一种新型快速运动目标检测算法
- 格式:pdf
- 大小:2.28 MB
- 文档页数:8
一种改进的融合帧差法的ViBe算法史瑞环;吴斌;李务军;范风兵【摘要】ViBe运动目标检测算法速度快,能有效抑制噪声,但在光照强度突然改变的情况下,该算法会造成大面积的背景像素被误判为前景像素,针对此问题提出一种改进的融合帧差法的ViBe算法.实验结果表明,改进的算法能在光照有变化时依然能检测到完整的运动目标.【期刊名称】《微型机与应用》【年(卷),期】2016(035)004【总页数】3页(P44-45,49)【关键词】ViBe;目标检测;帧差法【作者】史瑞环;吴斌;李务军;范风兵【作者单位】西南科技大学信息工程学院,四川绵阳621010;西南科技大学信息工程学院,四川绵阳621010;西南科技大学信息工程学院,四川绵阳621010;西南科技大学信息工程学院,四川绵阳621010【正文语种】中文【中图分类】TP391.4随着互联网和物联网的飞速发展,近年来智能安防监控得到了广泛的关注和应用。
前景目标的提取是运动视频分析的关键步骤,提取的目标是否准确完整将直接影响到后续的目标分类、目标跟踪和识别的准确率。
目前,常用的运动检测方法有:帧差法、背景差法、光流法[1]。
其中,背景差法应用最为广泛,核心原理是为每一个像素点建立一个背景模型,然后用模型与当前像素相比,以确定是否为背景像素。
经典的背景差法是GMM[2],它将单一像素点所呈现的颜色用M(一般取 3~5)个高斯分布来近似,能处理多模型背景场景,但是它的计算量非常大,需要估计分布的参数,而且更新参数难调试。
2009年,BARNICH O等人[3]提出了一种全新的背景差算法——ViBe算法,只通过在每个像素领域内随机选取若干个采样点对各像素建立一个样本模型,采用随机的方法更新背景模型。
对比其他一些前沿的背景提取方法,ViBe算法简单,有效地简化了程序,加快了对于帧的处理速度的同时,可以达到较高的准确度,增强了抗噪能力并减少了计算负载[4]。
但是该算法在背景光照突然发生变化时会将大面积的背景误判为运动前景[5],导致检测出的目标无法识别。
邮局订阅号:82-946120元/年技术创新软件时空《PLC 技术应用200例》您的论文得到两院院士关注基于光流的运动目标检测跟踪快速算法The Fast Algorithm Based on Optical Flow for Tracking Moving Targets(装甲兵工程学院)关兴来谢晓竹GUAN Xing-lai XIE Xiao-zhu摘要:采用光流算法对运动目标进行识别跟踪,其优点是能够适应复杂的背景条件,并且能保证目标分割的完整性,但现有的按照光流矢量对目标进行跟踪的算法有明显的局限性:运算量过大,并且不适用与运动特征复杂的目标。
对现有算法进行改进,采用均值平滑算法和基于光流绝对值的区域分割算法,可以有效解决这两个问题。
关键词:光流;运动目标;图像分割中图分类号:TP391.4文献标识码:AAbstract:Using optical flow algorithm for identification and tracking moving targets,the advantage is the ability to adapt to the com -plex background conditions,and can ensure the integrity of the target partition,but the existing target tracking algorithm based on op -tical flow vector has obvious limitations:excessive operation,and does not apply and movement characteristics of complex targets.Im -provements to existing algorithms,using the pyramid optical flow-based smoothing algorithm and the absolute value of the region seg -mentation algorithm can effectively solve these two problems.Key word:Optical flow;Kinetic target;Image segmentation 文章编号:1008-0570(2012)10-0421-03图像序列中的运动目标检测跟踪是指在图像序列中将前景运动区域从背景中提取出来。
基于光流法的运动目标检测与跟踪技术基于光流法的运动目标检测与跟踪技术摘要:本文针对运动目标检测与跟踪问题,提出了一种基于光流法的新型技术。
通过对光流场的计算和分析,可以实现对视频图像中的运动目标进行准确检测和跟踪。
本文首先介绍光流法的基本原理和常用算法,然后提出了一种改进的光流法算法,包括光流计算、光流场分析和目标检测与跟踪过程。
最后,通过实验验证了该方法的有效性和准确性。
一、绪论运动目标的检测和跟踪是计算机视觉领域的重要研究方向之一。
在许多实际应用中,如视频监控、自动驾驶等,准确地检测和跟踪运动目标对于实现自动化和智能化具有重要意义。
光流法作为一种经典的运动目标检测和跟踪方法,已经被广泛应用于计算机视觉领域。
二、光流法的基本原理光流法是通过分析图像中的像素在时间上的变化来计算出运动场的一种方法。
其基本原理是基于一个假设:在连续帧之间,邻近的像素之间有相似的运动。
因此,通过计算相邻帧之间像素的灰度值差异,可以推导出运动场的信息。
三、光流法的常用算法1. Horn-Schunck 算法:该算法是光流法中最经典的方法之一。
它假设了连续图像之间的亮度恒定,并通过最小化光流误差方程求解运动场。
2. Lucas-Kanade 算法:该算法是利用局部邻域的光流约束,求解光流方程组的一个最小二乘解。
相比于 Horn-Schunck 算法,该算法对亮度变化敏感度较低。
四、改进的光流法算法为了提高光流法在运动目标检测和跟踪中的准确性和鲁棒性,本文提出了一种改进的光流法算法。
该算法主要包括以下几个步骤:1. 基于稀疏光流法计算光流:在计算光流时,为了降低计算复杂度,采用了稀疏光流法,选择了一部分具有代表性的像素进行光流计算。
2. 光流场分析:通过对光流场的统计分析,提取出关键信息,如目标的位置、速度和方向等。
同时,为了减少运动目标检测中的误检,对光流场进行滤波和优化处理。
3. 运动目标检测:基于光流场分析的结果,通过设定一定的阈值和规则,将光流场中的运动目标提取出来。