前景检测

摘要： 传统背景减除模型在背景静止和前景对象移动较快时提取到的前景效果较好,但当背景变化或前景对象移动缓慢时容易将动态背景误判为前景或检测出的前景有较多空洞。针对传统背景减除模型在动态背景和前景对象移动缓慢条件下存在前景检测精度下降的问题,提出一种基于l_(1/2)范数与显著性约束的背景减除模型。将观测数据分为低秩背景、运动前景和动态干扰3类,利用l_(1/2)范数约束运动前景加强前景稀疏性,有效抑制动态背景对前景提取造成的干扰,提高运动前景在动态背景中的检测精度。引入视频每一帧的显著性约束,通过对每一帧图像进行低秩稀疏分解来检测移动缓慢的目标。实验结果表明,该模型对于复杂场景具有较强的适应能力,可有效去除动态背景对前景的干扰,快速检测出移动缓慢的前景对象,相比于l_(1/1/2)-RPCA背景减除模型的平均查全率、查准率和调和平均值分别提升了9、14和10个百分点。

摘要： 针对视频前景提取(ViBe)算法在模型初始化时因前景像素干扰导致的“鬼影”问题,面对复杂背景环境的更新策略问题,提出利用图像像素均值作为参考对ViBe算法模型进行初始化优化;同时,提出随背景模型复杂度变化的自适应更新策略。利用邻域像素和连续帧背景像素的相似性进行背景模型初始化;然后通过计算样本间各像素的方差判定背景模型是否稳定,建立自适应的更新策略;最后提取运动目标。通过CDnet2014数据集验证表明:该算法有效改善了“鬼影”现象,提高了背景模型在复杂环境下的鲁棒性,各项客观评价指标也有所提升。

摘要： 针对传统的前景检测方法在复杂场景下存在精度低、速度慢且不能有效检测目标动作轮廓等问题,本文主要对改进的Mask R-CNN 的游泳池溺水检测进行研究.采用实例分割网络Mask R-CNN进行检测与分割,实现溺水检测,在Mask分支引入空间注意力引导模块,设计了深度注意力分割模型SAG-Mask R-CNN,并在训练Mask R-CNN 网络时,严格按照视频顺序帧的顺序输入进行训练,确保Mask R-CNN 网络能学到溺水动态特征.同时,将前景检测方法和模型Mask R-CNN进行对比实验.实验结果表明,与Mask R-CNN相比,深度注意力分割模型SAG-Mask R-CNN,在保持检测高速度的同时,分割精度提升了 15％?20％,提高了溺水检测的准确性.该研究对减少游泳池中溺水事故的发生意义重大.

摘要： 目的 在视频前景检测中,像素级的背景减除法检测结果轮廓清晰,灵活性高.然而,基于样本一致性的像素级分类方法不能有效利用像素信息,遇到颜色伪装和出现静止前景等复杂情形时无法有效检测前景.为解决这一问题,提出一种基于置信度加权融合和视觉注意的前景检测方法.方法 通过加权融合样本的颜色置信度和纹理置信度之和判断前景,进行自适应更新样本的置信度和权值;通过划分子序列结合颜色显著性和纹理差异度构建视觉注意机制判定静止前景目标,使用更新置信度最小样本的策略保持背景模型的动态更新.结果 本文方法在CDW2014(change detection workshops 2014)和SBM-RGBD(scene background modeling red-green-blue-depth)数据集上进行检测,相较于5种主流算法,本文算法的查全率和精度相较于次好算法分别提高2.66％和1.48％,综合性能最优.结论 本文算法提高了在颜色伪装和存在静止前景等复杂情形下前景检测的精度和召回率,在公开数据集上得到更好的检测效果.可将其应用于存在颜色伪装和静止前景等复杂情形的视频监控中.

摘要： 针对地铁站屏蔽门与列车门间隙空间异物检测问题,提出了一种结合语义分割与背景参考的前景检测方法.该方法通过深度神经网络DifferentNet检测图像中的异物区域,首先,在列车停靠站台的过程中采集背景图片和待检测图片,通过网络的编码部分提取图像的特征信息得到特征金字塔,将两幅图片的特征图连接,再由解码部分计算特征差异得到待检测图片的前景热力图,最后经阈值分割和轮廓筛选得到检测结果.实验结果表明,该方法的前景交并比(cIoU)达81.2％,调和均值F1达89.5％,运行速率为30帧/s,与传统方法及无背景参考的图像分割网络相比,取得了更好的效果.

摘要： 针对背景运动引起动目标检测精度显著下降的问题,该文提出一种基于低秩及稀疏分解的动目标检测方法.所提方法首先引入伽马范数(°?norm)近乎无偏地逼近秩函数以解决核范数过度惩罚较大奇异值从而导致所得最小化问题无法获得最优解进而降低检测性能的问题,而后利用L1=2范数抽取稀疏前景目标以增强对噪声的稳健性,同时基于虚警像素所具有稀疏且空间不连续特性提出空间连续性约束以抑制动态背景像素,进而构建目标检测模型.最后利用基于交替方向最小化(ADM)策略扩展的增广拉格朗日乘子(ALM)法对所得优化问题求解.实验结果表明,与现有主流算法对比,所提方法可显著改善动态背景情况下动目标检测精度.

摘要： 针对以往的前景检测方法对场景信息依赖较多的问题,提出了一种实时的无需迭代更新背景模型的前景检测深度学习模型ForegroundNet.ForegroundNet首先通过骨干网络从当前图像和辅助图像中提取语义特征,辅助图像为相邻的图像帧或者是自动生成的视频背景图像;然后将提取得到的特征输入到包含短连接的反卷积网络中,使得最终特征图在与输入图像具有相同的大小,并且包含不同尺度的语义及动态特征;最后使用softmax层进行二值分类,得到最终检测结果.在CDNet数据集上进行的实验结果表明,相比于当前F值为0.82的次优方法,ForegroundNet能够获得0.94的F值,具有更高的检测精度;同时ForegroundNet检测速度达到123 fps,具有良好的实时性.

摘要： 提出了一种基于形状信息的前景检测方法.在对场景进行边缘检测的基础上,以由形状上下文(Shape Context)描述的局部形状信息作为特征建立背景模型,并用背景消减法(background subtraction)来检测前景.与高斯混合模型(Gaussian Mixture Model,GMM)和局部二进制模式(Local Binary Pattern,LBP)的比较实验表明,该方法具有较好的鲁棒性,精确性和实时性.

摘要： 前景检测是视频监控系统的一个基本要求,也是进一步进行目标分析的基础.视频监控系统中前景检测常用的方法是背景相减,而背景相减的关键是如何从视频序列中建立背景模型.针对不同的应用环境,人们已提出了多种背景建模的方法,常用的如基于单高斯模型的方法,基于混合高斯模型的方法,基于统计的背景建模方法,基于码本的方法等.本文借助开放的微软通用视频库,对若干现有的背景建模方法进行了实现和实验比较.在此基础上,对各种方法的相对性能和适用性进行了分析和讨论。

摘要： 为了提高基于特征匹配的目标跟踪的准确性,针对运动目标在复杂场景中的形变和遮挡对跟踪造成的背景干扰以及特征匹配出现多个错误特征描述的问题,提出采用三帧差分法和背景差分法设计出一个高效的混合模型运动前景检测模块解决背景干扰问题.结合特征点聚类的方法,提出二次聚类筛选特征匹配点以消除有歧义的特征描述防止错误匹配问题,能够提高复杂环境下的跟踪准确率.通过实验验证,改进后的方法能够更准确的检测到目标并进行跟踪,具有较好的实时性,稳定性和准确性.

摘要： @@虚拟现实系统利用计算机生成一个虚拟的三维空间，给用户提供视觉、听觉、触觉等具有沉浸感的体验。它在医学、教育、娱乐、建筑设计等领域都有着广泛的应用。对虚拟场景的建模并生成真实感图像是虚拟现实中非常重要的一步。现今的主要建模技术可以分为三种：基于几何图形的绘制(Graph-basedRendering，GBR)、基于图像的绘制(Image-based Rendering，IBR)、以及基于几何图形和图像的混合绘制。其中基于图像的绘制技术相比于其他两种技术，有着不需要场景的预计算、计算量小、绘制效率高的突出特点。

摘要： @@虚拟现实系统利用计算机生成一个虚拟的三维空间，给用户提供视觉、听觉、触觉等具有沉浸感的体验。它在医学、教育、娱乐、建筑设计等领域都有着广泛的应用。对虚拟场景的建模并生成真实感图像是虚拟现实中非常重要的一步。现今的主要建模技术可以分为三种：基于几何图形的绘制(Graph-basedRendering，GBR)、基于图像的绘制(Image-based Rendering，IBR)、以及基于几何图形和图像的混合绘制。其中基于图像的绘制技术相比于其他两种技术，有着不需要场景的预计算、计算量小、绘制效率高的突出特点。

摘要： @@虚拟现实系统利用计算机生成一个虚拟的三维空间，给用户提供视觉、听觉、触觉等具有沉浸感的体验。它在医学、教育、娱乐、建筑设计等领域都有着广泛的应用。对虚拟场景的建模并生成真实感图像是虚拟现实中非常重要的一步。现今的主要建模技术可以分为三种：基于几何图形的绘制(Graph-basedRendering，GBR)、基于图像的绘制(Image-based Rendering，IBR)、以及基于几何图形和图像的混合绘制。其中基于图像的绘制技术相比于其他两种技术，有着不需要场景的预计算、计算量小、绘制效率高的突出特点。

摘要： @@虚拟现实系统利用计算机生成一个虚拟的三维空间，给用户提供视觉、听觉、触觉等具有沉浸感的体验。它在医学、教育、娱乐、建筑设计等领域都有着广泛的应用。对虚拟场景的建模并生成真实感图像是虚拟现实中非常重要的一步。现今的主要建模技术可以分为三种：基于几何图形的绘制(Graph-basedRendering，GBR)、基于图像的绘制(Image-based Rendering，IBR)、以及基于几何图形和图像的混合绘制。其中基于图像的绘制技术相比于其他两种技术，有着不需要场景的预计算、计算量小、绘制效率高的突出特点。

摘要： 本发明涉及视觉目标跟踪技术领域，实施例公开一种基于前景检测的KCF跟踪目标丢失检测方法及系统。本申请提出的基于前景检测的KCF跟踪目标丢失检测方法，采用前景检测算法提取前景影像，利用KCF跟踪算法提取目标检测框，获取目标检测框对应的前景区域，计算前景区域中目标轮廓面积占前景区域总面积的占比值，设置占比值阈值判断KCF跟踪目标是否丢失的方法，解决了目标丢失后KCF算法本身不能察觉，并且KCF跟踪器会将背景信息作为目标继续进行跟踪的问题，本申请在不影响KCF目标跟踪实时性的基础上，实现了跟踪目标被大面积遮挡或离开镜头时的准确判断。

摘要： 本发明提供了一种基于目标检测和前景检测热力图统计方法，具体包括：使用高斯混合模型对监控环境进行建模，对运动前景进行检测；对深度学习和高斯混合模型检测到的目标进行融合，然后累积形成空间热力图；使用目标跟踪算法对热力图点目标进行跟踪，统计单位时间内目标数目形成的时间热力图等步骤。本发明基于目标检测和前景检测热力图统计方法，将运动前景与深度学习检测进行结合，避免不必要的运动对热力图的干扰，同时也利用运动前景信息用来去除一直被深度学习目标检测所检测到而不动的目标，大幅提高运动目标信息的准确性。

摘要： 一种自适应的前景检测方法及其检测装置，属于图像处理技术领域。包括：将新一帧待检测的图像与给定图像或背景模型进行比较，得到差分图，所述给定图像包括预先保存的背景图像以及所述当前图像之前的至少一帧图像；按照固定的分块规则将差分图像划分为若干个子图像块，针对每个子图像块计算自适应二值化的阈值图；根据所述当前图像相对于背景图像、之前数帧图像以及背景模型的差分图和阈值图，确定前景的检测结果。上述一种自适应的前景检测方法及其检测装置，该方法通过将待检测的当前图像与多帧图像进行对比得到差分图，再自适应确定差分图像的二值化阈值，从而实现前景的自适应检测，在多种场景下都能获得很高的准确率。

摘要： 本发明涉及视觉目标跟踪技术领域，实施例公开一种基于前景检测的KCF跟踪目标丢失检测方法及系统。本申请提出的基于前景检测的KCF跟踪目标丢失检测方法，采用前景检测算法提取前景影像，利用KCF跟踪算法提取目标检测框，获取目标检测框对应的前景区域，计算前景区域中目标轮廓面积占前景区域总面积的占比值，设置占比值阈值判断KCF跟踪目标是否丢失的方法，解决了目标丢失后KCF算法本身不能察觉，并且KCF跟踪器会将背景信息作为目标继续进行跟踪的问题，本申请在不影响KCF目标跟踪实时性的基础上，实现了跟踪目标被大面积遮挡或离开镜头时的准确判断。

摘要： 本发明提供了一种基于目标检测和前景检测热力图统计方法，具体包括：使用高斯混合模型对监控环境进行建模，对运动前景进行检测；对深度学习和高斯混合模型检测到的目标进行融合，然后累积形成空间热力图；使用目标跟踪算法对热力图点目标进行跟踪，统计单位时间内目标数目形成的时间热力图等步骤。本发明基于目标检测和前景检测热力图统计方法，将运动前景与深度学习检测进行结合，避免不必要的运动对热力图的干扰，同时也利用运动前景信息用来去除一直被深度学习目标检测所检测到而不动的目标，大幅提高运动目标信息的准确性。

摘要： 一种自适应的前景检测方法及其检测装置，属于图像处理技术领域。包括：将新一帧待检测的图像与给定图像或背景模型进行比较，得到差分图，所述给定图像包括预先保存的背景图像以及所述当前图像之前的至少一帧图像；按照固定的分块规则将差分图像划分为若干个子图像块，针对每个子图像块计算自适应二值化的阈值图；根据所述当前图像相对于背景图像、之前数帧图像以及背景模型的差分图和阈值图，确定前景的检测结果。上述一种自适应的前景检测方法及其检测装置，该方法通过将待检测的当前图像与多帧图像进行对比得到差分图，再自适应确定差分图像的二值化阈值，从而实现前景的自适应检测，在多种场景下都能获得很高的准确率。

摘要： 本发明公开了一种前景检测方法及系统，首先获取待判定像素的最小距离，待判定像素的最小距离是指待判定像素与待判定像素的背景模型各个样本点的最小距离，然后根据最小距离更新待判定像素的最小距离统计值，最小距离统计值是对历史各帧图像中待判定像素的最小距离统计得到。其中，根据待判定像素与待判定像素的背景模型样本点的距离小于距离阈值的样本点数量，判断待判定像素是否属于前景。若更新后的最小距离统计值大于第一预设值，则增大待判定像素的距离阈值，以根据更新后的距离阈值对下一帧图像的待判定像素进行前景背景判断。从而本发明根据待判定像素的最小距离统计值适应性地调节距离阈值，能够降低将动态背景误检测为前景的情况。

摘要： 本发明提供一种改进的ViBe室内实时前景检测方法及存储介质，在ViBe算法的基础上加入了帧间变化率计算以及基于帧间变化率调整随机因子的背景更新策略来抑制由于时空传播机制带来的“鬼影”和孔洞问题，以及利用基于帧间变化率和感知哈希算法的光照检测来判断是否存在光照突变，如果发生光照突变则重新构建背景模型，较为有效的克服了ViBe算法的各种问题。本发明的有益效果：该方法在不牺牲原ViBe算法对于前景检测的实时性的基础上，有效抑制“鬼影”和孔洞现象，在较大程度上提升了算法的检测能力，并且增强了对光照变化的鲁棒性，相比ViBe算法更适用于室内环境的前景检测。

摘要： 本发明提供一种基于全卷积网络和注意力机制的实时前景检测方法及装置，该方法检测性能强、泛化能力较好，且计算效率高，具有非常好的实时性。该前景检测方法通过设计轻量级的编码器‑解码器网络模型和网络优化方法，建立了一套适用于前景检测的网络结构。该方法是一种端对端的方法，相比传统方法，本发明无需复杂的预处理环节，并已在测试集上获得很高的准确率。将视频序列图像输入所设计的网络获得前景检测结果，F值达到了98％以上。并且该方法的处理效率极高，在使用GTX1060(6G)显卡作为加速硬件的条件下，处理大小为320*240的视频图像能达到73FPS。

摘要： 本发明实施方式公开了一种脉冲信号的前景检测方法、装置、电子设备及存储介质。方法包括：获取脉冲信号；基于所述脉冲信号中的激励脉冲的属性信息，将所述脉冲信号转换为像素值数据；基于所述像素值数据与前景检测模型的匹配结果，确定所述脉冲信号是否包含前景目标。本发明实施方式对原始脉冲信号执行快速重构过程，以将其转换为像素值数据，然后利用前景检测模型便捷地实现脉冲信号的前景检测。本发明实施方式无需根据应用场景调整参数，前景目标形状更加完整，并可以提高召回率。本发明实施方式通过维护不同的快速重构方式，可以解决脉冲信号的高像素值点的噪声问题。