基于差分交集的视频对象分割与跟踪算法

视频对象分割算法的性能好坏将直接影响MPEG 4编码产品的质量。连续两次差分后自适应处理,对差分图像取交集获得运动对象的边界,形态学处理后最终获取运动目标。基于改进的Hausdorff距离度量法对后续帧中视频对象进行跟踪。实验结果证明,该方法能够从背景不变的图像序列中较好的提取出运动对象,具有较强的鲁棒性。     

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。     

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。     

基于灰度信息的动场景视频序列中运动对象的提取

提出了一种基于视频序列灰度信息的运动对象提取方法。该方法采用改进的Sobel算子提取边缘图像,依据边缘信息将视频图像分割为不同的灰度连续区域。在各灰度连续区域中,选取特征点进行匹配获得特征点对。根据特征点对合并灰度连续区域,获得全局运动参数。采用具有自适应帧间隔的帧差交集法,获得图像中运动对象区域。结合灰度信息和运动信息,分割出运动对象。实验结果表明,该算法可以有效地将运动对象从视频序列中提取出来。     

基于生物视觉特征和视觉心理学的视频显著性检测算法

提出了一种空域和时域相结合的视频显著性检测算法.对单帧图像,受视觉皮层层次化感知特性和Gestalt视觉心理学的启发,提出了一种层次化的静态显著图检测方法.在底层,通过符合生物视觉特性的特征图像（双对立颜色特征及亮度特征图像）的非线性简化模型来合成特征图像,形成多个候选显著区域;在中层,根据矩阵的最小Frobenius-范数（F-范数）性质选取竞争力最强的候选显著区域作为局部显著区域;在高层,利用Gestalt视觉心理学的核心理论,对在中层得到的局部显著区域进行整合,得到具有整体感知的空域显著图.对序列帧图像,基于运动目标在位置、运动幅度和运动方向一致性的假设,对Lucas-Kanade算法检测出的光流点进行二分类,排除噪声点的干扰,并利用光流点的运动幅度来衡量运动目标运动显著性.最后,基于人类视觉对动态信息与静态信息敏感度的差异提出了一种空域和时域显著图融合的通用模型.实验结果表明,该方法能够抑制视频背景中的噪声并且解决了运动目标稀疏等问题,能够较好地从复杂场景中检测出视频中的显著区域.     

基于像素序列形态的适应性背景重构算法

背景重构是视频图像处理领域的支撑性工作之一.针对传统的背景重构算法运算复杂、背景图像失真等不足,本文提出了一种像素序列形态适应性背景重构算法.该算法通过提取像素序列形态特征进行分类处理,不同形态适用独立的背景提取策略、背景更新时刻和背景更新策略.实验结果验证表明:该算法无需对视频场景中的背景和运动目标建立模型,可直接从一组含有运动前景的视频图像中准确地重构背景,并有效避免混合现象|背景缓慢变化和突变时,亦可快速有效地完成背景重构.     

基于序列图像的运动目标检测

针对动态环境下运动目标检测中噪声多、目标检测不完整等情况,提出了一种基于金字塔多分辨率模型的运动目标检测方法,在低分辨率下获取目标的区域,在高分辨率下获取目标的细节。对于复杂的环境,还提出了运用高低双阈值替代传统的单阈值进行图像差分运算的方案,阈值可以根据图像自动分析得到。该方法首先将当前帧和背景帧进行尺度变换,得到不同分辨率下的图像组,然后在不同尺度下得到高低阈值差分图像,最后从高层向低层进行有效融合,得到噪声少的完整目标图像。实验表明,该方法提取运动目标的精度比较高,单目标达到0.802,多目标达到0.615,尤其是在复杂的动态环境下,优势比较明显。     

红外序列图像多运动目标检测

针对背景不动情况下提取红外图像运动目标,提出了一种基于连续四帧序列图像精确检测多运动目标的算法,并用软件仿真了该算法处理图像的效果并与其他方法进行了对比。经试验证明该方法算法简单,实时性好。对单目标、多目标、室内、室外、简单和复杂背景的红外序列都可以得到较好的检测效果。能够有效地去除背景和噪声,精确地确定运动目标位置,有利于后续的目标跟踪,算法适于实时应用。     

抗前景干扰的自适应电子稳像算法

针对场景中存在前景目标运动的抖动视频,提出一种抗前景干扰的自适应电子稳像算法.算法以视觉对运动的感知为指导,采用基于块的三帧间差分,利用时空一致性快速剔除运动前景区域;改进传统Harris算子,用网格筛选和显著度排序,对背景区域进行全局显著特征点的提取和配准,保证全局配准准确度;用统计分布的距离准则去除误匹配点,无需特征点迭代运算,提高了全局运动估计的速度和准确度.在Sage-Husa自适应运动滤波方法的基础上,改进了修正过程噪音和观测噪音的统计特性,模拟摄像机低频匀速运动的视觉平滑效果,有效解决摄像机抖动中存在的扫描运动.在Intel酷睿2四核2.33GHz的微机上用VC++进行实验,结果表明,该算法对320×240像素的视频序列能够达到22fps的处理能力,可以实时稳定含较大或多运动前景目标的复杂抖动视频,输出视觉完整流畅的真实扫描场景.     

基于随机背景建模的目标检测算法

运动目标检测是智能视频监控系统中的重要步骤和前提。提出了一种基于随机背景建模的非参数化建模算法,对场景中运动目标进行快速提取跟踪。在初始化阶段,从当前像素的邻域中随机抽取样本值作为背景模型;在模型更新阶段,引入了随机更新策略和背景传播机制,能够较好地抑制环境噪声;在后处理阶段,给出了一种基于积分图的前景滤波优化方法,进一步滤除噪声和填充前景空洞。实验结果表明,在复杂场景条件下,算法的目标检测性能明显优于其他几种同类算法,能够较好地抑制噪声干扰,具有较高的检测正确率。对于360288像素的测试视频,算法的计算速度高达120 f/s,完全可以满足实时应用。     

Vehicle detection and tracking based on phase-correlation

This paper presents vehicle detection and tracking algorithms based on real-time background (RTB) and phase-correlation (PC) in the video sequence of urban highway with fixed camera. Firstly moving objects are obtained by subtracting RTB from serial images. After classification, PC is used to determine corresponding regions of moving objects between consecutive frames. The problems of vehicles' merging and splitting, sudden stop, and restart are also considered. Experiments show that the method is practical and can realize real-time detection and tracking of vehicles on highway.     

Background subtraction based on time-series clustering and statistical modeling

This paper proposes a robust method to detect and extract silhouettes of foreground objects from a video sequence of a static camera based on the improved background subtraction technique. The proposed method analyses statistically the pixel history as time series observations. The proposed method presents a robust technique to detect motions based on kernel density estimation. Two consecutive stages of the k-means clustering algorithm are utilized to identify the most reliable background regions and decrease the detection of false positives. Pixel and object based updating mechanism for the background model is presented to cope with challenges like gradual and sudden illumination changes, ghost appearance, non-stationary background objects, and moving objects that remain stable for more than the half of the training period. Experimental results show the efficiency and the robustness of the proposed method to detect and extract the silhouettes of moving objects in outdoor and indoor environments compared with conventional methods.     

A self-adaptive optical flow method for the moving object detection in the video sequences

This paper proposes a self-adaptive optical flow method to detect moving objects in the video sequences. The method first estimates the original optical flow field with the optical flow algorithm, and then enhances the objects by a local mean algorithm, and finally filters out the noise with a self-adaptive threshold algorithm. The proposed method has a wide adaptivity to the size and the number of objects, and it also can effectively process the scenarios of complex background and that of the slight occlusion. Furthermore, it avoids the complicated and time-consuming preprocessing procedure. The results of the present method show that the moving objects can be detected effectively.     

基于感兴趣区域的幅型比变换新方法

基于人类视觉系统对运动目标比较敏感的特性,提出了一种新的幅型比变换方法.综合时空信息提取视频序列中的运动目标,利用图像修复技术对被提取运动目标后的视频图像进行背景修补.采用插值算法以不同的方式分别缩放运动目标和修复后的背景,并将变换后的运动目标与背景相叠加合成相应幅型比的视频图像.实验结果表明：此方法避免了已有幅型比变换方法的缺陷,保证了变换后运动目标的无失真性,与人类的视觉感知有较好的一致性.     

快速消除车辆阴影的多阈值图像分割法

 视频图像分割时的运动阴影由于与被测对象的相似性而常被误判为被测对象,传统的阴影检测方法一般难以满足实时智能交通系统对处理速度的要求。为此,提出用多阈值法分割图像,将灰度化的当前图像与背景差分,再用正、负两个阈值对其二值化,在分割出深色和浅色被测对象的同时消除阴影。实验表明,将这种方法应用于运动车辆的检测,具有速度快和阴影消除效果好等特点,可应用于实时的运动目标检测和跟踪等领域。     

Moving object detection based on improved VIBE and graph cut optimization

Extracting foreground moving objects from video sequences is an important task and also a hot topic in computer vision and image processing. Segmentation results can be used in many object-based video applications such as object-based video coding, content-based video retrieval, intelligent video surveillance and video-based human–computer interaction. In this paper, we present a novel moving object detection method based on improved VIBE and graph cut method from monocular video sequences. Firstly, perform moving object detection for the current frame based on improved VIBE method to extract the background and foreground information; then obtain the clusters of foreground and background respectively using mean shift clustering on the background and foreground information; Third, initialize the S/T Network with corresponding image pixels as nodes (except S/T node); calculate the data and smoothness term of graph; finally, use max flow/minimum cut to segmentation S/T network to extract the motion objects. Experimental results on indoor and outdoor videos demonstrate the efficiency of our proposed method.     

Object based dual watermarking for video authentication

Video cameras have been widely installed in public facilities for the surveillance applications. So, video authentication has becoming increasingly attractive. This paper presents a dual watermarking for video authentication based on moving objects. For each frame, the frame index, as a watermark is first embedded into the moving objects of the corresponding frame using a reversible watermarking method, aiming to detect the temporal tampering. Then the principle content and the details of the moving objects combined with the authentication code, as the other watermark, are embedded into the frame for spatial tampering location and recovery. Specially, a synthesized frame method is proposed for lossless recovery of moving objects and effective extraction of frame index. Statistical analysis and experiment results show that the proposed method can locate spatial, temporal and spatio-temporal tampering accurately. The spatial tampered regions can be recovered approximately and the moving objects can be restored completely when the tampered area is limited.     

基于一维FFT频谱估计的移动物体速度估计法

提出了时间空间频率混合领域中基于一维FFT频谱估计的移动物体速度估计方法。结合移动物体的抽出,把具有两个移动物体的序列图像分离为分别包含一个移动物体的两个序列图像,当再次进行速度估计时会大大减少背景及噪声对速度估计结果的影响,可提高速度估计的精度。     

多维矢量矩阵变换域的运动矢量估计

为了实现对视频中运动目标的运动矢量估计,建立了多维矢量矩阵变换域运动估计系统,在变换域对运动视频中运动目标形成的多维能量集中平面进行研究。首先,介绍了多维矢量矩阵理论、变换理论以及运动目标在变换域形成能量集中平面的理论推导;然后,采用平面拟合的方法,求取运动矢量的大小;最后,分析对比了几种方法的效果和迭代速度。实验结果表明:多维矢量矩阵变换域的运动平面拟合方法估计的运动矢量精度达到10^-2 pixel,提供了一种变换域运动矢量估计的高精度方法。