运动目标检测

摘要： 移动摄像机拍摄的视频由于背景帧不固定以及数据量大的问题,有效检测出其中的运动目标仍是一个挑战。提出了结合在线随机张量分解(OSTD)和全变分(TV)正则化的运动目标检测方法。首先,将视频序列可视为三阶张量,采用在线优化方法实时处理。结合小样本批处理初始化缩小基矩阵大小,在前景部分利用TV正则化对目标的空间性进行约束。最后,不断更新基矩阵和稀疏部分系数,直到达到设定的迭代次数或所有样本计算已经完成。实验结果表明:该方法能有效应对背景帧不固定、实时处理等问题,准确地检测出运动目标。与其他同类方法相比,不仅检测精度更高,而且保持了较快的运行速度。

摘要： 运动目标检测是视频监控系统中的关键技术步骤。传统算法一般通过视频序列中像素分布的时空域特点进行判断,对亮度变化和阴影的鲁棒性较差。提出了一种基于改进压缩背景码书模型的运动目标检测方法,提出了一种改进色彩偏差和亮度差异阈值的检测策略,并采用形态学处理去除不规则和较小面积误检测的影响,对外界光线变化具有更强的鲁棒性。仿真实验表明,此算法在暗/亮区域目标检测中更具合理性,证明了算法的有效性。

摘要： 针对帧差算法检测运动目标存在的目标边缘缺失和空洞的问题,提出一种将改进帧差和基于改进Canny算子的运动目标边缘提取方法相融合的运动目标检测算法。首先,使用帧差法快速检测变化区域,并通过面积阈值判断是否进行当前帧的检测以提高算法实时性;其次,在运动目标边缘提取中,提出一种基于改进Canny算子的运动目标边缘提取方法提取当前帧运动目标边缘,以解决检测目标边缘缺失的问题;最后,将改进的三帧差分法提取运动目标像素点填充目标边缘图像,以解决检测目标内部空洞的问题。对比实验结果表明,该融合算法对视频中的运动目标能以较高的准确度和完整度实现运动目标的高效检测。

摘要： 针对视觉背景提取(Visual background extractor,Vibe)算法在光照突变时容易导致提取的前景目标存在大面积误检的问题,提出一种基于YCbCr彩色空间和改进三帧差分的改进Vibe算法。该算法根据视频前后帧亮度值在YCbCr彩色空间的差值对光照突变帧进行精准检测,并通过判断当前帧与前一帧是否存在前景运动目标来判断采用改进三帧差分法还是Vibe初始化当前帧进行运动目标提取。改进三帧差分法通过视频前后的帧亮度差值自适应调节阈值大小,从而减小噪声对前景提取的影响。实验结果表明,改进的Vibe算法能够在光照突变的环境下提高检测目标的准确度和完整性,并有效抑制“鬼影”现象的产生,降低了误检率。

摘要： 交通运输环境下的运动车辆检测是近年来计算机视觉以及图像处理领域研究的热点。随着交通联网的普及,交通运输行业对运动目标检测的精确性以及对复杂背景环境的适应性的需求越来越高。因此围绕如何提高交通运输环境下运动目标检测和背景检测的准确度两个方面进行研究,对帧差法和背景差分法改进后融合,并将融合算法运用到复杂的交通环境中。以大量交通录像视频作为样本,用改进的融合算法进行了测试。实验结果表明该算法能够精确快速的检测出目标,完整还原出物体轮廓,有效减小噪声影响,具有良好的抗干扰性。

摘要： 针对传统ViBe算法不能及时反映场景变化,动态场景适应性差等问题,提出一种改进的ViBe算法。改进内容包括:采用随机选取背景样本和24邻域法获取初始背景,可以加速“鬼影”消融;结合大津法(OTSU)和均匀性度量法的平均自适应阈值计算方法,可以提高算法对树叶晃动、水波纹和光照变化等环境的适应性,最大限度保留有效像素;更新阶段引入自适应更新因子,可以有效减少被误判的概率,从而增强算法的鲁棒性;最后通过形态学处理和滤波使目标更加完整。采用标准数据集视频对改进算法进行了测试和对比分析,改进算法相对于KDE算法、GMM算法和传统ViBe算法各项指标均有大幅度提高,精确度分别提高30.44%、40.72%和20.95%,错分比分别降低了43.28%、40.59%和29.43%。

摘要： 针对运动目标检测算法在传统PC端上实时性较差的问题,设计了一种基于ZYNQ硬件加速的运动目标实时检测系统。将摄像头采集的彩色视频流转换为灰度视频流并进行图像处理来实现运动目标检测,并将检测后的结果与原彩色视频流叠加来显示实时检测结果;选用经典的帧差法,并在ZYNQ平台上设计和实现该算法,在VDMA存储中使用乒乓操作加速,中值滤波进行图像处理时使用流水线操作并行加速,大大地提高了算法处理速度。设计实现后对传统的CPU+OpenCV实现横向对比分析,结果表明ZYNQ平台在实时性上具有明显优势。

摘要： 针对ViBe算法对光照突变不敏感以及由于背景存在大量高频扰动对象而被误检为前景的问题,在经典ViBe算法的基础上提出了改进方法。采用分离视频帧HSV空间中V分量均值作为判断光照突变的方法,由实验得到判断光照突变的阈值Δω=0.1作为判别条件,若光照发生突变则采用突变平稳后的视频帧作为初始帧重新建模,以此解决光照突变问题,由于算法初始建模时存在运动目标会产生“鬼影”的情况,采用连续两帧差分背景模型的方法去除“鬼影”,并提出判断扰动强弱情况的扰动强度因子概念,根据扰动强度因子强弱程度,动态的改变背景建模时匹配半径的大小。实验表明,改进ViBe算法在光照突变和背景高频扰动情况下比原算法的误检率平均降低6%左右,且能够达到实时检测的效果。

摘要： 目前基于立体视觉信息的运动目标识别定位、跟踪及轨迹预测是机器视觉领域的研究热点。通过归纳整理相关文献,从双目立体视觉技术、运动目标检测技术、运动目标轨迹预测技术三个方面对基于立体视觉的运动目标检测及轨迹预测进行了概述,分别阐述了相机标定的常见方法、图像特征提取及立体匹配不同算法的适用场景、各运动目标检测方法的优缺点、常用轨迹预测方法的预测思路及优劣势。针对基于立体视觉的运动目标检测与轨迹预测的研究,指出了其现今面临的挑战和研究重点,可为相关研究人员提供参考。

摘要： 针对传统的三帧差分法运动目标检测算法容易出现“空洞”现象,进而导致检测物体不完整的问题,提出一种改进的三帧差分法算法检测运动目标。改进算法先对连续的三帧图像进行预处理得到灰度图像,进而对其两两差分,获得两幅差分图像;利用阈值分割得到二值图像,经形态学的膨胀处理得到新的二值图像,通过逻辑与运算后,最后通过形态学操作的腐蚀处理,得到最终的运动目标图像。改进算法在真实场景下,通过对高速运动的乒乓球进行实验测试,并与传统的三帧差分法进行结果对比。实验结果表明:改进算法可以明显解决“空洞”现象导致的运动物体不全的问题,并对运动目标检测的更加准确和完整;整体计算较简单,可以实现实时性处理,且具有很好的鲁棒性。

摘要： 移动机器人在动态场景下工作时,需要对场景进行识别,检测出所在场景中的运动目标.现有的动态目标检测算法如背景减法、帧间差分法,在动态背景下难以取得较好的效果,且现有的一些像素级的运动检测方法,都无法提取出完整的运动目标.本文提出了一种基于稠密场景流的运动目标检测方法,该方法首先利用K-Means聚类算法,对RGB-D图像中的深度图进行聚类并分割图像,然后计算图像的每个分割块的场景流,最后根据聚类结果和场景流估计结果,检测出运动场不为0的区域对应的该类即是动态物体,从而可检测并提取出动态场景下的运动目标.实验结果表明,本文提出的动态物体检测算法可以在背景运动时有效地检测出运动目标,具备较好的鲁棒性,且能够实现运动目标的完整提取.

摘要： 视频SAR作为一种新型微波遥感体制,能够实现对热点区域动态目标的持续监测,但目标运动引起的相位调制会导致运动目标的SAR图像发生散焦、移位、幅度下降等现象.传统的SAR动目标检测与成像方法难以实现对运动目标的持续监测与跟踪,同时存在盲速的问题.基于天基视频SAR的运动目标检测与成像方法能够充分利用帧间信息进行动目标的检测与运动参数估计,进而进行成像.基于估计的运动参数信息实现动目标的定位与成像后即可得到成熟的视频SAR产品.文章提出的基于视频SAR的运动目标检测与成像方法能够为视频SAR的实际应用提供理论支撑.

摘要： 针对传统的混合高斯模型运动目标检测算法计算量大、时间复杂度高,在复杂场景下未能有效地描述背景等缺点,本文提出了一种改进的混合高斯模型算法.该算法利用对视频图像分块的思想,在提高目标检测效率的同时,还考虑到了像素点之间的空域信息.在不同模型区域采用不同的背景更新率,使得背景模型能精确地反映真实的背景.最后对检测结果采用区域标记法来准确定位目标区域,达到去除噪声干扰的目的.实验结果表明,该算法比传统混合高斯模型运动目标检测算法具有更好的检测效果,降低了检测噪声,能有效地检测运动目标,适用于对运动目标的实时检测.

摘要： 本文首先介绍铁路车站安全视频监控系统的发展情况,并分析了系统的应用需求,通过分析设计了一个基于运动目标检测的车站安全监控系统.在分析车站安全监控应用需求的基础上，结合目前监控技术的发展现状，以提高车站的安全监控管理水平。系统硬件主要由视频摄像头、接口卡、计算机组成，软件编程采用C++和OpenCV函数库。基本思想：根据车站摄像头采集图像数据（或从存储设备直接读取视频流数据），通过不同帧图像之间的关系，采用背景减法实现运动目标的检测。基于此，通过对车站实验区域的运动目标的连通区域标注、噪声目标去除等实现跟踪，当运动目标靠近或进入禁止区域时，实现提示报警功能。

摘要： 本文对运动目标检测和跟踪的算法进行了讨论,通过分析和比较常用运动目标检测的算法,提出了一种使用改进的帧差法和背景减法融合的检测运动目标的方法.并利用OPENCV提供的函数库进行仿真测试,结果表明在复杂环境下本文的算法能检测并跟踪到清晰完整的运动目标.

摘要： 当前运动目标检测存在几个重要问题比如动态场景的变化、光照突变以及天气变化等.目前已有的算法使用非常广泛的是GMM(Gaussian Mixture Model,混合高斯模型).本文试图利用GLCM(Gray-level co-occurrence matrix,灰度共生矩阵)及基于GLCM提取的纹理特征来解决这些问题.GLCM在局部区域的往复运动具有相对不变性,因此本文利用这个特点对基于GMM检测的前景进行再判断以解决动态场景的问题,将检测窗口中当前帧和前两帧的GLCM特征值进行比较,如果其GLCM特征值的差值小于给定的阈值,那么可以判断当前区域为背景,反之则为前景.图像的纹理特征具有抗光照突变性,经过分析其中的4个特征值并阈值化最终得到更加纯净的前景和更加准确的检测结果.本文通过CPU/GPU(Central Process Unit/Graphic Processing Unit)协同并行计算大大加速了运动目标检测过程.

摘要： 机载火控雷达在对地面运动目标检测时,空时二维杂波谱随距离变化而变化,在距离向是非均匀的,不能直接由临近距离单元估计杂波协方差矩阵.针对此问题,提出了一种基于最小二乘估计的多普勒频移补偿方法，并运用仿真数据和实际杂波数据进行分析。结果表明，该方法通过距离向多普勒频移补偿后，削弱了各个距离单元杂波多普勒频率变化程度，使杂波数据基本满足独立同分布条件，提高了空时自适应处理STAP方法的杂波抑制效能，增强了某机载火控雷达地面运动目标的检测能力。

摘要： 运动目标检测在视频监控等纵很多领域中有着广泛的应用价值，稳定可靠的运动目标检测算法是计算机视觉高层理解的重要前提。本文提出的基于混合高斯模型与分块帧差相融合的运动目标检测方法，通过在混合高斯模型的基础上引入分块帧差的思想，从而有效地判断了运动场景中由其他原因引起的场景突变或缓变等情况，为精确稳定的目标检测提供了有力的保障。该方法能够实时地跟踪运动场景，具有良好的鲁棒性。

摘要： 本文主要针对传统的低秩自适应匹配滤波器(IRAMF)检测器杂波抑制不足的问题,提出一种基于鲁棒主成分分析(RPCA)的和差波束空时自适应处理(∑△-STAP)检测方法.该方法基于低秩矩阵恢复理论建立∑△-STAP信号模型,首先采用LRAMF检测器预处理海杂波;然后利用RPCA技术从距离多普勒数据矩阵中分离出含有目标成分的稀疏矩阵;最后从该稀疏的距离多普勒谱图中有效地检测出慢速运动目标.仿真实验表明该方法能够在一定程度上克服LRAMF检测器杂波抑制不足的缺点,可以有效地从距离多普勒谱图中检测出运动目标,并且在低信杂比(SCR)情况下也具有较好的鲁棒性.

摘要： 随着视频监控技术的快速发展,行人数据流量统计的研究也逐渐被重视.为了有效实现行人数据流量统计,在提取运动目标检测时采用时间差分法结合背景减除法来建立背景模型;另外利用运动目标的高宽比和离散度实现对目标的有效分类,并对完成分类的人群目标利用其边缘特征和人数的线性关系,采用曲线拟合方法对其进行分析;最后采用基于Kalman滤波的最近邻匹配跟踪算法,通过对行人进行实时跟踪完成人数统计.实验表明,该算法能够满足实时性需求并且在行人计数方面有较高准确率.

摘要： 本发明公开了一种运动目标检测方法及实现运动目标检测方法的检测系统，在检测前景像素时，通过对当前像素的邻域像素进行统计，并引入置信因子来判断当前像素是否为前景像素，检测出来的前景目标可靠、空洞较少，可以消除鬼影等影响；在背景模型更新方面，采用背景像素进行模型更新，具有较高的可靠性；基于CSLBP纹理特征对光照的不敏感性，计算当前像素的更新概率，实现了背景模型的自适应更新，很好的适应光照的突然变化，克服了场景动态变化对背景图像的影响，使所建立的背景图像具有较好的鲁棒性。对于此算法，本发明还采用并行结果和多级流水线技术，用硬件的方式实现，提高了检测的实时性。

摘要： 本发明提供了一种运动目标检测方法和一种运动目标检测装置，其中，运动目标检测方法包括：获取当前编码帧的运动矢量数据；将当前编码帧进行区域划分，每一区域对应N个运动矢量，形成一个运动矢量组；根据每一运动矢量组计算出一个局部相似值，以得到当前编码帧的局部相似值图；对局部相似值图进行二值化，在经过二值化的局部相似值图中分割出多个独立的连通域，将每一独立的连通域作为一个运动目标，完成运动目标的检测。在前端设备中无需增加额外的硬件资源，并且在编码的同时输出检测结果，实时性高。

摘要： 本公开提供了一种与静止目标成像关联的运动目标检测系统，包括：静止目标成像处理模块和运动目标检测处理模块，静止目标成像处理模块根据输入的参数对载机平台运动误差进行估计，得到载机平台运动参数；运动目标检测处理模块根据输入的雷达回波数据和静止目标成像处理模块得到的载机平台运动参数，对运动目标进行检测并补偿，得到补偿后的运动目标数据。本公开还提供了一种与静止目标成像关联的运动目标检测方法，包括：步骤一、利用静止目标成像过程估计载机平台运动参数；步骤二、利用估计的载机平台运动参数进行运动目标检测。本公开降低了静止目标成像与运动目标检测同时工作时，运动目标检测性能对载机平台导航设备精度的依赖。

摘要： 本发明公开了一种运动目标检测方法及实现运动目标检测方法的检测系统，在检测前景像素时，通过对当前像素的邻域像素进行统计，并引入置信因子来判断当前像素是否为前景像素，检测出来的前景目标可靠、空洞较少，可以消除鬼影等影响；在背景模型更新方面，采用背景像素进行模型更新，具有较高的可靠性；基于CSLBP纹理特征对光照的不敏感性，计算当前像素的更新概率，实现了背景模型的自适应更新，很好的适应光照的突然变化，克服了场景动态变化对背景图像的影响，使所建立的背景图像具有较好的鲁棒性。对于此算法，本发明还采用并行结果和多级流水线技术，用硬件的方式实现，提高了检测的实时性。

摘要： 本发明实施例公开了一种运动目标检测模型建立方法和运动目标检测方法，运动目标检测模型建立方法包括：将获取的视频样本进行按帧拆分得到多个样本；将部分样本用于初始化前景分割模型，剩余的其他样本作为训练集；重复以下步骤：获取并将子训练集输入前景分割模型，得到浅层前景目标图；将子训练集输入至全卷积网络模型，得到深层前景目标图；将浅层前景目标图分别与深层前景目标图融合，得到前景目标特征图集；利用前景目标特征图集更新前景分割模型。当前景目标的识别准确率达到预设值，将前景分割模型和全卷积网络模型作为运动目标检测模型。由此，本发明解决了前景分割模型中错检和漏检的问题，提高了运动目标的检测准确度。

摘要： 本发明公开了一种运动目标检测系统。运动目标检测系统包括：用于采集车辆外不同预定区域的多个图像的多个相机、用于根据多个图像形成全景图像的图像预处理模块、用于检测并跟踪全景图像的特征点的视觉特征处理模块、用于根据传感器信息获得车辆运动模型的车辆运动估计模块、用于根据特征点以及车辆运动模型分割全景图像的运动目标和背景的运动目标检测模块和用于在运动目标对车辆形成危险时发出警示信息的目标报警模块。此外，本发明还公开了一种运动目标检测方法和一种车辆。本发明的运动目标检测系统、运动目标检测方法和车辆根据多个相机形成的全景图像获得车辆各个方位上的运动目标，从而在运动目标对车辆形成危险时驾驶员能够察觉。

摘要： 本发明提出了一种基于DirectShow的运动目标检测方法，包括以下步骤：首先基于混合高斯背景建模法，对视频图像进行预处理以获取背景像素模型；之后基于OpenCV的背景差分法和目标跟踪算法，通过视频帧图像与背景像素模型求解，以获取运动目标局部图像；最后基于运动目标定位算法，获取运动目标的位置参数。本发明还提出了一种基于DirectShow的运动目标检测模块和监控系统。本发明1)本发明可在同一时间内进行多个视频图像数据的捕捉、转换、渲染，从而提高监控系统的利用率和视频监控范围：进一步地，本发明运用基于DirectShow的运动目标检测方法，可快速、准确地实现视频的捕获，准确的保证监控系统的实效性，也为数据的处理节省时间。

摘要： 本发明提供了一种运动目标检测方法和一种运动目标检测装置，其中，运动目标检测方法包括：获取当前编码帧的运动矢量数据；将当前编码帧进行区域划分，每一区域对应N个运动矢量，形成一个运动矢量组；根据每一运动矢量组计算出一个局部相似值，以得到当前编码帧的局部相似值图；对局部相似值图进行二值化，在经过二值化的局部相似值图中分割出多个独立的连通域，将每一独立的连通域作为一个运动目标，完成运动目标的检测。在前端设备中无需增加额外的硬件资源，并且在编码的同时输出检测结果，实时性高。

摘要： 本发明公开了一种运动目标检测方法及实现目标检测方法的检测系统，包括中央处理器，所述中央处理器通过电路串联有转换模块，所述转换模块通过电路串联有分离模块，所述分离模块通过电路串联有获取模块，所述中央处理器通过电路串联有计算模块，所述计算模块通过电路串联有对比模块，所述中央处理器通过电路串联有存储模块，所述中央处理器通过电路串联有匹配模块，所述匹配模块通过电路串联有输出模块，可以直接定位于东南目标，准确高效，然后进行计算匹配和对比分析，进而描绘运动目标轨迹线路，并且进行输出和存储，利于回访查验，时效性高，能够大大提高检测的准确性和高效性，利于推广使用。

摘要： 本公开提供了一种与静止目标成像关联的运动目标检测系统，包括：静止目标成像处理模块和运动目标检测处理模块，静止目标成像处理模块根据输入的参数对载机平台运动误差进行估计，得到载机平台运动参数；运动目标检测处理模块根据输入的雷达回波数据和静止目标成像处理模块得到的载机平台运动参数，对运动目标进行检测并补偿，得到补偿后的运动目标数据。本公开还提供了一种与静止目标成像关联的运动目标检测方法，包括：步骤一、利用静止目标成像过程估计载机平台运动参数；步骤二、利用估计的载机平台运动参数进行运动目标检测。本公开降低了静止目标成像与运动目标检测同时工作时，运动目标检测性能对载机平台导航设备精度的依赖。