基于分块背景建模的运动目标检测技术

研究了视频监控系统中的目标检测技术,在分析比较几种目标检测算法的基础上提出了一种使用分块处理的方式建立初始背景模型的方法。该方法对视频序列图像中的噪声有较好的抑制作用,并且能够有效地克服因平均而造成背景模糊和阴影残留的缺点。为适应背景变化,在背景更新方法中结合三帧差分寻找像素值变化较大的像素点进行自适应更新。仿真结果表明,在背景减除中使用该方法能够快速、完整、准确地检测出运动目标。     

图像分块重建的红外运动目标检测算法

背景差分法是目前运动检测中最常用的一种方法,具有检测位置准确,速度快等优点.背景提取是影响该方法检测效果的关键因素.针对背景差分算法中背景参考帧提取存在的问题,引入非相似度判别算法,给出了一种新的基于图像分块重建的红外运动目标检测方法.该算法在对图像进行合理的区域划分的基础上,利用相邻帧对应块的非相似度值判别出背景区域...     

一种背景运动视频中运动目标的检测方法

针对成像平台运动情况下的运动目标检测问题,提出了一种从特征点稀疏运动场估计到运动分类的目标检测算法.首先通过快速特征点检测与跟踪恢复出图像稀疏运动场;然后依据特征点之间运动一致性关系实现属于同一运动模式的特征点分类,根据分类得到的各组特征点计算场景图像重建误差,剔除重建误差最小的特征点组,实现对前景目标的检测.仿真实验对该算法在复杂场景中检测运动目标的有效性进行了验证.     

基于序列图像的运动目标检测与跟踪

序列图像中的运动目标检测与跟踪是计算机视觉研究的主要内容之一,在很多领域有着广泛的应用.介绍了一种基于背景减除法的目标检测算法,然后通过对前几帧中目标的质心用逼近函数预测出目标在下一帧中的位置.试验结果表明,该方法快速、有效,能够满足运动目标的检测与跟踪要求.     

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.     

复杂背景下运动目标检测方法

利用相邻两帧图像的运动信息更新特征块提取阈值,实时地提取出当前帧图像中最能体现背景运动特征的特征块。采用块匹配的运动估计方法获取了各块的运动矢量,再依据所有特征块运动矢量的统计特性提取出背景运动矢量来配准差分,实现了目标的检测。实验结果表明,此方法能有效地检测复杂背景下的运动目标。     

基于分级自适应背景差分的运动目标检测

针对经典自适应背景差分法中存在的问题,提出一种基于分级自适应背景差分的运动检测方法.方法结合了帧间差分法和背景差分法的优点,解决了运动检测中常见的拖尾问题和空洞问题.利用识别信息对感兴趣目标单独使用更新系数进行更新,在快速跟踪背景变化的前提下,能够保持对感兴趣目标的持续关注.     

一种基于全景视觉的运动目标检测方法

针对基于全景视觉系统采集的图像序列中运动目标检测的方法进行了研究,采用三帧差法和混合高斯模型相融合的算法对运动目标进行检测。不但解决了三帧差法无法检测出全部目标信息的缺点,而且还避免了背景减除法容易出现两个目标的假现象,在背景颜色和目标颜色相近时检测效果较好。实验表明,该算法能准确检测出运动目标,具有较好的实时性。     

复杂背景下的运动目标检测方法

提出了一种复杂背景下的运动目标检测新方法,利用仿射变换进行全局运动估计,并利用双线性内插进行背景补偿,然后采用3帧对称差分相乘的方法增强运动目标的像素点,拉大目标与背景残留噪声的差异,最后利用区域生长法进行目标分割。用复杂的城市交通序列图像进行测试,并与经典的动目标检测算法进行对比,说明了算法的有效性。     

基于RGB三通道分离的运动目标检测方法

背景图像的提取和更新是背景差分的关键。传统的背景差分法是对灰度图像进行处理,在检测前要对彩色图像进行颜色空间的转换,必然会丢失许多信息。对时间中值获取背景模型的不足加以改进,设计并实现了一种基于RGB三通道分离的运动目标检测方法。用形态学处理和连通性分析消除噪声,用区域填充技术填充目标区域内部空洞,在HSV空间去除阴影部分,得到比较准确的运动目标。实验结果表明,该算法在运动目标存在的情况下也能获得较准确的背景模型,当目标灰度值和背景灰度相近的时候,也可以检测到较完整的运动对象。     

帧间差分融合灰度投影的运动目标检测方法

针对光线变化、动态背景以及摄像头轻微晃动等因素导致监控视频中运动目标的检测识别率低的问题,提出帧间差分融合灰度投影的运动目标检测方法。在帧间差分算法的基础上,通过改进三帧差加法运算,改善了光线变化的影响。同时,将连续三帧差加法运算的图像进行水平与垂直方向的灰度投影得到两个方向上的灰度投影曲线,对相邻的灰度投影曲线进行互相关运算,互相关曲线的峰值坐标即为运动目标在相邻图像之间的运动位移,以此实现了运动目标的检测。实验结果表明,在单个目标和多个目标的检测识别中,该方法能够获得准确的运动目标,其识别率、误检率均优于传统帧差法。     

基于投影的运动目标跟踪研究

在运动目标跟踪方面,运动目标跟踪算法直接影响着运动目标跟踪的准确性和稳定性,现有的目标跟踪算法大多是基于特征或运动信息的,虽然能够完成对运动目标的可靠跟踪,但是需要处理的数据量大,运算复杂,很难达到实时跟踪的要求。本文首先阐述了跟踪算法中模板相关匹配算法的基本原理,然后跟踪系统的实际需求,详述了投影法快速定位目标跟踪的方法,并给出了投影算法跟踪的实验结果,该算法基本能满足跟踪系统中运算量小和实时性的要求。     

基于HSV颜色空间的运动目标检测方法

针对在目标检测过程中光照变化对检测结果的影响,提出一种基于HSV颜色空间的运动目标检测方法。首先采用帧间差分分离出运动目标区域,将该区域转换为HSV颜色空间,用形态学对区域进行处理,消除噪声影响。然后利用各分量的相互独立性及H分量对光照不敏感的特性,应用自适应阈值分割方法,对运动目标实现准确分割。实验表明,该方法能够实现对运动目标的准确检测,消除帧间差分产生的图像空洞,对光照变化剧烈的目标也能实现准确分割,具有较强的鲁棒性。     

基于五帧差分和模板匹配的运动目标检测识别

针对帧差法和背景差分法检测运动目标准确率低,自适应能力弱等缺陷,提出了一种改进五帧差分法与背景差分法和模板匹配相结合的运动目标检测和识别算法;通过改进的五帧差分和背景差分法融合的算法从视频图像序列中检测出运动目标;利用形态学方法去除噪声,改善运动目标提取效果;在Harris算法提取图像匹配特征值的基础上角点配准,提高图像识别的准确率,通过提取目标特征与自适应模板图像进行特征匹配的方法实现了目标检测识别和跟踪。仿真结果和实验表明该方法有噪声和部分遮挡的运动目标有良好的检测识别效果,识别率达到了95%。     

一种基于改进块匹配算法的运动车辆检测

针对传统块匹配算法计算量大、光照变化较敏感和实时性差的缺陷,本文对块匹配算法进行了相关研究,提出了改进算法。首先把两幅彩色图像转化为灰度图像,并通过概率松弛标记算法获得边缘图像,计算相邻两幅图像的差分图像得到运动区域,然后将差分图像与边缘检测图像相与得到运动区域的边缘信息,再进行匹配得到位移矢量场并对其进行矢量中值滤波,最后通过顺序区域增长将运动车辆分割出来。实验结果表明:本文方法相对于传统方法平均检测时间降低约58ms,而平均检测率提高了约6.7%。这种算法鲁棒性强、实时性好。     

基于顺序形态滤波的运动点目标检测

为解决低信噪比快速运动点目标的检测问题,文中提出了一种基于顺序形态波波的点目标检测算法。首先采用百分位p＝1的中面序形态滤波提取目标的广义内边缘,找出少量候选运动目标点,然后利用图像流模型建立 建立目标的运动约束议程,根据目标像素在图像序列中运动的连续性和轨迹的一致性 原则,在多帧连续图像中检测出真实的目标运动轨迹。实验结果证明,该方法能够快速、可靠检测信噪比小于3的运动点目标。     

基于GEO SAR编队飞行的动目标检测

地球同步轨道合成孔径雷达(GEO SAR)编队飞行,是指2个或2个以上的搭载了合成孔径雷达的地球同步轨道卫星协同工作,组成一颗大的“虚拟卫星”,进而完成多项任务并降低风险。GEO SAR编队飞行形成的多通道可以用来进行动目标检测。空时自适应处理(STAP)在空-时二维平面上抑制杂波,完成强杂波背景下的动目标检测。在传统STAP算法的基础上,提出了基于GEO SAR编队飞行的对地面运动目标检测的方法,并通过仿真分析了该方法的性能。     

基于干涉图的星载MIMO-SAR动目标检测

受动目标径向速度影响,星载多输入多输出合成孔径雷达(MIMO SAR)等效通道回波模型中将引入周期误差信号的调制,进而导致动目标方位像存在“假峰”效应,其会增加动目标检测的虚警。基于ATI(along track interferometry)干涉图,提出一种星载MIMO SAR动目标检测方法。可在不补偿误差信号的前提下,先通过调节系统参数降低动目标“假峰”幅值,进而经干涉处理用杂波去弱化“假峰”干涉相位,最后利用ATI干涉图幅度和相位的联合处理实现动目标检测。数值试验验证了方法的有效性。      

基于时序多帧投影的空间目标检测算法

为了对星图中空间目标进行检测识别,对基于 SURF（Speed-Up Robust Featrues）算法的星图精确配准技术和美国 SBV（Space-Based Visual）计划采用的 MTI（Moving Target Indicati-or）在轨目标检测算法进行了深入研究,提出一种针对16 Bits 星图的多目标检测算法,具体包括：首先利用 SURF 算法提取序列星图的特征点,根据最小二乘法计算得到的全局运动参数对星图进行精确配准;然后利用一种改进的 MTI 算法对序列星图进行时序多帧投影以抑制背景,得到仅含有疑似目标的序列图像;最后经过目标初始运动状态的建立,速度滤波以及坐标插值得到目标的运动轨迹。利用实拍的20帧序列星图验证算法性能,经本文算法配准后,星像质心的均方误差（RMSE,Root Mean Square Error）最小达到0.3269 pixel,平均值为0.5441 pixel;序列图像中的3个运动目标均被检出,且无虚警。实验结果表明,本文配准算法的精度能够满足时序多帧投影的要求,且目标检测算法符合恒虚警原理。     

一种基于峰值匹配的SAR目标识别方法

文章提出了一种基于峰值匹配的SAR目标识别方法。采用最近邻匹配算法构建测试样本峰值特征集与模板样本峰值特征集之间的对应关系。在此匹配关系的基础上,设计了稳健的匹配度准则评价两组峰值特征集的匹配度,并根据最大匹配度的准则判定目标类别。在MSTAR数据集进行目标识别实验验证提出方法的有效性。