背景更新

摘要： 现有算法对长时间含有静止车辆的视频序列进行背景提取和更新时效果不甚理想.为此,论文提出了一种改进的道路背景提取和更新算法.通过统计一段时间内相邻帧的变化程度,结合边缘检测算法分析持续变化的区域,可以有效改善环境复杂时背景提取困难的情况,而且可以解决背景更新中存在的当前背景图像中含有静止车辆的问题.实验证明该算法可以很好地适应实际应用中情况较为复杂的路况,准确性有了明显提高,且实时性较好.

摘要： 在目标检测方面,基于Surendra算法的背景更新用于定摄像机来检测运动目标具有复杂度低、目标提取准确的特点,但通常的背景更新方式不适用于动态背景下的目标检测.现提出一种不同的背景更新时背景与前景的叠加方式,能使背景在更新的同时,抑制由于更新引起的画面的抖动,达到目标检测的目的.

摘要： 在目标检测方面,基于Surendra算法的背景更新用于定摄像机来检测运动目标具有复杂度低、目标提取准确的特点,但通常的背景更新方式不适用于动态背景下的目标检测。现提出一种不同的背景更新时背景与前景的叠加方式,能使背景在更新的同时,抑制由于更新引起的画面的抖动,达到目标检测的目的。

摘要： 针对传统Mean-shift跟踪算法在复杂背景下存在跟踪能力不足的缺点,提出一种基于分块背景模型实时更新的背景模型,在更新过程中不断改变阈值和目标跟踪框尺寸.以Mean-shift跟踪模型为基础,建立背景模型和目标模型并引入实时更新背景模型和尺寸自适应算法,提高目标信息和背景信息的区分度以及复杂背景下对目标模型的辨识能力.结果表明:改进后的算法具有对视频序列中运动目标有效实时跟踪的能力.

摘要： 针对传统Mean-shift跟踪算法在复杂背景下存在跟踪能力不足的缺点,提出一种基于分块背景模型实时更新的背景模型,在更新过程中不断改变阈值和目标跟踪框尺寸.以Mean-shift跟踪模型为基础,建立背景模型和目标模型并引入实时更新背景模型和尺寸自适应算法,提高目标信息和背景信息的区分度以及复杂背景下对目标模型的辨识能力.结果表明:改进后的算法具有对视频序列中运动目标有效实时跟踪的能力.

摘要： 针对传统Mean-shift跟踪算法在复杂背景下存在跟踪能力不足的缺点,提出一种基于分块背景模型实时更新的背景模型,在更新过程中不断改变阈值和目标跟踪框尺寸.以Mean-shift跟踪模型为基础,建立背景模型和目标模型并引入实时更新背景模型和尺寸自适应算法,提高目标信息和背景信息的区分度以及复杂背景下对目标模型的辨识能力.结果表明:改进后的算法具有对视频序列中运动目标有效实时跟踪的能力.

摘要： 针对混合高斯背景模型运动目标检测的光照突变误检以及突然运动目标的"鬼影"问题,提出了一种基于三帧差分的混合高斯背景模型运动目标检测算法.通过图像前景检测比例判断光照是否发生突变,利用三帧差分法对图像的背景区域、运动区域和背景显露区域进行划分,并根据光照情况及时改变各区域的学习率以调节混合高斯模型背景迅速更新,设计了基于三帧差分的学习率自适应混合高斯模型背景更新的方法.该方法使光照突变及目标突然运动后产生的新的背景模型得到迅速更新,从而改善这两种情况下运动目标检测效果.实验结果表明,该算法避免了光照突变时的大面积误检现象,并且同时解决了突然运动目标的"鬼影"问题.

摘要： 随着人工智能等技术的兴起,利用机器视觉对视频中运动目标进行追踪与识别在工业、交通、医疗和运动训练等领域都得到应用.对视频中人体运动姿态进行准确快速的检测,是目前一个热门的研究方向.本文采用改进的混合高斯背景模型(GMM)算法对视频每帧图像进行前景提取,通过帧间差分法分析得出不同差值对应的学习率,从而实现对背景模型更准确的更新,进而得到一个精确的二值化的前景图像;并将生成二值图像由更新后的像素与高斯B均值比较,得到背景或前景图像;再对处理后视频图像进行比对,利用Shi-tomasi算法提取图像特征点并进行追踪,获取运动目标轮廓并绘制出边缘,经过SVM训练实现对走、跳、跑3种人体运动姿态的实时追踪和识别.

摘要： Because of the dynamic background in the complex scene,there are many false targets in it,and the small moving target has small area. The texture color feature is not obvious,and the detail feature is partially lost. In order to solve these problems,an improved algorithm is proposed. Firstly,the first frame image is used as the initialization background image. Then the difference image between the current frame and the background frame image is made,and the difference image is obtained. Finally,the difference image is based on the adaptive two-value process based on OTSU to realize the back scene updating. The experimental results show that compared with the traditional background difference algorithm,the improved al-gorithm has obvious advantages,and it can quickly,accurately and completely conduct the extraction of small moving targets from complex scenes.%由于复杂场景中具有动态背景,里面存在着大量的伪目标,加上小运动目标具有距离远、面积小、纹理颜色特征不明显、细节特征部分丧失等特点,因此针对该问题,提出了一种改进算法,首先将第一帧图像作为初始化的背景图像;然后,用当前帧与背景帧图像做差分,得到差值图像;最后对差值图像基于OTSU的自适应二值化处理,实现背景更新.实验证明,与传统背景差分算法相比,改进的算法具有明显的优势,能够快速、准确、完整地从复杂场景中完成小运动目标的提取.

摘要： 在计算机视觉应用中,一个基础而关键的任务是从视频序列中提取运动目标,对于固定摄像机监控视频运动目标的检测,最常用的方法是减背景技术。其中背景建模及背景更新是背景差法中的重要任务。本文在研究了现有的背景更新方法的基础上,提出了一种自适应阈值滑动平均的背景更新方法,利用统计的方法对光线变化进行检测,通过调整更新率有效地解决了光线突变情况下的背景更新。实验结果表明该算法具有对光线突变鲁棒性强,响应速度快,实时性好等特点.

摘要： 针对视频序列中运动目标检测进行了研究,提出了一种将背景减除法和对称差分法相互融合来进行运动目标检测的算法。首先采用Surendra 背景更新算法建立背景模型,通过背景减除法得到运动目标区域,然后与对称差分法得到的差分图像逻辑或,得到比较完整的运动区域。为了能够实时地适应场景的光线变化，本文在背景更新过程中使用Ostu 算法计算出一个动态的阈值以适应光线的变化。实验结果表明，该方法快速、有效，能够满足运动目标的实时检测要求。

摘要： 本文将计算机视觉、数字图像处理学、模式识别的原理和方法应用到运动目标的检测、识别和跟踪系统的自适应背景更新中，建立了一套基于帧间差分法和背景差分法相结合的自动背景更新系统来实现背景自适应更新。实验结果表明，本文所采用的算法简单实用。在一定的限制条件下，系统取得了令人满意的效果。

摘要： 卡尔曼滤波(Kalman)是一种根据时变随机信号的统计特性,对信号的估计值做出尽可能接近真值的一种估计方法.在我们的背景更新模型中,使用了改进kalman滤波器来提高背景更新模型的精度。实验结果表明使用该改进模型背景更新的精度都得到了显著的提高。

摘要： 基于视频的人机交互是实现机器智能化的一个重要研究领域.本文提出了一种简单有效的复杂背景下的实时的指尖检测方法.基于运动手指图像全局灰度变化特征,本文提出了一种的快速有效的前景分割方法,提出了一种基于连通区域检测的背景更新方法,提出了一种基于模板匹配的手指尖检测方法.实验表明在本系统在各种室内复杂背景条件下能有效的适应背景变化,并能较准确的检测到运动指尖.

摘要： 本文针对目前复杂环境下对目标检测算法的快速准确性问题，提出一种优化算法-改进的基于混合高斯模型的方法检测运动目标。该方法对背景模型的更新算法进行改进，采用边缘梯度相似度分析的粗略检测对模型进行预处理，较好地解决了背景模型的提取、更新等问题，而且改善了目标检测效果和算法运行速度，也增加了计算机的内存使用率。实验结果表明该算法的实时性、可靠性和准确性可满足运动目标检测的要求。经OpenCV 编程测试，算法可以准确地跟踪运动目标。

摘要： 本文针对目前复杂环境下对目标检测算法的快速准确性问题，提出一种优化算法-改进的基于混合高斯模型的方法检测运动目标。该方法对背景模型的更新算法进行改进，采用边缘梯度相似度分析的粗略检测对模型进行预处理，较好地解决了背景模型的提取、更新等问题，而且改善了目标检测效果和算法运行速度，也增加了计算机的内存使用率。实验结果表明该算法的实时性、可靠性和准确性可满足运动目标检测的要求。经OpenCV 编程测试，算法可以准确地跟踪运动目标。

摘要： 本文针对目前复杂环境下对目标检测算法的快速准确性问题，提出一种优化算法-改进的基于混合高斯模型的方法检测运动目标。该方法对背景模型的更新算法进行改进，采用边缘梯度相似度分析的粗略检测对模型进行预处理，较好地解决了背景模型的提取、更新等问题，而且改善了目标检测效果和算法运行速度，也增加了计算机的内存使用率。实验结果表明该算法的实时性、可靠性和准确性可满足运动目标检测的要求。经OpenCV 编程测试，算法可以准确地跟踪运动目标。

摘要： 本文针对目前复杂环境下对目标检测算法的快速准确性问题，提出一种优化算法-改进的基于混合高斯模型的方法检测运动目标。该方法对背景模型的更新算法进行改进，采用边缘梯度相似度分析的粗略检测对模型进行预处理，较好地解决了背景模型的提取、更新等问题，而且改善了目标检测效果和算法运行速度，也增加了计算机的内存使用率。实验结果表明该算法的实时性、可靠性和准确性可满足运动目标检测的要求。经OpenCV 编程测试，算法可以准确地跟踪运动目标。

摘要： 本文提出了一种适用于大流量城市交叉路口的背景提取与更新算法。该算法针对交叉口交通流的特点，采取由含噪声的初始背景不断纠错更新向真实背景逼近的提取与更新策略，并结合中值滤波与Surrendra 算法，对背景进行更新。实验结果表明，该算法效果能满足交叉口车辆检测等实际应用的要求。

摘要： 提供更新用于图像的背景减除的背景模型的方法和装置。该方法包括：接收图像，以及通过使用背景模型(240)执行背景减除来将图像中的区域(226)分类为前景。该背景模型包括针对图像中的每个像素(228)的背景样本(248、248b、248c、248d)的集合。背景样本的集合被布置在背景图像(242a、242b、242c、242d)的串列中。该方法进一步包括：将图像的被分类为前景的区域中的图像内容更换为串列中的背景图像中的对应区域的图像内容，以及通过重新布置各自指向串列中的背景图像之一的指针(244a、244b、244c、244d)的集合，来将图像添加到背景图像的串列中，使得指针之一改为指向该图像。

摘要： 本发明公开了一种手表背景图片的更新方法、装置及系统，该方法包括如下步骤：于接收到背景图片更新请求时，获取移动终端背景图片，向智能手表发送获取手表表盘配置信息的请求；接收智能手表发送的手表表盘配置信息；根据获得的手表表盘配置信息对该背景图片进行处理，将该背景图片转换成与符合该配置信息以便智能手表可以使用的图片，并发送至该智能手表以进行更新，本发明可实现手机背景图片与手表背景图片的同步更新。

摘要： 提供更新用于图像的背景减除的背景模型的方法和装置。该方法包括：接收图像，以及通过使用背景模型(240)执行背景减除来将图像中的区域(226)分类为前景。该背景模型包括针对图像中的每个像素(228)的背景样本(248、248b、248c、248d)的集合。背景样本的集合被布置在背景图像(242a、242b、242c、242d)的串列中。该方法进一步包括：将图像的被分类为前景的区域中的图像内容更换为串列中的背景图像中的对应区域的图像内容，以及通过重新布置各自指向串列中的背景图像之一的指针(244a、244b、244c、244d)的集合，来将图像添加到背景图像的串列中，使得指针之一改为指向该图像。

摘要： 一种方法包括：在显示以第一媒体项作为背景的唤醒屏幕以及在该第一媒体项上显示的前台对象时，检测对应于显示媒体库的请求的第一用户输入；响应于检测到该第一用户输入，停止该前台对象的显示；检测第二用户输入，该第二用户输入对应于在该媒体库中的媒体项中进行导航的请求；响应于检测到该第二用户输入，用该媒体库中的第二媒体项替换该第一媒体项；检测第三输入，该第三输入对应于消除该媒体库的请求；以及响应于检测到该第三用户输入，在该显示设备上在来自该媒体库的被选择作为该唤醒屏幕的该背景的媒体项上重新显示该前台对象。

摘要： 本发明涉及一种基于路侧激光雷达的背景构建与更新方法，所述方法包括：首先设计了基于端边云协同的路侧激光雷达任务分配方法；然后对路侧激光雷达的背景构建与更新分别设计了高效、减少计算资源的背景划分方法、设计了筛选道路用户少的数据帧方法、设计了基于最大数量的背景单元选择方法和使用滑动窗口的形式对背景构建数据帧进行更新方法；最后设计了基于hash表的道路背景实时差分方法。本发明在路侧激光雷达的长时间工作，背景过滤的实时性和背景构建的质量上进行了提升。

摘要： 本发明公开了一种基于自适应背景更新和选择性背景更新的前景检测方法，属于图像处理技术领域。本发明首先将待检测的视频流的图像帧转换为灰度图及HLS图；若当前图像帧为视频流的首帧，则将其灰度图作为背景模型；对非首帧的图像帧，若图像帧数不超过阈值，若是，则不断的基于当前帧的灰度图对背景模型进行更新，直到图像帧数超过阈值；超过阈值时，则进入前景图像检测处理步骤：基于背景模型和当前帧的灰度图得到第一前景图像，再采用帧差法获取第二前景图像，对两者取并集得到第三前景图像，以及通过颜色标准化相关系数，对第三前景图像进行处理，从而得到像素级的前景目标。本发明对运动、静止目标的检测效果好，且具有较好的鲁棒性。

摘要： 本发明公开了一种基于双背景模型的双掩膜背景更新的遗留物检测方法，涉及智能监控、计算机视觉领域。本方法包括以下步骤：S1：读入监控视频，并创建两个背景模型；S2：检测静止前景物体；S3：对检测到的静止物体进行筛选；S4：双背景模型的更新；S5：将检测到的遗留物加以标记输出到视频监控。本发明通过双背景模型的对比，粗略地检测出静止物体，经过进一步精确的筛选得到准确的遗留物，在两个背景模型上的更新方法上进一步保证了遗留物检测的准确度，同时还保证了检测的实时性。并且也能很好的适应各种公共场合以及有效的避免环境变化(比如光线，风吹物体的摆动)产生的干扰。

摘要： 本发明公开了一种基于自适应背景更新和选择性背景更新的前景检测方法，属于图像处理技术领域。本发明首先将待检测的视频流的图像帧转换为灰度图及HLS图；若当前图像帧为视频流的首帧，则将其灰度图作为背景模型；对非首帧的图像帧，若图像帧数不超过阈值，若是，则不断的基于当前帧的灰度图对背景模型进行更新，直到图像帧数超过阈值；超过阈值时，则进入前景图像检测处理步骤：基于背景模型和当前帧的灰度图得到第一前景图像，再采用帧差法获取第二前景图像，对两者取并集得到第三前景图像，以及通过颜色标准化相关系数，对第三前景图像进行处理，从而得到像素级的前景目标。本发明对运动、静止目标的检测效果好，且具有较好的鲁棒性。

摘要： 本发明公开了一种基于双背景模型的双掩膜背景更新的遗留物检测方法，涉及智能监控、计算机视觉领域。本方法包括以下步骤：S1：读入监控视频，并创建两个背景模型；S2：检测静止前景物体；S3：对检测到的静止物体进行筛选；S4：双背景模型的更新；S5：将检测到的遗留物加以标记输出到视频监控。本发明通过双背景模型的对比，粗略地检测出静止物体，经过进一步精确的筛选得到准确的遗留物，在两个背景模型上的更新方法上进一步保证了遗留物检测的准确度，同时还保证了检测的实时性。并且也能很好的适应各种公共场合以及有效的避免环境变化(比如光线，风吹物体的摆动)产生的干扰。

摘要： 本申请实施例公开了一种客户端的页面背景更新方法、装置、电子设备和存储介质；本申请实施例可以展示客户端的用户页面，所述用户页面包括当前页面背景和目标内容，所述当前页面背景的背景素材模板为第一背景素材模板；然后，将所述用户页面的当前页面背景更新为目标页面背景，所述目标页面背景的背景素材模板为第二背景素材模板，所述第二背景素材模板由客户端的当前用户关联信息和当前环境信息确定，所述客户端的当前用户关联信息为当前观看所述用户页面的用户的关联信息。该方案可以根据客户端当前的人脸信息和环境信息对页面背景进行更新，有效地提高了页面背景更新的准确性。