运动目标检测理论
tiemaxiaosu
这个作者很懒,什么都没留下…
展开
-
背景建模--Vibe 算法改进
一、概述 针对鬼影问题,提出一种了基于前景区域与邻域背景区域直方图相似性度量的判别方法,检测并消除鬼影;针对静止目标问题,改进了Vibe背景模型的更新策略,有效抑制静止目标被吸收为背景;针对阴影前景问题,在Vibe算法中增加一个阴影检测器模型,检测并消除阴影。针对目标不完整问题引入抠图技术。二、鬼影检测 针对鬼影问题,本文提出了一种基于前景区域与邻域背景区域直方转载 2016-06-24 09:23:02 · 13283 阅读 · 27 评论 -
运动目标检测--改进的背景减法
一、概述 本文提出了一种改进的基于背景减法的运动目标检测算法,该算法能自适应地对背景进行初始化和实时更新,并能有效克服光照等外界条件变化对运动目标检测的影响。二、算法介绍 基于背景减法的视频运动目标检测主要包括预处理、背景建模、目标检测和后处理四个步骤。本文的算法流程如图 1 所示,算法中的预处理是对每一帧图像都进行去噪和亮度归一化处理,以抑制光照突变和噪声的影响原创 2016-06-23 16:44:45 · 10989 阅读 · 21 评论 -
运动目标检测--鬼影消除总结
一、鬼影检测算法的总结和分析 鬼影是背景差方法检测运动目标经常出现的问题。当对背景初始化建模时,运动目标可能处于背景中,它们运动后会产生鬼影;另一种情况,当场景中运动目标由运动变成静止后,再开始运动,也会产生鬼影。其他类似鬼影的情况是背景中遗留的物体,或者停止运动的运动目标。 总结已有检测鬼影算法可以分为两类:1)判断背景差获得的前景运动属性,从而区分运动目标和鬼影原创 2016-06-23 16:43:15 · 10761 阅读 · 0 评论 -
运动目标检测--基于直方图匹配的鬼影消除
一、概述原创 2016-06-23 16:42:16 · 2116 阅读 · 0 评论 -
运动目标检测--帧间差分与背景差分相融合
一、概述 本文提出了一种简单有效的运动物体检测方法。这种方法是将帧间差分和背景差分相结合起来。预先选取一帧作为背景帧, 建立各像素点的高斯模型。再运用帧间差分法对相邻两帧图像进行差分处理, 区分出背景点和变化的区域(在当前帧中变化的区域包括显露区和运动物体) 。然后将变化区域与背景帧的对应区域进行模型拟合区分出显露区和运动物体, 最后在运动物体中去除阴影, 这样将不带阴影的运动物体原创 2016-06-23 16:41:12 · 4126 阅读 · 0 评论 -
帧间差分自适应
一、目标提取 对视频序列中相邻两帧图像进行帧间差分得到运动区域图像,运动区域图形与背景图像进行差分提取出运动目标图像,运动目标图像与阈值比较得到二值化图像。 a)对 Ak(i,j) 中每一对相邻两帧图像进行差分处理,获得帧差图像Dk(i,j) :原创 2016-06-23 16:36:00 · 3126 阅读 · 0 评论 -
运动目标检测--光流法
一、概述 运动目标检测是指当监控场景中有活动目标时,采用图像分割的方法从背景图像中提取出目标的运动区域。运动目标检测技术是智能视频分析的基础,因为目标跟踪、行为理解等视频分析算法都是针对目标区域的像素点进行的,目标检测的结果直接决定着智能视觉监控系统的整体性能。 运动目标检测的方法有很多种。根据背景是否复杂、摄像机是否运动等环境的不同,算法之间也有很大的差别。其中最常用原创 2016-06-25 17:32:56 · 13055 阅读 · 1 评论 -
运动目标检测--帧间差分法
一、原理介绍 摄像机采集的视频序列具有连续性的特点。如果场景内没有运动目标,则连续帧的变化很微弱,如果存在运动目标,则连续的帧和帧之间会有明显地变化。 帧间差分法(Temporal Difference)就是借鉴了上述思想。由于场景中的目标在运动,目标的影像在不同图像帧中的位置不同。该类算法对时间上连续的两帧或三帧图像进行差分运算,不同帧对应的像素点相减,判断灰度差的绝对值原创 2016-06-24 09:31:11 · 50282 阅读 · 5 评论 -
运动目标检测--背景减法
y原创 2016-06-24 09:30:35 · 16969 阅读 · 2 评论 -
运动目标检测--三种方法比较
一、比较 主要包括光流场法,帧差法,背景减法,并给出了相应的实验结果。各个算法的性能优缺点对比如表2-1 所示。 二、总结 光流场法计算复杂, 不适用于实时监控系统;帧差法计算简单,但是检测结果不完整;背景减法效果较好,然而建立一个良好的背景模型需要花费很大计算量和存储量的开销。原创 2016-06-24 09:30:16 · 11208 阅读 · 0 评论 -
背景建模--多帧平均法
一、原理 当实际的监控场景不是太复杂时,可以采用多帧平均法建立背景模型。多帧平均法实质上是一种统计滤波的思想。在一段时间内,将采集到的多帧图像相加,求其平均值,这个平均值就作为参考的背景模型。具体计算式如下:转载 2016-06-24 09:29:56 · 9820 阅读 · 0 评论 -
背景建模--高斯混合模型
一、原理 使用统计的方法实现背景建模及运动目标检测是当前目标检测方法中效果较好的一类方法。该类方法利用统计值表征背景,建立背景模型。 不同的监控场景有着不同的特性,背景模型因此分为单模态和多模态两种。单模态的场景中,每个背景像素点的颜色值分布比较集中,可以用单一分布的概率模型来描述背景;而在多模态的场景中,每个背景像素点的颜色值分布非常分散,需要用多个分布的概率模型相拟合描述背原创 2016-06-24 09:29:18 · 7598 阅读 · 4 评论 -
背景建模--方法比较
一、多帧平均法 图 2-7 是采用多帧平均法对标准序列 hall 序列进行目标检测的实验结果。观察图(b)可以发现,使用多帧平均法提取背景图像,当场景中存在运动目标时,提取的背景中会存在“鬼影”(ghosts),这是由目标在连续多帧图像中的运动造成的。当N 值增大时,“鬼原创 2016-06-24 09:28:46 · 5224 阅读 · 2 评论 -
背景减法面临的问题
一、思想 背景减法的基本思想是,系统事先建立并维护一个背景模型,在检测过程中,将采集到的当前帧图像与背景模型相减,在差分图像中提取运动目标。背景减法实现目标检测主要包括四个环节: 背景建模,背景更新,目标检测,后期处理。其中,背景建模和背景更新是背景减法中的核心问题。背景模型建立的好坏直接影响到运动目标检测的效果。二、面临的问题 目前,关于背景减法的文献有很多原创 2016-06-24 09:28:09 · 3701 阅读 · 0 评论 -
基于改进背景减法的目标检测
一、算法思想 本算法使用背景减除法提取目标区域,采用选择性更新的方法更新背景模型,利用帧间差分法解决背景突变带来的问题,运用形态学滤波的方法对得到的二值化图像进行处理,最后使用积分投影法实现对目标的分割。二、背景模型初始化 考虑到监控系统的实时性要求,算法并不事先建立复杂精确的背景模型,而是将采集到的第一帧图像作为背景图像,虽然该图像不一定就是真实的背景,但是随着背景模转载 2016-06-24 09:26:55 · 3295 阅读 · 0 评论 -
运动目标检测--基于YUV颜色空间检测
一、理论 针对室内监控摄像机和场景相对静止的特点,提出一种基于 YUV 颜色空间的运动检测算法。该算法采用单高斯背景模型建立背景帧,通过与运算将色度分量和亮度分亮的检测结果结合起来,并利用数学形态学闭运算和连通区域面积分析的方法进行后处理。实验表明该算法能较好地抑制光照和阴影的影响,得到较好的处理结果。二、颜色空间变换 颜色空间指的是某个三维颜色空间中的一个可见光子转载 2016-06-24 09:24:32 · 2501 阅读 · 0 评论 -
背景建模--Vibe算法
一、概述 2009 年,Marc Van Droogenbroeck 等人提出了一种新的背景建模法: Vibe(Visual Background Extractor)算法。Vibe 是一种通用的运动目标检测算法,对于视频流类型、颜色空间、场景内容没有特定要求。首次将随机选择机制引入到背景建模中,通过随机选择样本估计背景模型的方式描述实际场景的随机波动性。通过调节时间二次抽转载 2016-06-24 09:24:00 · 10707 阅读 · 1 评论 -
背景建模--Vibe 算法优缺点分析
一、Vibe 算法的优点 Vibe背景建模为运动目标检测研究邻域开拓了新思路,是一种新颖、快速及有效的运动目标检测算法。其优点有以下两点: 1、思想简单,易于实现。Vibe通常随机选取邻域20个样本为每个像素点建立一个基于样本的背景模型,具有初始化速度快、内存消耗少和占用资源少等优点,随后,利用一个二次抽样因子φ,使有限的样本基数能近似表示无限的时间窗口,即在较少样转载 2016-06-24 09:23:34 · 20553 阅读 · 2 评论 -
阴影处理
一、阴影的特点及处理方法 在室内监控场景内,考虑运动人体之间的遮挡和光照不均匀等因素,可能会产生阴影。阴影和运动目标一样,与背景有明显的差别,并作相同的运动。因而在进行运动目标检测时,阴影会被误认为是目标,对目标提取影响比较显著,并会对后续的跟踪、行为识别,产生负面影响。因此在运动目标检测阶段,应将阴影部分去掉。 阴影有许多不同类型。一种是目标自身的部分位置因没有光照转载 2016-06-23 16:47:12 · 9214 阅读 · 2 评论