首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到10条相似文献,搜索用时 374 毫秒
1.
为了能够准确、快速地跟踪运动目标,提出了改进帧间差分与局部Camshift相结合的目标跟踪算法。针对传统帧间差分法在运动目标提取过程中容易产生“空洞”的现象,并且对噪声敏感的问题,提出了三帧差分的运动目标检测算法。首先,利用三帧差分法,将相邻的三帧图像作为一组进行再差分,从而检测出中间帧运动目标的形状轮廓,然后将该区域作为运动目标的模板区域,并将该区域进行适当扩充,最后采用局部Camshift算法进行目标跟踪。实验结果表明,改进的帧间差分可以有效地弥补“空洞”现象,对噪声也起到了一定的抑制作用。同时,该方法克服了传统Camshift算法需要人为选择跟踪区域和容易发散的缺点,达到了预期的目标检测和跟踪效果。  相似文献   

2.
为了解决监控系统中对移动目标的漏检、误检,以及快速移动目标检测的问题,提出一种改进的帧差法对视频序列识别检测。该帧差法是对连续的3帧图像进行两两差分二值化,然后相邻二值化图像与运算,再把与运算的结果相或。把当前帧的前后两帧的差分二值化图像进行生态学膨胀、腐蚀等一系列处理,处理后的图像与前面或运算的结果作相或运算,这样基本解决误检的问题,再结合边缘提取的Robert算法就可以完整地检测出移动目标。经测试结果表明:在像素值相近时,该检测算法能够较好地解决检测时出现的误检和漏检,并且移动目标速度较快也能够检测出来,检出率高达90%以上,误检率降低到2%左右。  相似文献   

3.
改进帧差法和背景差法的多目标跟踪   总被引:1,自引:0,他引:1  
提出一种将改进的帧差法和改进高斯背景差法相结合来更好地分割出运动目标的算法,其中改进的帧差法是用连续3帧相互帧差之和可有效克服空洞效果;改进高斯背景差法是对像素点的邻域均值替代单个像素点建立高斯背景图像,这样可对光线变化有一定抗干扰能力。将二者结合起来,可较好地跟踪多个运动目标。  相似文献   

4.
ViBE算法前景检测准确率高,但在运动目标检测过程中会产生鬼影,不能很好地适应光照变化。针对ViBE中鬼影及光照变化问题,提出帧差法、ViBE与Canny相结合的方法,利用帧差法提取运动目标像素,使用Canny算子提取运动目标的边缘信息同时能够较好地适应光照变化。实验结果表明,该算法可以有效消除鬼影并减少光照变化的干扰,在复杂的动态环境下取得良好的效果。  相似文献   

5.
针对视频中的运动目标离摄像头较近时由于形状的变化而导致目标边界测定不准确的问题,在帧间差分法的基础上,提出了一个求精运动目标边界的算法。先用得到边界值计算目标中心点,再对视频中的运动目标进行运动距离和速度的检测,并在Matlab中进行仿真。实验结果表明,该算法对帧差法的结果进行求精后,得到的运动目标的状态值更接近于实际情况,改进的算法更适合于视频中运动目标形状变化较大的情况下进行运动目标状态的检测。  相似文献   

6.
针对视频监控系统,论文提出了一种基于自适应阈值的运动目标检测方法。通过帧间差分与背景差分相结合来检测运动目标。差分图像二值化时,利用自适应阈值算法来得到最佳阈值。实验结果表明该方法具有很好的实时性、有效性和鲁棒性。  相似文献   

7.
用于数字视频监控系统中运动物体检测的算法是一种基于三帧差分法的对称差分运动目标检测算法。实验表明,这种算法对于光照、背景内容的变化不敏感。该算法能够有效地检测出图像中的运动物体。  相似文献   

8.
针对传统基于HOG特征与AdaBoost算法分类器在目标检测中存在检测速度慢、误差率大的问题,提出一种基于改进帧差法与AdaBoost算法相结合的动态行人检测方法。帧差法是运动目标检测的一种算法,能够将运动中的区域很好地显示出来。改进的帧差法不再单一使用一个阈值,而是利用多个阈值,以更好地分割出检测行人,再通过分类器进行多尺度检测来确定目标。该方法减少了传统HOG特征的检测时间,能够更快地找出感兴趣区域,并提高检测速度和误差率。  相似文献   

9.
为提高运动目标检测的可靠性,提出了一种自适应的基于混合高斯模型的运动目标检测算法.该算法利用混合高斯分布对每个背景像素建模,高斯分布的个数不是固定不变的,而是随着像素值的混乱程度自适应变化.差分图像的像素按大小被分为2部分,然后对这2部分分别进行自适应阈值化分割,得到前景图像.利用基于形态学重构的阴影消除方法来改善前景图像分割的性能.不同实际场景的实验结果表明该算法能够快速准确地建立背景模型,且具有更强的鲁棒性.  相似文献   

10.
针对复杂环境中机动车跟踪问题,为克服光照变化、噪声干扰、其他随机运动物体干扰,提出一种机动车识别和跟踪实时性算法。首先对图像进行光照补偿减少光照影响,用Surendra算法和三帧差法检测运动目标,并建立ROI(感兴趣区域)以缩小Haar识别范围提高系统响应速度;其次由训练好的级联分类器在ROI范围内识别机动车,从而保证高检测率和低误检率;最后利用Camshift算法跟踪机动车。为验证算法有效性搭建嵌入式系统平台,实验结果表明在背景复杂且其他运动物体干扰下,该算法较使用传统目标跟踪算法具有更好的鲁棒性和实时性。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号