摘要：提出一种能自适应更新的背景模型,使得运动物体检测中场景变化时提取的背景能进行相应的更新.该模型利用特征点信息将场景中的像素点分类,并针对不同类别像素点计算其更新速率;然后对像素点采用相应速率进行更新,从而能根据场景不同变化进行自适应更新.实验结果表明,该模型能较好地处理混合高斯模型因采用同一更新速率导致的背景模型更新错误问题.

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：对基于视频的车辆检测中的背景差分法进行了研究,提出了一种新的背景模型构建算法。该算法在初始化过程中有选择地采用动态帧数的图像作为计算帧,使背景模型的初始化具有较高的精度和效率;在背景更新时采用动态加权系数,使背景学习具有较快的速度;在进行背景差分时采用动态阈值,既使背景更新具有较高的准确度,又使视频分割具有较高的精度。经实验验证,该算法能够很好地检测出车辆,并具有较高的精度和效率。

摘要：针对稀疏重构误差算法在检测显著目标在构造背景模板时,由误选前景区域作为模板导致检测结果出现误差的问题,提出一种优化背景模板的算法.首先计算各背景模板与图像各边界的连通性,通过该边界连通性判断模板是否属于真正背景;然后用各个背景模板构成的重构字典实现对整幅图像各区域的重构,该过程采用一种新的稀疏加权算法抑制非零向量基,从而加强了解向量在相似模板中的作用;最后通过计算的各个区域重构误差产生最终的显著图.在3个标准的数据集上进行实验的结果表明,该算法有效地提升显著检测算法效果,在较为复杂的背景环境下也能产生明确的视觉显著图,与原始算法相比平均绝对误差降低近20%.

摘要：视觉感知心理学表明,人在观看视频时注意力主要集中于前景目标,而对背景不敏感.基于该理论,提出一种基于前景和背景分割的2D/3D视频转换方法.首先使用背景模型提取视频中运动的前景目标,并使用视觉注意力模型定位观众感兴趣的前景目标,从而将视频分割为前景和背景;然后通过分析理解背景中景物构图关系,结合针孔相机模型估计背景的景物深度;对于前景,则通过考察视频空域中前景和背景之间的构图关系以及时域中前景目标的特征变化,确定前景目标的深度;最后将视频前景和背景的深度估计结果进行融合,完成2D/3D视频转换.实验结果表明,文中的方法可应用于各类视频场景,且估计的视频深度信息能够准确地反映场景中各类景物在真实世界的位置分布.

摘要：针对传统违章停车人工检测方式的缺陷,设计了基于图像处理技术的停车违章监控算法。在禁停路段区域设置视觉传感器采集视频图像序列,利用自适应的混合高斯模型实现复杂交通场景下的背景抽取,提取可能运动前景目标。利用像素级时间序列特征检测静止物体,并根据对象级区域特征实现停驶车辆的辨识,获取车辆的违章停车信息。根据不同禁停区域的具体违章要求实现自动警报。最后,通过实际交通场景视频序列对算法进行了验证,结果表明了本文方法的有效性。

摘要：运动目标检测是当前计算机视觉、图像理解、信号处理领域的研究热点之一,在研究了现有大量算法的基础上,通过比较各种算法之间的有效性,并结合工程实际,提出了一种利用图像灰度信息进行背景高斯核密度估计的运动目标检测方法。由于该方法保留了背景的多个模态,通过引入面积阈值来消除大的噪声和判断背景是否发生了突变,当出现大的噪声未被消除或者背景发生突变的情况时,能够重新更新背景样本集,适应背景突变。实验结果表明:该方法不仅可以很好地处理背景中存在周期运动干扰的情况,并且可以适应背景突变,较好地去除了虚警、误警,有效地降低了摄像机抖动、树叶摇动、下雨天气等背景复杂情况下的误检率,准确地检测到了运动目标。

摘要：本文运用数字图像处理和计算机视觉技术,对基于视频的交通事件和交通流检测进行了原理设计;并通过相关的硬件知识和编程技术实现了该系统。对数字图像处理和机器视觉的综合运用流程和相关知识做了介绍,如背景更新、滤波降噪、图像分割、特征提取、摄像机标定和目标识别。为视频交通事件和交通流检测的实现提供了一个新的案例。

摘要：运动目标检测有两大难点,即光照变化的影响以及阴影对运动目标准确提取的影响。为了克服光照及阴影的影响,提出了基于一维不变性图像的背景模型,更新了最小熵投影角度,设计了运动目标检测的新算法。以交通运输领域为例,将该算法和多层前景算法、边缘检测算法进行对比,通过实验验证了该方法在检测运动目标时能够克服光照变化影响,并有效抑制阴影。

摘要：为解决传统背景减法在动态背景下受噪声干扰和运动目标检测准确性不高的问题,提出一种基于改进背景减法的视频图像运动目标检测方法。在背景建模阶段,为易于计算和提高检测精度,采用基于GMM的图像块均值方法重构背景模型;在目标检测阶段,采用数学形态学和小波半软阈值函数相结合的方法对检测到的运动目标进行去噪处理;在背景更新阶段,采用自适应背景更新方法进行背景更新。实验结果表明,所提方法提高了运动目标检测的准确性,验证了其有效性。