前景提取

摘要： 群体异常的发生会危害社会公共安全,因此利用现有技术对人群进行实时监控和分析,对于维护社会秩序和公共安全具有重要意义。针对公共场所中人群异常行为的检测问题,文中提出一种基于人群运动能量变化的方法来检测人群中是否发生异常行为。该方法利用Farneback光流算法获得视频帧的前景运动图像,并计算视频帧的全局光流幅值。由于人群运动能量与光流幅值成正相关,因此可以通过计算全局光流幅值分析人群运动强度,计算人群瞬时能量,通过将相邻帧间的能量差值与特定阈值做比较来判断人群中是否发生异常事件。最后,在UMN数据集上对文中方法进行测试,得出三种场景下的AUC值分别为0.992,0.948和0.978。实验结果表明,文中所提出的算法能够有效地检测出人群的异常行为,可以满足实时性的要求,且具有良好的性能。

摘要： 针对运动目标分割中出现的孔洞等问题,课题组提出了一种基于改进高斯混合模型(Gaussian mixture model, GMM)的运动目标分割算法;针对运动目标分割中出现的阴影和鬼影等问题,提出了一种基于位置约束和加权HSV(hue saturation value, HSV)的阴影检测算法。首先,将运动目标在相邻2帧之间移动的速度作为像素速度,根据像素速度来动态调整每个像素点的学习率,实现背景模型的动态更新,从而有效避免前景中出现孔洞等干扰;其次,提出一种基于位置约束和加权HSV颜色模型的特征向量构建方法,使用余弦相似性进行相关性分析,避免了分割过程中出现阴影干扰的现象。实验结果表明:该算法能够准确地分割出运动目标,目标完整率、阴影检测率和判别率分别达到95.11%、96.18%和96.45%。与其他方法相比,运动目标分割的准确率提高了2.09%,运动目标分割性能良好。

摘要： 夜间前景提取是智能监控的必要处理过程,也是新时代下店铺防盗的高效手段.提出了一种在强弱光多变下具有检测鲁棒性的动态目标自动提取算法.在亮度通道上利用直方图均衡技术根据设置参数自适应灰度增幅,结合Canny边缘图像进行差分处理,最后给出前景提取算法.实验结果表明:在强弱光不同光照环境下,该方法可以很好的削弱不同光照对前景提取带来的多噪声、过度曝光等影响,提高前景对比度,相比其他方法,显示效果清晰完整,并满足实时性要求.

摘要： 为提高针对红外观影图像的人数统计的准确率,提出一种基于U-net的人数统计方法.针对传统前景提取方法泛化能力差的问题,提出一种改进U-Net(IDU-net)前景提取方法,将多个影厅的原图与其前景图像进行端到端训练,实现不同影厅图像的前景提取;再结合改进透视效应校正方法,提取前景面积并建立其与人数的回归关系,得到最终人数统计结果.实验结果表明,IDU-net前景提取方法的分类准确率达到97.65％,相较于ViBe算法、混合高斯模型、原U-net模型分别提高了5.72％,2.44％,5.37％.将其与改进透视效应校正方法相结合,得到了更优的人群计数结果.

摘要： 为了弥补纹理对传统GrabCut提取结果的负面影响,本文分析了图像边缘和颜色分布的尺度特性,结合图像多尺度分解和GrabCut,提出了基于图像多尺度分解的前景提取模型.首先,该模型运用全变分对图像进行多尺度分解得到一系列平滑图像,该分解保护了图像边缘并平滑了纹理,压缩了图像区域颜色的分布范围;其次,将给定平滑图像前景颜色分布表示为高斯混合模型,并运用直方图形状分析方法优化了高斯混合模型的高斯函数个数,弥补了传统固定高斯函数个数的负面影响;最后,根据不同平滑图像的分割结果设计了迭代终止条件,使得从适当的分解尺度中提取前景.与传统前景提取算法相比较,该模型降低了纹理对前景提取的负面影响,其测评分数高于传统算法.

摘要： 着重对近几年自然图像抠图研究新进展进行综述,针对近年来基于启发式优化的抠图研究以及基于深度学习的抠图研究新成果对抠图研究工作进行重新分类和梳理,分析不同类型自然图像抠图研究主要的方法并整理其中的关键问题,介绍常用的自然图像抠图评价指标.最后通过实例分析总结了当前自然图像抠图研究面临的挑战,并对未来的研究前景进行了探讨.

摘要： 前景提取是在图像整体认知基础上将感兴趣对象分离出来,本文联合图像亮度视觉感知和水平集方法提出了一种基于亮度感知的前景提取模型.该模型依据像素对的亮度视觉相关性,联合视觉区域内的相似性和区域间的差异性,设计了亮度感知能量泛函,运用瑞利熵求解能量泛函得到视觉区域,利用视觉区域特征驱使初始曲线演化至前景轮廓.相对于传统算法,该模型运用图像视觉特征有利于从图像的整体认知上提取前景,提高了水平集方法的前景提取质量.

摘要： 由于光照变化、相机抖动和动态背景等因素影响,现有基于传统图像处理方法的前景提取算法并不能在复杂场景下获得良好的分割效果.针对此类问题,本文提出了一种基于全卷积孪生神经网络的前景提取算法,仅需任意2帧图像即可准确提取运动前景.将输入的2帧图像分为背景图像与待提取图像,将其输入全卷积孪生神经网络得到二者的相似性度量图,该相似性度量图中包含待提取图像相对于背景图像的各像素变化情况信息;接着将相似性度量图与待提取图像融合,利用编解码网络以实现端到端的前景提取.在CDnet2014数据集上进行综合评估与测试,结果均证明了该方法的有效性.

摘要： 为了提高奶牛步态识别领域中对远距离奶牛目标的识别准确率和算法的普遍适用性,提出一种基于奶牛骨架能量图的步态识别算法.首先对奶牛视频序列进行前景提取,接着利用查表法对步态序列细化得到奶牛步态序列骨架图,然后把奶牛骨架图以周期为单位生成步态能量图并进行特征提取,最后比对奶牛骨架能量特征图降维后与数据库中步态数据,输出步态识别结果.结果表明,在测试集中的奶牛步态识别正确率达87.6％,明显高于其他算法,并且对远距离目标有更好的识别效果,能更有针对性地分析四肢运动,抑制与步态运动无关的信息,提高了分类的准确性.

摘要： 基于内容的图像检索提供给使用者一种更直观、更精准的检索方式.用户在进行此类检索时,往往更关注图像的主体部分.为了消除背景信息对检索效果的影响,提出一种基于前景提取的复杂背景图像检索算法.实验证明,在H-S颜色直方图、LBP纹理特征以及颜色纹理混合特征上,该算法可以得到较优化的性能.

摘要： 前景提取（matting），是计算机图像处理中的一个操作，目的是把一幅图像中人们感兴趣的区域提取出来，以便更换背景或做其他操作。但是确定一个像素属于前景还是背景却是 一个病态的问题，这无疑给前景提取带来了巨大的挑战。目前现有的解决方案中用户都会有大量的输入来生成trimap，工作量比较大，这也是目前前景提取尚未普及的一个重要原因。本文不同于一般思路，而是系统自动生成trimap，从而最终提取出前景。该算法旨在将前景提取过程变得更加简单，用户以最少的输入和步骤来达到前景提取的目的。

摘要： 交互式媒体系统研究的最终目标是使用户在交互式的环境中利用传统的计算机视觉技术抽取信息成为可能.本文着重研究交互式视频应用中的重要的模块:运动图象的前景提取.文章首先介绍了一种交互式媒体应用系统结构,接下去在分析并实现麻省理工学院关于运动图象前景提取的技术报告的前提下,针对其算法的弊处进行了详细讨论,提出了对其中的消噪模块和填充模块的改进.最后,文章分析了改进算法的欠缺之处,并提出了对视觉原理进行深入分析的展望要求.

摘要： 本文提出一种基于双边空间和置信颜色模型的快速图像鲁棒分割方法,在提供少量用户交互下,该算法能够快速、准确地处理复杂自然图像的前景提取任务.首先,使用分辨率明显低于输入图像的双边网格重采样输入图像,从而极大地减少待处理的图像数据量.其次,基于双边网格顶点构建图并定义图割能量项,主要在于根据高斯分布规律定义未知颜色和二义颜色的辨别准则以构建鲁棒的颜色模型.最后,采用标准的最大流/最小割算法进行全局优化求解,从而实现高质量的图像前景提取.实验结果表明,该算法不仅能够在1秒内提取出高分辨率图像中的有意义目标物体,这是满足实时性要求的,而且还实现了复杂场景下的图像鲁棒分割.

摘要： 该文提出了一种利用引导滤波优化二值马尔科夫随机场图像分割结果的前景提取新方法.首先通过二值马尔科夫随机场图像分割模型将原图映射为加权图模型,然后利用最大流/最小割算法对该加权图模型进行最优分割,并通过二值化得到前景区域的初始分割结果;之后通过图像引导滤波对该初始结果进行优化处理,保证所提取的前景区域具有精确的边缘信息.实验结果表明该方法能从图像背景中精确的提取出前景区域,并且对光照、噪声均具有较强的鲁棒性.

摘要： 文章给出了一种简洁的，不需对教室系统做很大变动的基于视频图像人员识别的节能系统。该系统能实现对不同教室不同位置摄像头的良好的适应性；通过初始化标定实现图像的分区域处理，不同的区域结果不相干扰；利用滑动平均法对背景建模以及实时更新；针对系统特殊环境设计了改进的人员识别算法以及前景分离算法。文章对多个教室进行了采样评估，通过对具体阈值的设定给出了系统识别的评估结果。

摘要： 文章给出了一种简洁的，不需对教室系统做很大变动的基于视频图像人员识别的节能系统。该系统能实现对不同教室不同位置摄像头的良好的适应性；通过初始化标定实现图像的分区域处理，不同的区域结果不相干扰；利用滑动平均法对背景建模以及实时更新；针对系统特殊环境设计了改进的人员识别算法以及前景分离算法。文章对多个教室进行了采样评估，通过对具体阈值的设定给出了系统识别的评估结果。

摘要： 文章给出了一种简洁的，不需对教室系统做很大变动的基于视频图像人员识别的节能系统。该系统能实现对不同教室不同位置摄像头的良好的适应性；通过初始化标定实现图像的分区域处理，不同的区域结果不相干扰；利用滑动平均法对背景建模以及实时更新；针对系统特殊环境设计了改进的人员识别算法以及前景分离算法。文章对多个教室进行了采样评估，通过对具体阈值的设定给出了系统识别的评估结果。

摘要： 文章给出了一种简洁的，不需对教室系统做很大变动的基于视频图像人员识别的节能系统。该系统能实现对不同教室不同位置摄像头的良好的适应性；通过初始化标定实现图像的分区域处理，不同的区域结果不相干扰；利用滑动平均法对背景建模以及实时更新；针对系统特殊环境设计了改进的人员识别算法以及前景分离算法。文章对多个教室进行了采样评估，通过对具体阈值的设定给出了系统识别的评估结果。

摘要： 文章给出了一种简洁的，不需对教室系统做很大变动的基于视频图像人员识别的节能系统。该系统能实现对不同教室不同位置摄像头的良好的适应性；通过初始化标定实现图像的分区域处理，不同的区域结果不相干扰；利用滑动平均法对背景建模以及实时更新；针对系统特殊环境设计了改进的人员识别算法以及前景分离算法。文章对多个教室进行了采样评估，通过对具体阈值的设定给出了系统识别的评估结果。

摘要： 将用户指定的前景和背景像素用作基准像素。基准像素所属的三维分色彩空间的任何用作基准分色彩空间。计算每个基准像素和相邻像素的各个之间的色彩距离，并进一步确定相邻像素是否属于基准分色彩空间。根据前述计算的色彩距离并且还根据基于属于基准分色彩空间的确定的权重，计算相邻像素的成本。展现最小成本的相邻像素之一被限定为前景或背景像素。利用限定的相邻像素用作基准像素，重复色彩距离计算、从属的判断、成本计算、和限定，从而从图像快速提取前景区。

摘要： 本发明公开了一种融合高斯混合模型和H‑S光流法的视频前景目标提取方法，包括以下步骤：将视频按照帧分割成一系列的原始图像，并进行灰度化等图像预处理；对每一帧图像分别用高斯混合模型和H‑S光流法进行处理，输出对应的第一前景掩模图像和第二前景掩模图像；对第一前景掩模图像和第二前景掩模图像进行基于小波变换的图像融合处理，输出第三前景掩模图像；对第三前景掩模图像进行中值滤波除去噪声后，然后进行数学形态学图像处理，输出第四前景掩模图像；将第四前景掩模图像和原始图像进行与运算，提取出前景目标图像，输出前景目标视频。本发明融合高斯混合模型和H‑S光流法，提高了动态背景下视频前景目标提取的效果，应用前景广阔。

摘要： 将用户指定的前景和背景像素用作基准像素。基准像素所属的三维分色彩空间的任何用作基准分色彩空间。计算每个基准像素和相邻像素的各个之间的色彩距离，并进一步确定相邻像素是否属于基准分色彩空间。根据前述计算的色彩距离并且还根据基于属于基准分色彩空间的确定的权重，计算相邻像素的成本。展现最小成本的相邻像素之一被限定为前景或背景像素。利用限定的相邻像素用作基准像素，重复色彩距离计算、从属的判断、成本计算、和限定，从而从图像快速提取前景区。

摘要： 一种前景区域提取设备和前景区域提取方法。根据一个实施例，前景区域提取设备包括处理器和检测器。处理器获取第一位置和第一区域之间在第一时间处的第一距离的信息。处理器获取第二位置和第二区域之间在第二时间处的第二距离的信息。处理器基于第一距离得到第一区域投影在第一平面上的第一图像，并基于第一图像计算第一特征。处理器基于第二距离以及第一位置和第二位置的相对布置得到第二区域投影在第二平面上的第二图像，并基于第二图像计算第二特征。检测器基于第一特征和第二特征检测运动体。

摘要： 本发明公开了一种基于前景感知的遥感影像建筑物提取方法，该方法首先将输入影像通过一个改进的ResNet网络进行基本影像特征提取，并使用双向FPN网络得到金字塔特征图，之后对前景和地理空间场景进行建模，将前景和相关上下文关联起来，利用该关联关系对输入特征图进行增强，增加前景特征与背景特征的差距，提高对前景特征的区分度，实现高效、精准的遥感影像中建筑物的自动化提取。

摘要： 本发明公开了一种前景图像提取方法、装置、设备及存储介质，属于图像处理技术领域。本发明通过获取目标图像中的前景区域和背景区域；根据所述前景区域确定前景灰度极值点以及根据所述背景区域确定背景灰度极值点；将所述前景灰度极值点与所述背景灰度极值点进行匹配；根据匹配结果对所述目标图像中的前景区域和背景区域重新进行划分，得到目标前景图像，通过将前景区域得到的前景灰度极值点和背景区域得到的背景灰度极值点进行匹配，对目标图像中的前景区域和背景区域进行重新划分，避免出现误判的情况，提高了前景图像提取的准确性。

摘要： 本发明公开了一种行人流实验视频动态前景目标提取方法，具体步骤如下：截取视频中一帧图像，其中，所述图像中包含前景目标；将图像从RGB颜色空间转为LAB颜色空间；基于LAB颜色空间的A、B分量，对图像进行分割；获得包含前景目标颜色特征的聚类中心数组；输入原始视频；基于聚类中心数组，从原始视频中逐帧提取前景目标，本发明适用于行人流实验，本发明通过利用K‑means方法提取前景目标的颜色特征，从而将动态前景目标从视频中识别与提取出来，该方法受光照变化、背景颜色的干扰较小，可以得到目标的完整轮廓，有助于目标的跟踪。

摘要： 本申请的实施例提供了一种前景提取方法、异常检测方法及其系统和电子设备。该前景提取方法包括：根据待提取图像中前景区的位置信息，在待提取图像中获取位于前景区附近的前景外扩区；根据待提取图像中前景区的位置信息，确定模板图像中的模板粗定位区，模板粗定位区包括与前景外扩区对应的区域；将前景外扩区和模板粗定位区进行特征匹配，以获得第一匹配结果；根据匹配结果，确定模板图像中与前景区对应的模板精定位区；至少根据前景区中每个像素的像素值与模板精定位区中对应像素的像素值，提取前景。该方案得到的前景图像的准确性高，利用前景图像可以获得检测模型的多种异常样本图像，可以降低异常样本的收集难度，节省收集时间和精力。

摘要： 本发明提供一种监控视频的前景提取方法，其通过将一段时间内的监控视频分解为多帧图片，通过建立优化模型，通过凸优化的方式，利用非精确拉格朗日乘子求解最优解低秩矩阵A和前景矩阵E，并将求解的噪声矩阵E进行转化，获得前景图像，以解决现有监控排查需要大量人力的问题，以进一步满足实际需求；同时，提供了一种提取监控视频中前景画面的设备，以便于工作人员提取不同场景，不同处所的监控视频的前景画面。

摘要： 本发明涉及一种基于视频前景提取的视频融合方法及装置。该方法及装置提取多个视频中的前景及其轮廓，在三维虚拟场景中对提取的视频前景标定位姿，将位姿标定之后的视频前景结合视频前景轮廓生成对应的三维模型，在三维模型中融合多个视频的前景。本发明能够提取多视频中的前景并在虚拟三维场景中进行融合展示，能够根据视角计算前景的位姿，从而在任意视角下得到合理的观察结果，给用户良好的使用体验。