光照突变补偿在视频序列运动目标检测中的应用

针对光照突变情况下视频序列运动目标检测精度低、误检多等问题,提出一种结合光照补偿的检测算法。算法利用色差不变量提取稳定的背景区域,并结合历史前景信息判定光照突变程度。采用对角模型补偿光照突变的图像序列,对全局与局部光照突变分别运用区间估计与码本聚类方法计算补偿参数,最后利用背景减除法实现运动目标的检测。与典型算法进行对比的实验结果表明,本文算法具备较高的检测精度与稳定性,适用于动态场景中的运动目标检测。     

视频序列中的目标检测

重点研究视频序列中运动目标的提取、跟踪、分类等问题,最终实现了一个完整的目标检测系统。首先,考虑到算法的复杂度和检测的实时性需求,优选了背景差与帧差相结合的检测方法,通过背景实时更新,达到了一个较好的检测效果。其次,充分考虑了卡尔曼滤波跟踪的简单、高效等特性,通过计算当前目标与候选目标之间的欧氏距离来寻找最佳匹配目标和区分相交物体。再者,提出了一种先用Adaboost算法获得各个目标的初分类,再采用BP神经网络对目标进行细分类的方法,实践证明,该方法在保证对绝大部分人、自行车、汽车有很好的分类效果外,对大部分杂物也能有较好的区分。最后,通过Matlab编程,设计并实现了一个完整的运动目标检测系统。     

视频序列中运动目标检测与跟踪

针对视频序列中运动目标的检测与跟踪,提出了一种基于边缘检测的背景差分算法。这种算法计算量较小,比较简单,在可以得到完整的运动目标的边缘信息的前提下,还不会受到背景的改变和光线的变化等外界因素的干扰。实验结果表明该方法具有良好的鲁棒性。     

光流向量补偿模型的运动目标检测

基金项目：黑龙江省教育厅科学研究项目（No.11541057）资助。摘要：针对计算机视觉中的运动目标跟踪与检测问题,特别是运动目标被遮挡丢失和大幅度机动现象,提出了一种基于Lucas-Kanade光流向量补偿算法的运动目标检测方法。该方法利用Lucas-Kanade光流算法计算帧间的光流向量,并选用丢失目标的图像附近若干帧序列图像之间的光流关系,对丢失的光斑目标位置进行估计,以此对序列图像进行补全。实验表明该算法相对于其他传统光流法,提高了光流估算的精确性和可靠性,能更好地检测出运动目标。     

扩展分形在极化雷达目标检测中的应用

自动目标识别算法通常利用目标和杂波之间的灰度差异,而扩展分形则同时利用了目标的灰度和形态两种特征.本文中,我们将扩展分形用于极化雷达图像目标检测,根据极化雷达图像的特性以及极化不变量的概念,提出了两种目标检测算法.随后的实验结果表明这两种算法都是可行和有效的.     

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。     

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。     

基于视频序列的运动目标检测

为了能够在数字视频系统中实时的检测出运动目标,提出了一种基于序列图像的运动目标实时检测方法.采用了改进的基于自适应背景提取与自适应阈值分割的背景差分方法提取运动区域,同时使用高斯滤波及形态学滤波消除噪声等,改善了对运动区域的提取效果.实际工程实践证明,该方法可以准确、有效的完成运动目标分割,经统计,检测准确率在95%以上.     

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。     

序列图像运动点目标快速检测与跟踪方法

为解决低信噪比运动点目标在实时检测中的系统抖动和信噪比低等问题，根据运动点目标的特点，提出了基于数学形态学滤波、目标光强度连续性和假设检验的点目标检测方法。基于数学形态学的高通滤波器能较强地抑制背景噪声并增强目标；利用光强度时空连续性识别目标；假设检验对解决目标丢失和新目标出现都具有较好的效果。用TMS320C6201高速信号处理器的处理结果表明：算法对信噪比约为2的点目标检测性能较为满意。     

航拍图像序列的地面运动目标跟踪

建立了一套针对航拍图像的运动目标跟踪系统。根据航拍图像序列存在背景运动的特点,运用了一种基于稀疏采样的局部补偿误差函数泰勒展开法,求得背景模型参数,补偿背景运动;根据背景运动矢量和目标运动矢量不同的特点,采用了运动矢量聚类的算法,对多个潜在目标准确定位,并建立跟踪嚣找出真实目标进行跟踪。针对图像匹配可能产生的误差。提出对匹配结果进行聚类,以提高求得的背景模型参数的精确性,又针对差分图像中运动目标信息的不完整的特点,根据目标残缺信息先取得目标完整边缘信息,再进行目标定位,提高了定位的精度,并给出了部分实验结果。结果表明,该算法对噪声和光照具有很强的抑制性,能快速有效地对运动目标进行跟踪。     

An automatic segmentation method for moving objects based on the spatial-temporal information of video

The new MPEG-4 video coding standard enables content-based functions. In order to support the new standard, frames should be decomposed into Video Object Planes （VOP）, each VOP representing a moving object. This paper proposes an image segmentation method to separate moving objects from image sequences. The proposed method utilizes the spatial-temporal information. Spatial segmentation is applied to divide each image into connected areas and to find pre~：ise object boundaries of moving objects. To locate moving objects in image sequences, two consecutive image frames in the temporal direction are examined and a hypothesis testing is performed with Neyman-Pearson criterion. Spatial segmentation produces a spatial segmentation mask, and temporal segmentation yields a change detection mask that indicates moving objects and the background. Then spatial-temporal merging can be used to get the final results. This method has been tested on several images. Experimental results show that this segmentation method is efficient.     

视频序列中基于粒子滤波的运动目标的跟踪的研究

信息时代背景下,安防、交通等领域对智能视频监控系统的需求日渐增加。粒子滤波作为一种新型滤波算法,以其自身独特的优势,在视频目标跟踪中得到了广泛应用和普及,但是,粒子滤波算法在实际应用过程中,存在很多不足之处,在很大程度上影响其跟踪效果。本文将对视频目标跟踪算法进行分析和研究,阐述视频序列中基于粒子滤波对运动目标的跟踪,并对粒子滤波算法进行适当改进,旨在为我国相关领域发展提供支持。     

一种序列图像中运动点目标的检测方法

序列图像中运动点目标的检测按图像的成像系统不同,可分为红外图像中运动点目标的检测和可见光图像中运动点目标的检测,而现有检测算法多是针对前者。为寻找一种适用于两种类型图像的运动点目标的检测方法,以多云天空为研究背景,提出了一种新的运动点目标检测算法。采用高通滤波和形态学滤波相结合的方法进行背景抑制,基于检测前跟踪（TBD）的基本思想,根据相邻三帧进行目标分割,利用轨迹能量累积方法完成目标检测。理论分析和仿真结果表明,该算法简单易行．既适用于红外图像又适用于可见光图像的运动点目标,而且对目标的运动速度和方向无任何限制。     

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。     

Cognitive radio assisted quality compensation for scalable video multicast in cellular networks

Existing multicast schemes always employ the scalable video coding (SVC) to accommodate heterogeneous channel conditions. Although this method achieves a high spectral efficiency, it will lead to serious quality imbalance problem, i.e., the viewers who hold a better link conditions can obtain high video quality, but the viewers with bad reception conditions can only receive the video with poor quality. In this paper, we propose a novel Cognitive Radio Assisted Quality Compensation (CRAQC) scheme for enhancing the video quality of bad reception viewers. In CRAQC, the bad reception viewers can obtain from the good reception viewers the video content they cannot receive directly from the base station using cognitive relay links. One novel and promising design of the proposed scheme is that it considers a cooperative transmission style in relay process, in which viewers with the same relay content can simultaneously broadcast this content in the same channel, and therefore achieve the benefits of space diversity to the receiver. Through extensive simulations, we demonstrate that CRAQC is able to significantly improve the video performance of the bad reception viewers.     

群目标检测现代雷达信号处理方法述评

针对目前应用于雷达群目标分辨领域的现代信号处理方法进行了分析,研究了各种现代信号处理方法所存在的优势和缺陷.首先提出在雷达领域里存在的群目标分辨的问题,然后针对这一问题分析了几种现代雷达信号处理的方法.这些方法主要包括Wigner-Ville分布、短时傅里叶变换和小波变换等.分析了这些方法所存在的不足,介绍了几种修正方法,并对这些方法在具体应用中的分辨效果进行了比较,提出了下一步研究的方向,从而对雷达群目标分辨技术的深入研究提供一些技术参考和理论依据.     

基于时空分集理论的弱点状运动目标检测技术研究

研究了一种基于时空分集与合并的图像序列中微弱点状运动目标高维积累实时检测技术,指出了同类文献中的其它算法可以归属为本文算法的几种特例。考虑目标尺寸、运动速率和亮度信息可变的实际情况,提出了相应的解决方案:针对以不同速率运动的多目标提出了金字塔式分辨率亚采样方案;针对不同尺寸的目标则提出了成批处理方案;针对可变亮度的目标则提出了可变集成度解决方案。研究了集成度、运动速度和目标亮度(信噪比)之间的具体数值关系,得到了有用的理论分析和仿真结果。