视频运动目标跟踪系统设计

文设计了一种可应用于静止背景下进行动态视频目标跟踪的系统。首先通过CCD摄像头采集动态图像序列,然后通过图像格式转换、中值滤波、边缘检测以及匹配跟踪对采集到的动态图像序列进行处理,最后得出运动目标的位置信息。本文所设计的系统与传统的基于PC机的视频运动目标跟踪系统相比,具有更快的图像处理速度和更高的实时性。     

基于OpenCV的交通视频运动目标检测与跟踪

智能交通系统（ITS）是目前世界交通运输领域正在研究和广泛关注的课题。OpenCV是一种用于数字图像处理和计算机视觉的函数库,由Intel公司开发。本文在目标检测方面,对采集到的交通视频进行灰度化、中值滤波、背景建模、二值化,背景差分等处理,可以较准确地检测出运动目标。在目标跟踪方面,提出了CamShift算法和Kalman滤波器相结合的方法,实现视频车辆的精确跟踪。最后,利用OpenCV的运动物体跟踪的数据结构、函数库,建立了一个视频车辆分析系统。用于道路上车辆的检测与跟踪,并具有良好的鲁棒性。     

视频序列中运动目标跟踪问题的研究

针对视频序列中运动目标跟踪的实时性问题,提出了一种改进的SIFT算法,即对SIFT算法生成的高维特征向量采用PCA直接进行降维。这种算法可以降低特征点的维度,提高特征点的匹配速度,计算量小,比较简单。实验结果表明该方法具有良好的实时性。     

视频序列中运动目标检测技术

本文提出了一种视频序列中运动目标检测的方法。首先,通过估计相邻两帧之间的相对噪声的特征参数检测出运动变化区域,然后结合当前帧的边界信息确定运动目标的边界位置,最后根据边界位置检测和提取出运动目标。实验结果表明,本文的方法能有效地检测出和提取出运动目标并具有较强的稳健性。     

基于SOPC的视频运动目标检测跟踪系统

文章是以Nios II处理器为中心的视频运动目标检测跟踪系统,通过CMOS图像传感器采集视频图像信息,采用帧间差分法检测运动目标,形心跟踪算法对目标进行跟踪,最后在VGA显示器上显示视频中运动物体。实验结果表明,该系统可达到运动目标检测跟踪的理想结果。     

基于运动检测的目标跟踪算法研究

运动目标检测与跟踪主要分为目标检测和目标跟踪,首先摄像机进行图像采集并预处理,然后提取出运动目标特征值与后续图像帧中的区域特征值分析相关性,确定运动目标的运动轨迹。主要介绍了几种基本的目标检测算法和目标跟踪算法,并对运动目标跟踪算法的研究前景进行了展望。     

基于改进高斯混合模型的体育视频运动目标检测与跟踪

针对当前体育视频运动目标检测存在的弊端,提出改进高斯混合模型的体育视频运动目标检测与跟踪方法。通过分析高斯混合模型的弊端,保留原有的"背景重建-模型更新-背景更新-目标检测"处理进程,将彩色图像转换为灰度图像,在像素相似度差别小的背景区域进行动态扩张,加入基于灰度直方图的目标跟踪进程,提高高斯混合模型对体育视频运动目标的处理效率与精度。实验结果表明,所提方法对体育视频的干扰处理能力强,检测范围大,检测与跟踪效果好。     

视频序列中运动目标的检测与跟踪方法

提出了一种视频序列中运动目标的检测与跟踪算法,该算法采用基于码本背景建模的减背景法与差分法相结合的算法,实现对运动目标的快速精确的检测与提取,也能够在存在前景运动的过程中提取背景,使用卡尔曼滤波对运动目标在下一帧中最可能出现的位置进行估计,在此基础上利用Camshift跟踪算法进行较小范围的搜索和目标匹配,减少了运算量、节约了搜索和匹配的时间、提高了跟踪的速度。实验证明该方法具有一定的实用性。     

基于视频序列的运动目标追踪算法

介绍了一种对视频序列中运动目标追踪的实现算法,该算法在运动目标检测的基础上,融合了卡尔曼滤波和Meanshift算法实现对快速移动目标的追踪。卡尔曼滤波对下一帧目标可能出现的位置做出估计,Meanshift迭代算子在估计出的区域对目标精确定位。经实际验证其有效地克服了传统Meanshift算法对于快速移动物体追踪可能出现的丢失目标的问题,目标追踪效果明显提高。     

序列图像中运动目标检测与跟踪方法分析

运动目标检测与跟踪是计算机视觉研究争图像编码研究的主要内容,有着广泛的应用领域.研究了目前运动对象检测与跟踪的一些常用方法,包括时域差分法、背景差分法、基于光流场的检测方法和卡尔曼滤波、特征光流法的跟踪方法,井对各种方法进行了比较,指出其优缺点及适用范围,并给出了时域差分及背景差分方法的实验结果.     

视频运动目标检测及跟踪算法测试平台设计与实现

给出了平台构架、设计思路与实现方法,对七个核心算法模块进行了详细说明,给出了采用VC++6.0实现时的主要程序段及技术关键点.提供了一种高速路交通车辆检测和跟踪实例,提供了实例算法结构图、性能参数和实际测试效果.试验结果表明,所提平台具有良好的实时性和有效性.     

基于运动对象跟踪的改进精细可分级视频编码

针对感兴趣区域问题,对增强层的编码加以改进,提出基于运动对象跟踪的FGS(Fine Granularity Scala-ble)视频编码方法.该方法利用了OpenCV(开源计算机视觉库),实现运动对象的检测与提取,通过提取,将运动对象作为感兴趣区域,进行位平面提升,优先传输.并在基本层上引入提高编码效率的单环算法,进一步提高视频主观与客观质量.实验结果表明,算法在大部分的码率范围内ROI区域的PSNR值高于整体区域的PSNR值,对背景静止的视频序列,效果理想.     

一种改进的运动目标检测与跟踪方法

为了解决传统的帧间差分法提取的运动区域不完整,且容易造成空洞等问题,将其改进为基于三帧差分的背景差分法检测运动目标。在跟踪方法上先对目标进行边界扫描,利用链码原理记录目标边界,再采用质心跟踪法。最后将算法移植到TMS320DM642的硬件系统上进行精度测试。实验表明改进后的方法使运动目标检测算法的性能得到很大的优化,可以有效、实时地完成对运动目标的检测与跟踪,实现不丢帧、跟踪精确。     

基于视频的运动目标检测与识别

为了对目标进行跟踪和识别,针对固定场景提出一种基于视频的运动目标检测和识别算法.该方法采用改进的混合高斯模型为动态背景更新方法,并结合梯度背景差分方法及Otsu's阈值分割法提取出运动目标,然后利用目标特征参数建立目标链,通过两条目标链间的目标特征匹配实现运动目标的快速跟踪与行为识别.该方法与传统方法相比具有更好的学习能力,提高了算法的场景适应性,从而有效地提高了运动目标检测的正确率和快速性.实验结果表明该方法具有良好的鲁棒性和自适应性.     

视频监控运动目标检测算法研究

视频的运动目标跟踪有很多干扰因素,如目标改变、复杂场景、目标变形等。为了解决这些问题,通过对几个常用的运动目标检测方法进行比较分析,提出了一个通过帧间差分和背景消除进行运动目标检测和识别的算法。通过进行模拟实验,结果显示了该算法具有较高的效率。