背景模型

摘要： 针对显著性目标多样性和不确定性,机器学习算法无法检测没有先验信息的图像问题,提出了一种基于图像边缘信息构建背景模型结合SVM分类算法的显著性目标检测算法。该方法对输入图像进行超像素预处理,使像素级转化为超像素级,既抑制噪声,又提高了计算效率。利用图像边缘超像素构建图像的初始背景模型,得到初始显著图。基于SVM算法建立目标和背景的分类模型,结合信息熵评价特征图,迭代优化背景模型,同时得到显著性目标。在公开数据库中进行了测试,实验结果表明,提出的检测算法能够在没有任何图像先验信息的情况下有效地检测出图像中的显著性目标,与流行的5种算法相比,该方法对检测目标的尺度和数量都具有较好的鲁棒性。

摘要： 海上作业工作中,通常通过机器视觉获取环境视频信息。其中,分析海上舰船目标是一项重要工作。为此,提出基于动态视频信息分析的海上舰船目标检测方法。首先使用差分处理方法去除动态视频图像中的噪声,并适应度增强背景光线。然后缩小运动目标检测区域,实时更新背景模型,降低背景对检测目标的影响。在划分海上舰船动态视频图像后,检测天空和海天线,构建海面背景的纹理模型。最后,去除天空与非海面纹理的像素点,即可得到海上舰船目标。实验结果表明,该方法的检测精度高,对动态视频检测响应速度快且去噪效果较好。

摘要： 为提高监控视频的编码效率,在AVS监控伸展档次的编码框架下,提出一种新的背景帧更新方法,即迭代更新均值法.根据某一像素在前景区域和背景区域出现频率不同的原理来确定该像素点在某一帧中的性质.通过在监控视频Crossroad,Overbridge和Classover的测试比较,得到不同性质的像素点对应的背景模型像素值.结果表明,慢速运动物体难以从背景中消除的缺点得到一定程度的改进,同时加强了背景信息的完整性和提高了背景帧的质量.在同等码率和相同峰值信噪比的条件下,相比于AVS基准档次方法平均节省码率为43.283％,平均提高峰值信噪比1.186 dB,其监控视频的编码效率也得到了提升.

摘要： 传统的高斯模型无法检测比较复杂的场景或速度较低的运动目标,因此提出基于改进高斯混合模型的运动目标检测算法.使用多个高斯模型表示运动目标图像内各像素点特征,并基于图像内各像素点与高斯混合模型相匹配则视其为背景点,反之为前景点原理,更新高斯混合模型.通过更新前景模型并计算短时稳定度指标,提高运动目标检测效果,通过确定高斯分布与像素关系,设定新的参数构造背景模型,消除光照突变造成的影响.实验分析结果表明,该方法能够很好地检测与跟踪运动目标,且抗噪性能好、清晰度高,准确率高达98％.

摘要： 本文给出了一种游客进入游园限制区域的一种智能监测方法。算法首先创建一个区域背景模型,再利用背景差分法检测并提取出运动人,接着根据限制区域检测区域和运动人区域的位置关系、运动人在限定区域停留时间等信息融合,首先分析出是否有进入限定区域,并根据进入限定区域的程度给出不同级别的警示信息。实验结果表明,本文方法具有实时性好、准确性较高,并具备一定的鲁棒性。

摘要： 钢轨表面缺陷具有独特性和稀疏性,利用机器视觉技术自动地检测钢轨表面缺陷仍存在很大挑战.提出一种基于背景建模的钢轨表面缺陷像素级检测方法,利用钢轨图像固有特性构建图像背景分布模型,找到背景分布簇中心,以定位到可疑像素点;提出一种钢轨表面缺陷像素级识别方法,根据可疑像素点的上下文特征和空间位置先验概率识别该像素点是否属于真实缺陷,并在钢轨缺陷数据集和实际线路上进行试验验证.研究结果表明:该方法在重载铁路和客运铁路2种钢轨缺陷数据集上均取得良好的识别性能,并在实际线路上达到100％的检测率.

摘要： 针对在无监督情况下,图像中显著性目标的不确定问题,提出了一种基于纹理和颜色特征的显著目标检测算法.首先,利用Gabor滤波器提取图像的纹理特征,构造背景模型.结合图像边缘信息更新背景先验信息.其次,利用颜色对比度来获取显著特征,利用贝叶斯增强来提高检测效果.最后,在MSRA和ECSSD两个公开数据集上,将论文算法与其他6种算法进行对比测试,实验结果表明论文算法综合性能优于其他几种算法,对目标的尺度和数量都具有较强的适用性和鲁棒性.

摘要： 车辆检测是车辆识别和跟踪的重要前提.为解决传统车辆检测算法无法兼顾检测的准确性与实时性的问题,本文提出一种基于实时交通状况和自适应像素分割的运动车辆检测算法.该算法采用多帧间隔图像建立初始背景模型,提出基于时-空变化度的背景区域变化评价方法,并基于时-空变化度制订了自适应的学习率更新策略.通过设置一个信任区间,并根据当前交通状况和像素点是否处于信任区间内来判断当前的背景模型是否需要更新,进而实现对运动车辆的准确、快速检测.改进后的像素自适应分割算法在不同场景中检测的性能指标Recall、Precision和F-measure分别达到0.929,0.864,0.888,均高于传统像素自适应分割算法,且算法的处理时间为88.37 ms,比传统像素自适应分割算法的运算速度快近10 ms,基本满足车辆检测所需的速度快、精度高、鲁棒性高等要求.

摘要： 本文针对智能视频处理技术中运动目标检测的问题，提出了一种改进的运动目标检测算法。该算法首先对于给定的视频，用帧间差分法快速检测出感兴趣的区域；然后使用混合高斯模型法处理时，仅更新上述区域中像素点的背景模型。该算法有效地结合了帧间差分法和混合高斯模型法的优点，不仅提高了系统对快速运动目标的检测能力，而且消除了单独使用帧间差分法时容易产生的“空洞”现象。结果表明，该算法在满足检测精度要求的前提下具有较好的实时性。

摘要： 运动检测是当前计算机视觉领域的一个研究热点.本文提出一种新的运动检测算法,对像素点多个特征值进行背景建模,而后自适应地选择各像素点的最优特征值,运用最优特征值背景模型进行运动检测.大量的数据测试表明,该算法与高斯背景模型相比,更能有效地去除背景噪声的干扰,取得较好的运动检测效果.

摘要： 针对传统视频监控方法无法对密集前景目标进行准确分割的问题,提出一种基于Adaboost和码本模型的多目标视频监控方法.首先,通过训练得到Adaboost人头分类器,利用码本算法为垂直拍摄的手扶电梯出入口图像建立背景模型,提取前景图像对其进行人头检测和跟踪;之后,剔除行人目标得到物件目标,对物件目标进行跟踪;最后,根据行人和物件的运动特征进行监控.对12段出入口视频序列的实验结果表明,监控方法能够准确稳定地跟踪行人和物件,完成逆行检测、客流统计、行人拥堵和物件滞留等监控任务,处理速度达到36帧/秒,目标跟踪准确率达到94％以上,行为监控准确率达到95.8％,满足智能视频监控系统鲁棒性、实时性和准确性的要求.

摘要： 从视频图像序列中准确实现背景重建，是背景差法的关键所在。本文提出了模型类别归属判定的背景重建和目标检测方法。首先实现色彩空间的转换，依据HSV色彩空间中像素点及其统计特性，建立背景模型初始类别：然后将后续视频信息的同位像素点与已知类别进行归属判定，实现动态的更新背景模型类别、添加新的背景模型类别，检测出运动目标;最后，实现阴影的检测并去除阴影。实验结果证明了该方法的有效性。

摘要： 自适应混合背景模型的关键在于模型的参数能够根据输入数据的变化，进行自适应的改变。本文在最大似然准则下，推导出了混合高斯模型参数的递推方程，并定义遗忘因子和学习率因子，通过分析遗忘因子和学习率因子在方程中的物理意义，我们得到了更一般遗忘因子和学习率因子的表达形式，并证明了这种学习率因子能够保证本文提出的学习算法的收敛性。通过实验证明，本文提出的学习算法无论在收敛速率，还是在准确性方面，都要优于传统的方法。

摘要： 运动目标检测的研究是视频监控领域基于目标识别与跟踪的首要环节.为了更好地进行目标检测,提出了一种均值采样的核密度估计动态场景建模算法.利用问隔序列图像的平均背景,从包含运动目标的图像序列中提取具有主要背景信息的新样本集建立高斯核密度估计模型,并利用背景差分法检测运动目标.新样本减小了密度估计的样本量,降低目标检测的虚警率和误检率.同时引入定时全样本更新和实时选择性更新相结合的更新机制,实现了背景模型的自适应更新.然后根据阴影区域亮度和色度的特点,在HSV颜色空间去除运动阴影.仿真实验表明,与全样本算法相比,本文算法具有速度快,精度高的优点,可以有效地对运动目标进行检测.

摘要： 运动目标检测的研究是视频监控领域基于目标识别与跟踪的首要环节.为了更好地进行目标检测,提出了一种均值采样的核密度估计动态场景建模算法.利用间隔序列图像的平均背景,从包含运动目标的图像序列中提取具有主要背景信息的新样本集建立高斯核密度估计模型,并利用背景差分法检测运动目标.新样本减小了密度估计的样本量,降低目标检测的虚警率和误检率.同时引入定时全样本更新和实时选择性更新相结合的更新机制,实现了背景模型的自适应更新.然后根据阴影区域亮度和色度的特点,在HSV颜色空间去除运动阴影.仿真实验表明,与全样本算法相比,本文算法具有速度快,精度高的优点,可以有效地对运动目标进行检测.

摘要： 运动目标检测的目的是从视频序列图像中提取出运动目标。可靠的背景模型的建立是该算法的关键。在混合高斯模型的基础上,改进了背景模型的更新算法,提高了更新速度。利用颜色梯度信息消除了运动影子问题,并采用混合颜色空间检测和抑制了运动阴影。仿真结果表明,该算法能精确地提取出运动目标。

摘要： 湖南境内的水库分布在省的西部和南部海拔较高的地区,根据1960-2015年逐年年降水量资料,分析出近五十六年中各水库流域逐年变化曲线图,资料显示,东南部(湘江流域上游)年平均降水量最多,中南部的邵阳盆地(资水流域中游)年平均降水量最少,西北部(沅水流域中游)年平均降水量次之;结果还显示年降水量不是平均分配到各月,旱、涝并存,不但年际变化大,而且地域差异也大;针对水电生产需求,定出标准,筛选出历史个例,通过反查大量个例历史天气图,总结归纳出各季各类的大气环流模型.

摘要： 湖南境内的水库分布在省的西部和南部海拔较高的地区,根据1960-2015年逐年年降水量资料,分析出近五十六年中各水库流域逐年变化曲线图,资料显示,东南部(湘江流域上游)年平均降水量最多,中南部的邵阳盆地(资水流域中游)年平均降水量最少,西北部(沅水流域中游)年平均降水量次之;结果还显示年降水量不是平均分配到各月,旱、涝并存,不但年际变化大,而且地域差异也大;针对水电生产需求,定出标准,筛选出历史个例,通过反查大量个例历史天气图,总结归纳出各季各类的大气环流模型.

摘要： 本发明涉及基因突变检测技术领域，公开了一种重复区域背景噪音过滤模型的构建方法及背景噪音过滤方法，针对点突变以及插入缺失突变，根据panel的阴性样本构建背景基线，构建基于人类基因组的重复区域数据库等，最后针对SNV、indel突变的丰度、背景基线、与重复区域的关系等信息，判断突变是否是背景噪音，进而分类过滤。本发明的过滤测序背景噪音的方法在假阳突变、真阳突变的识别应用上都表现出了优异的准确性和高效性。

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： 一种用于提供背景触发的背景模型分发的方法可以包括：接收与第一设备有关的当前背景信息；访问与第一设备关联的背景简档和安全简档；并且至少部分地基于针对第一设备的当前背景对将用于开发合成背景树的当前背景信息的方面进行限定的背景简档、基于与第一设备有关的当前背景信息和与至少一个其他设备有关的背景信息中的至少部分来开发合成背景树。也提供一种与该方法对应的设备和计算机程序产品。

摘要： 本发明实施例公开了一种背景模型与三帧差分相结合进行视频背景检测的方法，其特征在于，包括：对每帧图像划分图像块；建立基于图像块的混合高斯背景模型；对于与背景模型不匹配的图像块利用三帧差分进行进一步判断；根据背景模型与三帧差分的结果判断出每个图像块是前景块还是背景块。通过实施本发明，本方法不仅可以克服传统方法中背景模型是以单个像素的形式建立的造成系统执行效率不高的缺点，而且采用简便有效的判定方法进行宏块属于前、背景块的判断，运算复杂度低并且检测准确。

摘要： 本发明公开了一种基于特征模型到背景模型距离的背景建模方法，通过训练好的网络建立像素点的特征模型，再根据前N帧图像训练所得结果，得到像素点的背景模型，并用最小M2M距离，即特征模型到背景模型的距离，来衡量像素点的特征模型和背景模型之间的相似度，再根据设定的阈值与最小M2M距离的比较，对像素点进行前景点和背景点的分割，之后再利用M2M距离对像素点背景模型和其邻域像素点背景模型进行更新。本发明充分利用像素点的基于时空上下文的特征信息，使背景建模具有很好地适应性和准确性。

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： 一种用于提供背景触发的背景模型分发的方法可以包括：接收与第一设备有关的当前背景信息；访问与第一设备关联的背景简档和安全简档；并且至少部分地基于针对第一设备的当前背景对将用于开发合成背景树的当前背景信息的方面进行限定的背景简档、基于与第一设备有关的当前背景信息和与至少一个其他设备有关的背景信息中的至少部分来开发合成背景树。也提供一种与该方法对应的设备和计算机程序产品。

摘要： 本发明实施例公开了一种背景模型与三帧差分相结合进行视频背景检测的方法，其特征在于，包括：对每帧图像划分图像块；建立基于图像块的混合高斯背景模型；对于与背景模型不匹配的图像块利用三帧差分进行进一步判断；根据背景模型与三帧差分的结果判断出每个图像块是前景块还是背景块。通过实施本发明，本方法不仅可以克服传统方法中背景模型是以单个像素的形式建立的造成系统执行效率不高的缺点，而且采用简便有效的判定方法进行宏块属于前、背景块的判断，运算复杂度低并且检测准确。