背景减除法

摘要： 针对移动目标检测方法存在的受背景环境影响而导致检测结果不准确的问题,本文提出一种融合高斯混合模型的背景减除法。算法与频率调谐显著性区域检测(frequency-tuned,FT)算法的移动目标检测方法。该研究以摄像头拍摄到的遥控车行走视频为分析材料,在降采样图像上用MOG2算法检测移动目标,经二值化和滤波去噪后框选移动目标感兴趣区域,采用FT算法检测此感兴趣区域,并利用置信度结合两次检测结果完成移动目标检测。实验结果显示,在置信度分别为α=0.6,β=0.4时,本文检测方法将检测300帧图像时平均交并比由0.72提高到0.78,说明该算法可以消除背景阴影及鬼影影响,从而有效提高移动目标的检测精度。

摘要： 目前,各类传感器广泛覆盖在人类生存的各个角落里,持续捕捉着地球表层的空间场景结构与变化过程,真实地记录着精细的场景信息和运动目标信息,为人们提供了丰富的视频信息。人们通常对视频监控中的前景目标(运动目标)较为感兴趣,而前景目标提取是运动目标跟踪和事件监测的前提,直接影响监测的精确性。本文针对监控视频的前景目标提取问题,提出了不同应用场景下的监控视频前景目标提取方法,并通过实验验证了方法的可行性。

摘要： 针对目前已有的运动目标检测算法和骨架细化算法的常见问题,提出改进的基于高斯混合模型(Gaussian Mixture Model,GMM)的背景减除法和改进ZS细化算法。传统的运动目标检测算法存在动态背景变化、光照变化、对噪声和阴影敏感等问题,笔者提出的改进的基于GMM的背景减除法可以较好地应对运动目标检测的挑战。该方法不仅可以减少光照变化的影响,降低噪声和阴影,还可以处理自然场景的动态变化。细化技术作为图像处理领域中最重要的技术之一,被应用于逐层侵蚀一个物体的图像,直到留下一个骨架。笔者对几种具有代表性的并行细化算法进行研究,并对目前应用最广泛的ZS细化算法进行改进。经实验验证,该改进算法可以克服ZS细化算法的缺点,得到拓扑性、连通性及细化性更强的人体骨架。

摘要： 视频序列中的运动目标检测是计算机视觉领域的重要研究课题.背景减除是运动目标检测的有效方法,但相机抖动会对背景提取带来极大干扰,从而可能造成传统基于模型的图像处理方法模型失真.本文提出了相机抖动场景下前景图像提取的数据驱动背景图像更新控制算法.首先利用Harris特征检测进行背景补偿以消除抖动干扰.然后利用无模型自适应控制方法,建立单入单出控制系统来表示背景图像并进行实时更新.最后运用背景减除法提取运动目标前景图像.本文方法与传统基于模型方法进行了不同视频序列的对比仿真.实验结果表明,本文方法可以有效处理相机抖动场景下的运动目标检测问题,目标前景图像分离效果更加接近真实场景.

摘要： 接触式火灾探测器对环境有一定要求,且常适用于室内空间.目前,利用视频图像与计算机视觉技术相结合,进行火灾的检测和常规探查成为本领域的研究新方向.针对烟雾区域稀疏、扩散缓慢的特征,现有算法提取疑似烟雾区域不完整的问题,该文提出一种动态多帧差分法.首先,对视频图像序列进行非线性滤波,抑制一定的噪声;然后,根据面积比率动态提取疑似烟雾区域;最后,根据面积与周长变化确定烟区.通过多个维度对实验结果进行综合分析,表明该方法较为优秀,且对不同条件下的烟雾图像特征提取方法的选取有指导意义.

摘要： 视觉背景提取器(ViBe)算法是一种经典的运动目标检测算法,但ViBe算法在面对伪装问题时性能大幅下降.为了更好地解决伪装问题,文中提出了一种基于权重隶属度函数的融合自顶向下信息和自底向上信息以增强前景检测的改进ViBe算法.首先,背景模型用于捕获自底向上信息,而前景模型用于捕获自顶向下信息.然后,根据像素与每个模型的匹配样本的数量和像素与其匹配样本之间的距离分别计算像素与上述两个模型的匹配度.最后,使用基于权重隶属度的同时使用前景模型匹配度和背景模型匹配度的决策框架来确定像素标签.实验数据表明,提出的方法在主观评价和客观评价方面均优于文中采用的其他对比算法,并且,提出的算法相比于原始ViBe算法在主观评价和客观评价上均有明显提升.实验结果证明了提出的方法的有效性,特别是处理存在伪装问题的序列.

摘要： 为了提高在监控视频下进行抛物识别的快速性及准确性,消除ghost区域存在的干扰以及PBAS算法存在的动态背景效果差的问题,提出了一种改进的PBAS算法.介绍了背景减除法与PBAS算法的理论基础,然后提出了一种改进的PBAS算法,并应用于抛物识别中,最后分别在纯净背景和复杂背景下进行抛物识别对比实验.实验证明文中改进的PBAS算法能够完全去除ghost带来的影响,该算法具有更高的检测率和准确率,实现了更好的抛物识别效果,有效提高了识别的平均处理速度,可以在监控视频中更精准、实时地呈现抛物现场的视频数据等信息,更好地满足在抛物识别中的实际应用.

摘要： 背景减除法对简单背景下运动目标检测具有较高的效率.本文以简单背景下的低慢小改进了背景减除法,通过建立背景数据库,将图片转换为灰度图以加快计算;用数字图像处理技术以提高精度;用形心计算的方式加快锁定目标.该方法主要省去了实时计算背景过程,缩短发现目标时间4.33％,同一时间发现目标的数目提高20倍.

摘要： 本文针对胶带输送机运动中的跑偏、扭曲、撕裂等异常问题,提出一种基于视觉计算的胶带输送机智能监测与预警方法.该方法通过检测输送机上胶带的运动速度判定输送机是否异常.首先对井下胶带输送机视频图像进行预处理,采用高斯滤波建立场景模型,获取背景图像.其次应用背景减除法提取出目标图像,然后采用Shi-Tomasi算法检测目标图像中的角点,并利用金字塔LK光流法对检测到的角点进行跟踪.最后根据摄像机成像原理将角点坐标从图像坐标系转换至世界坐标系下,计算出角点的运动速度.根据角点的速度判断胶带输送机是否异常,并在必要时发出预警信息.实验结果表明该方法具有较高的准确性和实时性.

摘要： 背景减除法是一类通过建立背景模型,将输入帧与背景模型做比较以分离前景和背景的技术,在视频的识别、分割、跟踪技术中有着广泛的应用.现有的背景减除法,通常有着模型建立速度较慢,没有利用物体的边缘信息维护模型,对光照变化噪声敏感等不足.本方法的基于Vibe方法,在模型的初始化和模型的更新的过程中利用了Gabor滤波器计算所得图片的边缘信息,随机的对像素点和像素点的邻域的背景模型进行初始化或更新,并在背景的判定中加入了像素点各通道变化量的离散程度的参数,更好的处理了上述问题.实验表明,该方法有着良好的背景前景分割性能,并能抑制光照或光圈调整造成的暂时的背景颜色偏移造成的影响.在此基础上,本方法利用现代GPU强大的并行计算性能,使用GPU并行编程对算法进行加速,获得了更加快速的前背景分离效果.

摘要： 背景减除法是基于视频图像的运动目标检测中最常用的方法。针对这种方法，本文提出了一种改进的卡尔曼滤波算法来实现背景建模，从而完成背景的减除。该算法引入高斯概率密度函数来描述卡尔曼增益因子，以实现背景的自适应更新，提高算法的鲁棒性。实验结果表明，本文算法简单、实时性好，能较好地处理光照变化，运动变化引起的干扰，有效地分割出前景目标。

摘要： 针对背景减除法应用于运动目标检测中的背景模型更新和阴影消除问题,提出了一种改进的单高斯背景模型估计算法和快速的阴影消除方法.实验结果表明,算法在有效去除阴影的同时能够较好地提取运动目标,为后续的人体识别、行为分析等工作奠定了良好的基础.

摘要： 本文主要针对智能安全监控方面的应用需求,提出了一种新的人体行为识别方法,该方法通过将背景减除法和时间差分法加权平均的策略从视频序列中精确地检测并提取出运动人体车廓。并在此基础上提出一种基于加权Hu不变矩的模板匹配算法,实现了对视频监控范围内的人体实施的行为进行主动分析,从而能够对一些异常的人体行为做出识别并进行报警处理,使得安全监控系统达到真正的"智能化"。实验结果表明该方法具有很小的漏检率和误检率,而且具有很好的实时性。

摘要： 本发明公开了一种基于背景减除对图像进行分解存储的在线图形化游戏制作系统，服务器端包括：图片接收单元，接收由系统内各工作站端通过支持HTML5协议的浏览器上传的图片或图片序列；为接收到的图片设定系统内的一级编号；图片识别单元，分析所述图片序列，获得所述图片序列中每一张图片的背景区域和近似前景区域，形成近似前景图片序列和背景区域图片；处理单元，为所述的背景区域图片设定与其所在图片一级编号对应的二级编号后存储在所述的云服务器端的存储单元中；用户调取某一图片时，所述的处理单元分析用户调取的目标图像的一级编号，根据该编号找到存储单元中该目标图片的背景区域图片和近似前景图片，合成后发送给用户。

摘要： 一种运动感测装置，该运动感测装置包括红外辐射(IR)传感器，该红外辐射传感器被配置成接收背景红外辐射和来自于发热对象的信号红外辐射，以产生直流输出。第一变换滤波器接收直流输出并且产生经过滤的背景。第二变换滤波器接收直流输出并且产生经过滤的信号。评定装置比较经过滤的信号与经过滤的背景，以基于经过滤的信号与经过滤的背景之间所探测到的差异产生结果信号。

摘要： 一种运动感测装置，该运动感测装置包括红外辐射(IR)传感器，该红外辐射传感器被配置成接收背景红外辐射和来自于发热对象的信号红外辐射，以产生直流输出。第一变换滤波器接收直流输出并且产生经过滤的背景。第二变换滤波器接收直流输出并且产生经过滤的信号。评定装置比较经过滤的信号与经过滤的背景，以基于经过滤的信号与经过滤的背景之间所探测到的差异产生结果信号。

摘要： 本发明公开了一种基于背景减除对图像进行分解存储的在线图形化游戏制作系统，服务器端包括：图片接收单元，接收由系统内各工作站端通过支持HTML5协议的浏览器上传的图片或图片序列；为接收到的图片设定系统内的一级编号；图片识别单元，分析所述图片序列，获得所述图片序列中每一张图片的背景区域和近似前景区域，形成近似前景图片序列和背景区域图片；处理单元，为所述的背景区域图片设定与其所在图片一级编号对应的二级编号后存储在所述的云服务器端的存储单元中；用户调取某一图片时，所述的处理单元分析用户调取的目标图像的一级编号，根据该编号找到存储单元中该目标图片的背景区域图片和近似前景图片，合成后发送给用户。

摘要： 本发明公开了融合超像素与三维自组织背景减除法的前景提取方法，该方法包括以下步骤：首先，使用超像素分割方法，将所有区域进行分割迭代；然后，使用三维自组织背景减除算法，图像背景建模；最后，通过最佳权重策略，实现前景运动目标提取。本发明提出的融合超像素分割的三维自组织背景减除算法，能有效检测缓慢运动的目标与进入场景后暂时静止的目标，在一定程度上提高了检测精度和处理速度。本发明结合超像素算法与三维自组织背景减除算法结合的框架，实现运动目标检测，加快了处理速度和处理效果。

摘要： 本发明涉及一种变光照条件下的快速背景减除法，其过程为：学习背景模板，通过待测的当前帧与其前一帧图像差值的均值和方差比较判断光照是否发生变化，如果光照发生了变化，则重新学习背景模板，如果光照没有发生变化时，进一步利用待测当前帧与背景模板图像差值的均值与背景学习的阈值进行比较判断是否有异物入侵。本发明中的算法不仅具有较好的背景减除效果，并且计算速度快，尤其适用于光照变化迅速的场景。本发明中的算法可以快速实时的进行光照变化的检测，从而实现背景减除，提取相关入侵的异物。

摘要： 本发明提供一种基于背景减除法的卫星视频目标跟踪方法及系统，包括基于卫星视频目标运动且背景相对不变的特点，结合多帧差分与基于高斯混合模型的背景减除方式进行跟踪，使用积分图快速计算图像分数以定位目标最终位置。因为卫星视频背景是相对不变的，利用背景减除法在背景中分割出目标并应用于目标跟踪中具有极大的潜力。本发明通过使用高斯混合模型背景减除法与积分图法，可以针对卫星视频中微小运动目标的进行高效跟踪；而在此基础上将背景减除法与多帧差分法结合，可以提高跟踪精度，从而构建了一种快速精准的卫星视频目标跟踪方法。

摘要： 本发明提供了一种采用统计意义背景减除法的运动目标检测方法，主要包括如下步骤：(1)将运动目标视频图像的视频帧转换为灰度图像；(2)在每个视频帧的相同位置上取像素点(i，j)，并按照视频帧序列对上述像素点进行排序，将这个像素序列中各像素点的灰度值进行直方图统计，取频数分布最高的灰度值作为背景图像在像素点(i，j)的灰度值；(3)从i＝1，j＝1开始，将i和j依次递增，直到遍历整个图片为止，即可得到背景图片在每个像素点的灰度值，由此建立背景图片；(4)将各视频帧与背景图片进行差分运算，得到差分视频帧；(5)若差分视频帧上像素点的灰度值大于阈值TH，则该点为运动目标像素点，否则为背景像素点。

摘要： 本发明涉及一种变光照条件下的快速背景减除法，其过程为：学习背景模板，通过待测的当前帧与其前一帧图像差值的均值和方差比较判断光照是否发生变化，如果光照发生了变化，则重新学习背景模板，如果光照没有发生变化时，进一步利用待测当前帧与背景模板图像差值的均值与背景学习的阈值进行比较判断是否有异物入侵。本发明中的算法不仅具有较好的背景减除效果，并且计算速度快，尤其适用于光照变化迅速的场景。本发明中的算法可以快速实时的进行光照变化的检测，从而实现背景减除，提取相关入侵的异物。

摘要： 本发明公开了融合超像素与三维自组织背景减除法的前景提取方法，该方法包括以下步骤：首先，使用超像素分割方法，将所有区域进行分割迭代；然后，使用三维自组织背景减除算法，图像背景建模；最后，通过最佳权重策略，实现前景运动目标提取。本发明提出的融合超像素分割的三维自组织背景减除算法，能有效检测缓慢运动的目标与进入场景后暂时静止的目标，在一定程度上提高了检测精度和处理速度。本发明结合超像素算法与三维自组织背景减除算法结合的框架，实现运动目标检测，加快了处理速度和处理效果。