基于OpenCv的运动目标监控系统设计

随着图像处理技术和无线通信技术的发展,人们对视频监控的效果提出了更高的要求,智能监控以其实时性和智能性展现了其广阔的应用前景,越来越受到人们的重视。运动目标的检测是视频智能处理与分析的关键,也是其他后续处理的基础,文中使用减背景法与帧差法相结合的检测算法,通过调用短信收发的接口设计了一个智能监控系统,利用OpenCv技术实现了系统各个模块的功能。实验结果表明,该系统能较好地实现目标的检测与实时预警的功能,具有较好的稳定性与鲁棒性。     

运动目标检测技术在智能监控系统中的应用

在研究帧差法的基础上,给出了基于连续帧差的一种改进算法:将摄像机拍摄的彩色图像经中值滤波后,采用彩色图像差分模型在连续3帧之间作差分运算,初始分割出移动的飞机,然后设置阈值将图像二值化,经过形态学腐蚀、膨胀处理后,再对得到的两幅差分图像作相与运算来确定移动飞机的位置.实验表明,该方法可完成智能安全监控系统中移动飞机的检测和定位任务.     

智能视频监控中的运动目标检测技术研究

运动目标检测是视频序列分析中非常一个重要的研究方向,同时也在智能视频监控中发挥着非常重要的作用。目前国内外对运动目标检测的研究非常广泛,方法各异,丈中对当前常用的视频序列中运动目标检测的方法进行了研究和分析,并对这些种方法的优越性和不足之处进行了比较。     

视频监控图像的运动目标检测方法综述

详细论述了视频监控领域近年来的发展,从目标运动背景、目标运动特性、运动目标检测方法等方面分析了该方向的进展情况.并指出了当前该研究方向上亟待解决的主要问题.     

基于连通性检测的视频监控运动目标提取

针对背景相对静止、主要检测对象为行人的视频监控序列,提出了一种基于连通性检测的目标提取算法,它把形态学滤波与连通性检测相结合,对分割后的二值化图像进行噪声干扰去除,在获得若干连通区域后,利用面积、外界矩形及其特征对连通区域进行识别,通过区域重心标注目标在各帧位置,实现目标提取.实验结果表明,该算法简单可靠,具有实时性,易于硬件实现,可应用于实际系统.     

运动目标检测算法研究综述

运动目标检测技术是计算机视觉的基础,是一个十分有研究意义且很有挑战性的问题。文章从当前运动目标检测问题的相关方法进行分析研究。首先详细介绍了光流法、帧差法和背景差法的算法原理。然后对比了几种算法的优缺点,介绍各算法的适用场景。最后针对研究过程面临的难题,展望了运动目标检测技术新的发展趋势。     

运动目标检测研究方法述论

运动目标检测是视频处理系统的基本环节,它是运动目标跟踪、特征提取等复杂的处理的前提。当前,运动目标检测技术在视频监控、工业监测、质量控制、智能交通系统等众多领域广泛应用。文章介绍了背景减除、帧差法与光流法的原理特征,并对比分析指出了这三种方法的优势和局限性,对进一步提高运动目标的准确检测具有意义。     

智能视频监控图像中运动目标检测方法的研究

描述了智能视频监控系统的概念及其研究意义。介绍了监控图像中运动目标检测的几种方法,阐述了他们各自的基本原理和优缺点。讨论了目前运动目标检测所面临的主要问题和困难,并展望了该领域的发展趋势。     

视频监控中的运动目标检测与跟踪技术研究

视频监控中运动目标的检测和跟踪是智能视频监控的关键技术,本文利用帧间差分法和背景差法对运动目标进行检测,对这二种检测方法进行了研究和比较;利用波门（跟踪窗口）选取视场中某部分图像为目标图像,然后用边缘或质心跟踪等跟踪算法确定目标位置以及目标位置与波门位置的偏差实现了对目标的跟踪。     

一种新的三帧差运动气泡检测方法

针对传统三帧差法在运动目标检测过程中存在部分 重叠和轮廓不完整现象,提出了一种结合 Kirsch边缘检测和背景差分的改进三帧差法。算法首先对连续3帧图像进行差分得到运动区 域,然后对 当前帧进行Kirsch边缘检测,通过已得到的运动区域与边缘检测结果进行逻辑“或”运算, 获得完整的运动 目标,利用背景帧差分割运动目标并去除噪声。实验表明,提出的方法能够提取更加完整的 目标区域,有 效避免漏检、误检等情况。与现有一些同类算法相比,本文算法具有更优越的运动目标检测 性能。     

基于ARM11的视频图像中运动物体检测跟踪系统

通过深入研究国内外视频图像运动目标的跟踪技术现状,基于目前对视频图像中运动物体进行检测与跟踪设备的便携性差、耗电量高等缺点,本系统利用ARM11平台搭载Linux系统实现相关应用的方法 ,完成了一套较完整的小型化检测系统的设计。本系统通过对实验室中走动的人进行视频检测跟踪试验,最终得出本系统可以对通过USBCAM采集的视频信号进行实时的数据处理,视频分辨率为240×320。包括检测出运动物体,标记出运动物体的图形中点,并对其进行轨迹的标注等。     

基于光照不变性模型的运动目标检测新算法

运动目标检测有两大难点,即光照变化的影响,阴影对运动目标准确提取的影响。高志伟等人提出了基于彩色边缘的运动车辆检测,实现了复杂背景下的运动目标检测,但该方法无法消除阴影的影响。为了克服光照及阴影的影响,提出了基于一维不变性图像的背景模型,更新了最小熵投影角度,设计了运动目标检测的新算法。以交通运输领域为例,将本文算法和多层前景算法、边缘检测算法做了对比,通过实验验证了该方法在检测运动目标时能够克服光照变化影响,并有效抑制阴影。     

运动人体轮廓检测算法的分析与改进

在视频序列的人体运动分析中,实时分割出运动的人体,是研究的关键步骤。为了克服不均匀光照、前景运动缓慢、背景中存在摇摆的树叶等因素对检测带来的影响,提出了一种背景减除法与帧间差分相结合的运动目标检测方法。该方法首先通过基于帧差法的背景模型建立方法建立背景图像,再结合背景减除与带有权值的帧间差分检测运动目标,降低目标物体对速度和环境干扰的敏感性。最后通过形态学梯度运算操作消除外界噪声的影响。实验结果表明,本文提出的算法计算简单,对环境适应能力较强,是一种有效的运动人体检测方法。     

一种基于PandaBoard的运动物体检测系统设计

设计了一种基于PandaBoard的运动物体检测系统。该系统的主要组成模块及其功能简要描述如下:利用USB摄像头进行视频帧的采集,基于嵌入式的PandaBoard开发板运行运动物体检测的视频帧处理算法,采用USB无线鼠键进行检测系统的启动或关闭,最终通过HDMI显示器进行检测结果的显示。其中,嵌入式PandaBoard开发板上运行的帧间差分运动物体检测算法基于上位机Simulink进行设计,设计完成后直接下载到PandaBoard开发板上运行。该系统可以脱离上位机及Simulink开发环境独立运行,具有设备简单、成本低、算法可拓展性强等特点,具有良好的应用前景。     

基于图像融合的运动前景检测方法

提出了一种有效的运动前景检测方法。该方法根据图像融合思想,将背景帧与监控视频的当前帧在R,G和B颜色通道分别进行融合,形成包含背景帧和当前帧视觉信息的单一融合图像。之后根据背景区域与前景运动目标在饱和度上存在较大差异的现象,使用大津算法分割融合图像的饱和度分量图,形成运动前景二值图。经形态学处理后,形成了目标区域较完整、背景干净的运动前景检测图。实验结果显示,该算法具有较好的前景检测性能,解决了背景减法过分依赖背景帧的缺陷。     

一种融合预测过采样的运动目标检测算法

为了改善运动目标检测的精度,提出了一种融合了预测过采样的运动目标检测新方法.首先,基于二维傅里叶变换预测当前帧的目标形状并计算形状相似度;然后,从历史检测结果中选择一定数量的参考帧,使用光流法跟踪目标像素点在参考帧与当前帧之间的运动轨迹,并以像素点轨迹为参考在采样区间执行稠密过采样;最后,基于过采样样本构造前景模型,并在图分割框架内联合使用前景背景模型实现目标检测.在公共数据与自采数据集上对所提方法进行了实验验证,结果表明,相对于经典的运动目标检测算法,所提方法能够有效提高检测精度.     

运动目标智能检测算法研究

随着视频监控系统的普及化和庞大化,传统的运动目标检测技术难以适应检测场景的各种变化,局限性越来越突出,且实时性和准确性难以平衡。为有效解决传统的运动目标检测技术中出现的问题,以固定摄像机视频监控系统为研究背景,使用一种基于的运动目标检测方法,提高了运动目标检测准确性,降低了对光照的敏感性,并保证了实时性。