CN110580709A - 一种基于ViBe和三帧差分融合的目标检测方法 - Google Patents
一种基于ViBe和三帧差分融合的目标检测方法 Download PDFInfo
- Publication number
- CN110580709A CN110580709A CN201910687826.2A CN201910687826A CN110580709A CN 110580709 A CN110580709 A CN 110580709A CN 201910687826 A CN201910687826 A CN 201910687826A CN 110580709 A CN110580709 A CN 110580709A
- Authority
- CN
- China
- Prior art keywords
- image
- vibe
- images
- resolution
- frame
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 41
- 230000004927 fusion Effects 0.000 title claims abstract description 16
- 238000000034 method Methods 0.000 claims abstract description 35
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 32
- 238000012545 processing Methods 0.000 claims abstract description 10
- 238000004458 analytical method Methods 0.000 claims abstract description 7
- 230000009466 transformation Effects 0.000 claims abstract description 7
- 238000009499 grossing Methods 0.000 claims abstract description 4
- 230000003044 adaptive effect Effects 0.000 claims description 7
- 238000005070 sampling Methods 0.000 claims description 7
- 230000003628 erosive effect Effects 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000000354 decomposition reaction Methods 0.000 claims description 2
- 230000003287 optical effect Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000003321 amplification Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004883 computer application Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000008034 disappearance Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20016—Hierarchical, coarse-to-fine, multiscale or multiresolution image processing; Pyramid transform
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
一种基于ViBe和三帧差分融合的目标检测方法,首先对原始输入图像进行高斯金字塔变换得到高低两个分辨率的图像,采用改进的ViBe算法得到两个检测图像,对低分辨率检测图像进行去噪、平滑及放大处理,再通过与操作和高分辨率检测图像进行合并;同时对原始输入图像采用改进的三帧差分法进行检测;对上述两种方法的检测图像通过与操作合并,采用基于连通域分析法的小区域去除和孔洞填充来处理图像得到最终的前景图像。本发明采用了高斯金字塔变换和改进的ViBe算法,该算法扩大样本点选取的范围并新增自适应阈值和更新因子,提高了目标在动态背景下的鲁棒性;并结合改进的三帧差分法,在更高程度上抑制了鬼影。
Description
技术领域
本发明涉及图像处理领域中的一种运动目标检测方法,特别是涉及一种基于ViBe和三帧差分融合的目标检测方法,可广泛应用于视频图像处理领域。
背景技术
在现代社会中,随着计算机应用技术的发展,由于传统监控系统功能单一且耗费大量人力,因此智能视频监控系统在交通、银行、居民区得到了更广泛的应用。其中运动目标的检测是智能视频监控中最基本、关键的技术手段之一。目标检测是从视频图像序列中,用算法手段从背景图像中提取变化区域的过程。研究像素与像素之间的关系,以及像素在空间上的变换和关联。
目前常用的目标检测算法按工作原理可分为三类:帧间差分法、背景差分法和光流法。帧间差分法是通过对相邻两帧图像进行差分,与一个设定的阈值进行比较,超过阈值即判定为前景,否则为背景。此算法原理简单所以执行速度快,实时性高,但检测效果依赖所选取的阈值,若选取的过大容易丢失目标,过小容易出现空洞问题。背景差分法预先建立一个背景模型,选取当前图像帧与背景模型逐一进行差分运算,利用差分结果提取运动目标区域。此算法容易实现,在简单的环境下可以很好地提取出运动目标,但检测结果受背景模型更新策略的影响较大,易受到光线噪声的影响。光流法计算图像的光流场,若存在运动目标,运动目标区域的像素的速度矢量会发生变化,利用运动目标区域与静态背景区域像素在光流场形成的方向和大小均相互独立的瞬时速度矢量,来区分目标与背景。但在实际场景中,由于存在遮挡、背景杂波、噪声、孔径问题,光流场算法要对每一个像素做分析计算,因此计算量比较大,实用性不强。
针对以上问题,Barnich等人在2011年提出了视觉背景提取差分法,即ViBe算法,是一种比较典型的背景差分法。该算法采用邻域像素来创建背景模型,通过比对背景模型和当前输入像素值来检测前景,算法计算量小且检测效果好,在静态环境下优于其他算法,但传统的ViBe算法也会存在两点不足:1)在一些复杂的动态环境下(例如水波纹、树叶摇动)容易将阴影背景错检成前景,存在大量噪声;2)当视频第一帧存在运动目标时,检测结果会出现Ghost区域,即鬼影。
发明内容
为了对ViBe算法存在的问题进行改进,本发明提供一种基于ViBe和三帧差分融合的目标检测方法,能在更高程度上抑制鬼影,提高了目标在复杂的动态背景下的鲁棒性,减小背景噪声。
本发明解决其技术问题所采用的技术方案如下:
一种基于ViBe和三帧差分融合的目标检测方法,包括以下步骤:
S1:对视频的原始输入图像进行高斯金字塔变换,通过像素采样的方式,生成低分辨率图像W0(x,y)和高分辨率图像W1(x,y);
S2:采用改进的ViBe算法分别对两个图像进行检测,输出两个检测图像V0(x,y)、V1(x,y);
S3:对低分辨率检测图像V0(x,y)进行去噪、平滑及放大处理后得到与高分辨率检测图像V1(x,y)相同尺度的图像M0(x,y),再通过与操作将图像M0(x,y)和V1(x,y)合并得到图像M1(x,y);
S4:对原始输入图像采用改进的三帧差分法进行检测得到图像M2(x,y),与图像M1(x,y)通过与操作合并;
S5:采用基于连通域分析法的小区域去除和孔洞填充对S4中得到的图像进行处理,得到最终的前景图像。
进一步,所述步骤S1中,通过高斯金字塔分解得到高低两个分辨率的图像,W1(x,y)为底层图像,W0(x,y)为顶层图像,设底层图像分辨率为M×N,则顶层图像分辨率为M/2×N/2。
进一步,所述步骤S2中,改进的ViBe算法的过程如下:
S21:将视频第一帧作为背景模型,并从该帧中每个像素点周围的5*5像素的24邻域中随机选取20个点作为样本集;
S22:用建好的背景模型进行前景检测,取样本集的均值为v(x)表示当前像素点的值,根据公式计算样本集的标准差得到自适应阈值R1=k·s,k的取值为[0.5,0.6],以任一像素点为中心,以阈值R1为半径的圆形区域内包含与该像素欧式距离小于R1的所有点,统计个数与设定的某阈值进行比较,大于该阈值则为前景点,否则是背景点;
S23:对模型进行更新,新增更新因子1/2α,每个背景点以1/α的概率更新自己的模型样本值,同时也以1/α的概率更新其8邻域像素点的样本值,剩下的像素点以1/2α的概率更新。
再进一步,所述步骤S3中,对低分辨检测图像V0(x,y)进行3*3的中值滤波去噪,开操作,再上采样得到图像M0(x,y),M0(x,y)的分辨率是V0(x,y)的4倍,再通过与操作将图像M0(x,y)和V1(x,y)合并得到图像M1(x,y)。
更进一步,所述步骤S4中,从视频序列中读取连续的三帧图像fi-1(x,y),fi(x,y),fi+1(x,y)。前两帧图像进行差分运算,并设定一个自适应阈值进行二值化处理得到图像Di-1,i(x,y),后两帧图像进行异或运算得到图像Di,i+1(x,y),为了防止空洞,图像Di-1,i(x,y)和Di,i+1(x,y)进行或操作得到图像M2(x,y),再与图像M1(x,y)通过与操作合并。
所述步骤S5中,对S4中得到的图像采用腐蚀、膨胀操作连接目标并滤除小噪声点,再采用连通域分析法去除小区域并填充孔洞得到最终的前景图像。
经过以上几个步骤,完成了基于ViBe和三帧差分融合的目标检测方法,实现了前景图像的分割和更新过程。
本发明的有益效果是:
1、本发明通过高斯金字塔变化把输入图像分解成高低两个分辨率的图像,分别对其进行ViBe检测,针对ViBe算法的三个过程都做了改进。在背景建模中,把背景模型样本点的选择范围从8邻域扩大到24邻域有效避免背景点与前景点的误判;在前景检测中,新增与样本集标准差成正比的自适应阈值;在模型更新中,把更新因子分为两个等级,以1/α的概率更新其8邻域点的样本值,剩下的样本点以1/2α的概率更新。改进的ViBe算法可提高目标在动态背景下的鲁棒性,加速鬼影的消失。
2、本发明将优化的ViBe算法结合改进的三帧差分法,能快速地检测出运动物体,减少空洞,在更高程度上抑制鬼影。
附图说明
图1为基于ViBe和三帧差分融合的目标检测算法的方法流程图;
图2为改进的ViBe算法的流程图;
图3为改进的三帧差分算法的流程图。
具体实施方式
下面结合附图对本发明的技术方案做进一步说明。
参照图1、图2和图3,一种基于ViBe和三帧差分融合的目标检测方法,包括以下步骤:
S1:对视频的原始输入图像进行高斯金字塔变换,通过像素采样的方式,生成低分辨率图像W0(x,y)和高分辨率图像W1(x,y);
S2:采用改进的ViBe算法分别对两个图像进行检测,输出两个检测图像V0(x,y)、V1(x,y);
S3:对低分辨率检测图像V0(x,y)进行去噪、平滑及放大处理后得到与高分辨率检测图像V1(x,y)相同尺度的图像M0(x,y),再通过与操作将图像M0(x,y)和V1(x,y)合并得到图像M1(x,y);
S4:对原始输入图像采用改进的三帧差分法进行检测得到图像M2(x,y),与图像M1(x,y)通过与操作合并;
S5:采用基于连通域分析法的小区域去除和孔洞填充对S4中得到的图像进行处理,得到最终的前景图像。
所述步骤S1中,由于在不同分辨率的图像中,同一位置灰度值波动变化不一样,所以这里采用高斯金字塔模型。该模型利用低通滤波器平滑图像,然后对平滑图像进行抽样,从而得到不同分辨率的图像,其公式表示为:
其中,Gn+1(i,j)表示第n+1层高斯金字塔图像,w(m,n)表示长度为5的高斯卷积核,w(m,n)表示为:
对输入图像进行金字塔变换后,得到高低两个分辨率的图像。设原始图像的分辨率为M×N,则底层图像分辨率为M×N,顶层图像为M/2×N/2。
所述步骤S2中,对不同层采用改进的ViBe算法进行前景检测,改进的ViBe算法的过程如下:
1)背景建模:
ViBe算法采用视频的第一帧作为背景模型,将该帧中每个像素点周围24邻域内随机选取20个像素点填充样本集,即M0(x,y)={v0(xi,yi)|(xi,yi)∈NG},其中M0(x,y)表示初始背景模型中的像素点(x,y),NG表示24邻域点;
2)前景检测:
前景检测从第二帧开始,包括两个方面:①根据每一个新的像素点与样本集比较是否匹配背景模型;②对匹配个数进行统计;
①定一个自适应阈值,取样本集的均值为v(x)表示当前的像素值,计算样本集的标准差则阈值R1=k·s,k的取值为
[0.5,0.6]。以任一像素点为中心,以阈值R1为半径的圆形区域内包含与该像素欧式距离小于R1的所有点,统计匹配个数num;
②得到的匹配数,再和之前最小匹配数目阈值#min进行比较,若大于该阈值,则判定该像素点为背景点,否则为前景点:
其中v(x)=1表示为前景点,v(x)=0表示为背景点;
3)模型更新:
根据背景变化快慢程度,调整了更新因子的大小,以1/α的概率更新其8邻域点的像素值,其余16个值以1/2α的概率更新。
所述步骤S3中,顶层图像V0(x,y)经过ViBe算法检测之后,先进行3*3的中值滤波处理,再进行开操作,最后进行上采样。上采样就是图像放大的过程,把图像每个方向都增大为原来的2倍,采用内插值的方法,即在原有图像像素的基础上在像素点之间采用合适的插值算法插入新的元素,得到输出图像M0(x,y),则M0(x,y)是V0(x,y)的4倍。M0(x,y)再与V1(x,y)进行合并,得到最终ViBe算法的前景图像M1(x,y):
所述步骤S4中,输入连续的三帧图像fi-1(x,y),fi(x,y),fi+1(x,y),以中间帧为当前帧,前两帧图像差分,并设定一个自适应阈值进行二值化处理得到图像Di-1,i(x,y),后两帧图像异或操作得到图像Di,i+1(x,y),为了防止空洞,图像Di-1,i(x,y)和Di,i+1(x,y)进行或操作,得到图像M2(x,y),再和图像M1(x,y)通过与操作合并。
所述步骤S5中,对S4得到的图像采用腐蚀、膨胀操作连接目标并滤除小噪声点,再采用连通域分析法,遍历所有的连通域,计算连通域面积,删除面积小于一定阈值的连通域,最后孔洞填充得到最终的前景图像。
如上所述为本发明在使用ViBe和三帧差分融合的算法进行目标检测的方法介绍,对ViBe算法和三帧差分法皆做了改进,并将两种方法融合,使得到的检测结果在动态环境下更稳定,且抑制了鬼影。对发明而言仅仅是说明性的,而非限制性的。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下进行若干变形和改进所获得的其他实施例,都属于本发明的保护范围。
Claims (6)
1.一种基于ViBe和三帧差分融合的目标检测方法,其特征在于,所述方法包括以下步骤:
S1:对视频的原始输入图像进行高斯金字塔变换,通过像素采样的方式,生成低分辨率图像W0(x,y)和高分辨率图像W1(x,y);
S2:采用改进的ViBe算法分别对两个图像进行检测,输出两个检测图像V0(x,y)、V1(x,y);
S3:对低分辨率检测图像V0(x,y)进行去噪、平滑及放大处理后得到与高分辨率检测图像V1(x,y)相同尺度的图像M0(x,y),再通过与操作将图像M0(x,y)和V1(x,y)合并得到图像M1(x,y);
S4:对原始输入图像采用改进的三帧差分法进行检测得到图像M2(x,y),与图像M1(x,y)通过与操作合并;
S5:采用基于连通域分析法的小区域去除和孔洞填充对S4中得到的图像进行处理,得到最终的前景图像。
2.根据权利要求1所述的一种基于ViBe和三帧差分融合的目标检测方法,其特征在于,所述步骤S1中,通过高斯金字塔分解得到高低两个分辨率的图像,W1(x,y)为底层图像,W0(x,y)为顶层图像,设底层图像分辨率为M×N,则顶层图像分辨率为M/2×N/2。
3.根据权利要求1或2所述的一种基于ViBe和三帧差分融合的目标检测方法,其特征在于,所述步骤S2中,改进的ViBe算法的过程如下:
S21:将视频第一帧作为背景模型,并从该帧中每个像素点周围的5*5像素的24邻域中随机选取20个点作为样本集;
S22:用建好的背景模型进行前景检测,取样本集的均值为v(x)表示当前像素点的值,根据公式计算样本集的标准差得到自适应阈值R1=k·s,k的取值为[0.5,0.6],以任一像素点为中心,以阈值R1为半径的圆形区域内包含与该像素欧式距离小于R1的所有点,统计个数与设定的某阈值进行比较,大于该阈值则为前景点,否则是背景点;
S23:对模型进行更新,新增更新因子1/2α,每个背景点以1/α的概率更新自己的模型样本值,同时也以1/α的概率更新其8邻域像素点的样本值,剩下的像素点以1/2α的概率更新。
4.根据权利要求1或2所述的一种基于ViBe和三帧差分融合的目标检测方法,其特征在于,所述步骤S3中,对低分辨率检测图像V0(x,y)进行3*3的中值滤波去噪,开操作,再上采样得到图像M0(x,y),M0(x,y)的分辨率是V0(x,y)的4倍,再通过与操作将图像M0(x,y)和V1(x,y)合并得到图像M1(x,y)。
5.根据权利要求1或2所述的一种基于ViBe和三帧差分融合的目标检测方法,其特征在于,所述步骤S4中,从视频序列中读取连续的三帧图像fi-1(x,y),fi(x,y),fi+1(x,y)。前两帧图像进行差分运算,并设定一个自适应阈值进行二值化处理得到图像Di-1,i(x,y),后两帧图像进行异或运算得到图像Di,i+1(x,y),为了防止空洞,图像Di-1,i(x,y)和Di,i+1(x,y)进行或操作得到图像M2(x,y),再和图像M1(x,y)通过与操作合并。
6.根据权利要求1或2所述的一种基于ViBe和三帧差分融合的目标检测方法,其特征在于,所述步骤S5中,对S4得到的图像采用腐蚀、膨胀操作连接目标并滤除小噪声点,再采用连通域分析法去除小区域并填充孔洞得到最终的前景图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910687826.2A CN110580709A (zh) | 2019-07-29 | 2019-07-29 | 一种基于ViBe和三帧差分融合的目标检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910687826.2A CN110580709A (zh) | 2019-07-29 | 2019-07-29 | 一种基于ViBe和三帧差分融合的目标检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110580709A true CN110580709A (zh) | 2019-12-17 |
Family
ID=68810592
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910687826.2A Pending CN110580709A (zh) | 2019-07-29 | 2019-07-29 | 一种基于ViBe和三帧差分融合的目标检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110580709A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111144337A (zh) * | 2019-12-30 | 2020-05-12 | 河北科技大学 | 火灾检测方法、装置及终端设备 |
CN111354075A (zh) * | 2020-02-27 | 2020-06-30 | 青岛联合创智科技有限公司 | 一种三维重建中前景降干扰提取方法 |
CN111414938A (zh) * | 2020-03-04 | 2020-07-14 | 中国计量大学 | 一种板式换热器内气泡的目标检测方法 |
CN111460949A (zh) * | 2020-03-25 | 2020-07-28 | 上海电机学院 | 一种输电线路防外力破坏实时监测方法和系统 |
CN111553931A (zh) * | 2020-04-03 | 2020-08-18 | 中国地质大学(武汉) | 一种用于室内实时监控的ViBe-ID前景检测方法 |
CN112150512A (zh) * | 2020-09-30 | 2020-12-29 | 中国科学院上海微系统与信息技术研究所 | 融合背景差分法和聚类法的弹着点定位方法 |
CN112561946A (zh) * | 2020-12-03 | 2021-03-26 | 南京理工大学 | 一种动态目标检测方法 |
CN117788466A (zh) * | 2024-02-26 | 2024-03-29 | 国科大杭州高等研究院 | 一种非制冷红外视频序列危险气体成像泄漏检测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102184552A (zh) * | 2011-05-11 | 2011-09-14 | 上海理工大学 | 一种基于差分融合与图像边缘信息的运动目标检测方法 |
CN104952256A (zh) * | 2015-06-25 | 2015-09-30 | 广东工业大学 | 一种基于视频信息的交叉口处车辆的检测方法 |
CN106157332A (zh) * | 2016-07-07 | 2016-11-23 | 合肥工业大学 | 一种基于ViBe算法的运动检测优化方法 |
CN107833242A (zh) * | 2017-10-30 | 2018-03-23 | 南京理工大学 | 一种基于边缘信息和改进vibe运动目标检测方法 |
CN108038866A (zh) * | 2017-12-22 | 2018-05-15 | 湖南源信光电科技股份有限公司 | 一种基于Vibe和视差图背景差法的运动目标检测方法 |
-
2019
- 2019-07-29 CN CN201910687826.2A patent/CN110580709A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102184552A (zh) * | 2011-05-11 | 2011-09-14 | 上海理工大学 | 一种基于差分融合与图像边缘信息的运动目标检测方法 |
CN104952256A (zh) * | 2015-06-25 | 2015-09-30 | 广东工业大学 | 一种基于视频信息的交叉口处车辆的检测方法 |
CN106157332A (zh) * | 2016-07-07 | 2016-11-23 | 合肥工业大学 | 一种基于ViBe算法的运动检测优化方法 |
CN107833242A (zh) * | 2017-10-30 | 2018-03-23 | 南京理工大学 | 一种基于边缘信息和改进vibe运动目标检测方法 |
CN108038866A (zh) * | 2017-12-22 | 2018-05-15 | 湖南源信光电科技股份有限公司 | 一种基于Vibe和视差图背景差法的运动目标检测方法 |
Non-Patent Citations (6)
Title |
---|
何志辉: "一种改进视觉背景提取模型的运动目标检测算法", 《小型微型计算机系统》 * |
刘红等: "一种改进的三帧差分运动目标检测", 《安徽大学学报(自然科学版)》 * |
史瑞环 等: "一种改进的融合帧差法的ViBe 算法", 《图像与多媒体》 * |
崔佳伟: "一种基于ViBe 的自适应运动目标检测算法", 《电视技术》 * |
徐文瀚 等: "基于改进VIBE算法的前景检测", 《电子技术与软件工程》 * |
杨毅 等: "基于改进ViBe的海面远距离运动目标检测", 《电光与控制》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111144337A (zh) * | 2019-12-30 | 2020-05-12 | 河北科技大学 | 火灾检测方法、装置及终端设备 |
CN111354075A (zh) * | 2020-02-27 | 2020-06-30 | 青岛联合创智科技有限公司 | 一种三维重建中前景降干扰提取方法 |
CN111414938A (zh) * | 2020-03-04 | 2020-07-14 | 中国计量大学 | 一种板式换热器内气泡的目标检测方法 |
CN111414938B (zh) * | 2020-03-04 | 2023-06-20 | 中国计量大学 | 一种板式换热器内气泡的目标检测方法 |
CN111460949A (zh) * | 2020-03-25 | 2020-07-28 | 上海电机学院 | 一种输电线路防外力破坏实时监测方法和系统 |
CN111460949B (zh) * | 2020-03-25 | 2023-09-29 | 上海电机学院 | 一种输电线路防外力破坏实时监测方法和系统 |
CN111553931A (zh) * | 2020-04-03 | 2020-08-18 | 中国地质大学(武汉) | 一种用于室内实时监控的ViBe-ID前景检测方法 |
CN112150512A (zh) * | 2020-09-30 | 2020-12-29 | 中国科学院上海微系统与信息技术研究所 | 融合背景差分法和聚类法的弹着点定位方法 |
CN112150512B (zh) * | 2020-09-30 | 2023-12-15 | 中国科学院上海微系统与信息技术研究所 | 融合背景差分法和聚类法的弹着点定位方法 |
CN112561946A (zh) * | 2020-12-03 | 2021-03-26 | 南京理工大学 | 一种动态目标检测方法 |
CN112561946B (zh) * | 2020-12-03 | 2022-09-13 | 南京理工大学 | 一种动态目标检测方法 |
CN117788466A (zh) * | 2024-02-26 | 2024-03-29 | 国科大杭州高等研究院 | 一种非制冷红外视频序列危险气体成像泄漏检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110580709A (zh) | 一种基于ViBe和三帧差分融合的目标检测方法 | |
CN106846359B (zh) | 基于视频序列的运动目标快速检测方法 | |
CN109767439B (zh) | 一种自适应窗口的多尺度差异与双边滤波的目标检测方法 | |
CN109272489B (zh) | 基于背景抑制与多尺度局部熵的红外弱小目标检测方法 | |
CN108564597B (zh) | 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 | |
CN109214380B (zh) | 车牌倾斜校正方法 | |
Huang et al. | Motion detection with pyramid structure of background model for intelligent surveillance systems | |
CN107392095A (zh) | 一种基于掩码图像的红外弱小目标检测算法 | |
CN111353496B (zh) | 一种红外弱小目标实时检测方法 | |
CN110135312B (zh) | 一种基于分级lcm的快速小目标检测方法 | |
CN111985314B (zh) | 一种基于ViBe与改进LBP的烟雾检测方法 | |
CN108305265B (zh) | 微弱小目标图像实时处理方法及系统 | |
CN112508923A (zh) | 弱小目标检测方法 | |
CN109660814B (zh) | 一种视频前景删除篡改的检测方法 | |
CN111476723A (zh) | 一种Landsat-7扫描线纠正器失效的遥感图像丢失像素恢复方法 | |
CN114359149A (zh) | 基于实时图像边缘增强的坝岸险情视频检测方法及系统 | |
CN106778822B (zh) | 基于漏斗变换的图像直线检测方法 | |
CN113096103A (zh) | 一种面向放空火炬的烟气智能影像感知方法 | |
CN113378757A (zh) | 一种基于时序与频域过滤的物体检测与物体切割算法 | |
CN106778789B (zh) | 一种多视点图像中的快速目标提取方法 | |
CN109785318B (zh) | 基于面线基元关联约束的遥感图像变化检测方法 | |
CN111127355A (zh) | 一种对缺损光流图进行精细补全的方法及其应用 | |
Varkonyi-Koczy | Fuzzy logic supported corner detection | |
CN114554188A (zh) | 基于图像传感器像素阵列的手机摄像头检测方法及装置 | |
CN111008555B (zh) | 一种无人机图像弱小目标增强提取方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191217 |