CN110599523A - 一种融合帧间差分法的ViBe鬼影抑制方法 - Google Patents
一种融合帧间差分法的ViBe鬼影抑制方法 Download PDFInfo
- Publication number
- CN110599523A CN110599523A CN201910855399.4A CN201910855399A CN110599523A CN 110599523 A CN110599523 A CN 110599523A CN 201910855399 A CN201910855399 A CN 201910855399A CN 110599523 A CN110599523 A CN 110599523A
- Authority
- CN
- China
- Prior art keywords
- background
- pixel
- threshold
- ghost
- vibe
- 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
Classifications
-
- 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
- G06T7/215—Motion-based 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
- G06T7/254—Analysis of motion involving subtraction of images
-
- 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
- G06T2207/20212—Image combination
- G06T2207/20224—Image subtraction
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种融合帧间差分法的ViBe鬼影抑制方法,属于图像、视频处理技术领域。所述方法同时采用ViBe算法与帧间差分法对视频序列进行处理;对被帧间差分法判为背景区域且被ViBe算法判为目标区域的像素点进行计数;设定阈值Th,当计数大于阈值Th时,判断该像素点为鬼影区域,加快背景更新速度,实现对鬼影区域的快速抑制,本发明针对采用ViBe算法与帧间差分法对视频序列处理结果进行相与后存在空洞、前景检测的准确度不高的问题,设定一个阈值,当被帧间差分法判为背景区域且被ViBe算法判为目标区域的像素点个数超过该阈值时加快背景更新速率,实现鬼影的快速消除,提高了前景检测的准确度。
Description
技术领域
本发明涉及一种融合帧间差分法的ViBe鬼影抑制方法,属于图像、视频处理技术领域。
背景技术
运动目标检测是图像处理、军事工业、模式识别等应用研究领域的一个核心问题,它是基于计算机视觉的视频监控系统进行目标行为识别的基础。其中,运动目标检测算法有光流法、帧间差分法和背景差分法三种。
背景差分法是一种对静止场景进行运动分割的通用方法,它将当前获取的图像帧与背景图像做差分运算,得到目标运动区域的灰度图,对灰度图进行阈值化提取运动区域,而且为避免环境光照变化影响,背景图像根据当前获取图像帧进行更新。背景差分法有ViBe算法、均值滤波法、单高斯模型法、混合高斯模型法等。其中的ViBe算法具有良好的实时性且能够在多种不同场景中保持较好的性能,一经提出便受到了欢迎,如今广泛应用于视频分析、智能交通等领域。
ViBe算法不需要重复任何繁琐的训练过程,只需要一帧图像即可完成背景建模,所以有快速适应不同应用场景的优点;同时算法以邻域像素为背景样本筛选集合,构建基于样本点集的背景模型,所以对扰动背景有一定的鲁棒性;该算法计算量远远小于混合高斯背景建模。但是,ViBe算法由于采用第一帧建模,若第一帧中存在运动目标,则会产生鬼影,由于ViBe算法的背景模型更新较慢,鬼影问题需要较长时间才能去除,严重影响了前景目标的检测。
史瑞环等(史瑞环,吴斌,李务军等.一种改进的融合帧差法的ViBe算法[J].微型机与应用,2016,35(4):44-45,49.DOI:10.3969/j.issn.1674-7720.2016.04.014.)提出将帧差法与ViBe算法同时相与的方法,该方法虽然能够在第一帧去除鬼影,但是由于帧差法进行目标检测后,二值化图像会产生较大的空洞,相与后仍然存在空洞,因此降低了前景检测的准确度。
发明内容
为了解决目前ViBe算法存在的鬼影消除缓慢的问题,本发明提供了一种融合帧间差分法的ViBe鬼影抑制方法。
本发明的第一个目的在于提供一种融合帧间差分法的ViBe鬼影抑制方法,所述方法同时采用ViBe算法与帧间差分法对视频序列进行处理;处理过程中采用ViBe算法进行模型初始化、前景检测和背景模型更新;对被帧间差分法判为背景区域且被ViBe算法判为目标区域的像素点进行计数;设定阈值Th,当计数大于阈值Th时,判断该像素点为鬼影区域,加快背景更新速度,实现对鬼影区域的快速抑制。
可选的,所述处理过程中采用ViBe算法进行模型初始化、前景检测和背景模型更新,包括:
(1)采用传统ViBe算法创建背景模型;假设每一个像素和其邻域像素的像素值在空域上有相似的分布;基于这种假设,每一个像素模型用其邻域中的像素来表示;获取第一帧图像时,具体某一像素点位置为x,从其邻域像素中随机采集n次像素值构成一个集合M(x)从而完成第一帧图像的背景建模;其背景模型公式如下:
M(x)={v1,v2,...vn} (1)
其中,M(x)为像素点x的背景模型,vi为像素点x的背景样本,1≤i≤n,n为样本个数;
(2)前景检测;将每个像素点的灰度值记为V(x),并将每个像素点与预先存储的样本集进行比较;将当前帧每个像素点与对应样本值逐一相减,计算与V(x)的距离小于阈值R的样本个数,若存在样本满足小于阈值R的条件,则count计数值增加1;比较count计数值与阈值#min的大小,当count≥#min时,认定x位置的像素是背景点置为0,否则是前景点置为255;
(3)背景模型更新;若像素点被确定是背景点,那么该像素点有1/α的概率随机替换背景样本中的某一个像素值,同时也有1/α的概率随机替换邻域像素中的某个值,α为更新因子;如果是前景点则不会进行模型更新的相关操作;如果连续K次都被检测为前景,那么将其更新为背景点。
可选的,采用帧间差分法对视频序列进行处理,包括:
通过帧间差分法获取前景目标;在ViBe算法进行目标检测的同时,采用帧间差分法进行目标检测:
设视频图像序列中获取第k-1帧和第k帧两帧图像分别记为fk-1(x,y)和fk(x,y),相邻两帧的差分结果记为Dk(x,y),差分的计算公式如下:
Dk(x,y)=|fk(x,y)-fk-1(x,y)| (2)
设定一个阈值T对Dk(x,y)进行二值化处理,公式如下:
其中,Rk(x,y)=255为前景点,Rk(x,y)=0为背景点,T为阈值。
可选的,所述对被帧间差分法判为背景区域且被ViBe算法判为目标区域的像素点进行计数;设定阈值Th,当计数大于阈值Th时,判断该像素点为鬼影区域,加快背景更新速度,实现对鬼影区域的快速抑制,包括:
设定一个计数器对帧差法判为背景区域且ViBe算法中被判为目标区域的像素点进行计数,公式如下:
其中,f1(x,y)为帧间差分法处理后像素值,f2(x,y)为ViBe算法处理后像素值,T(x)为计数器;
若时间大于阈值Th,则判定为鬼影区域,加快其背景更新速度,即改变其更新因子α,并将被判断为鬼影区域的像素点更新到背景模型中,同时也将该像素点随机更新到邻域背景模型中,实现鬼影的快速消除。
可选的,所述同时采用ViBe算法与帧间差分法对视频序列进行处理之前,还包括:
获取视频序列第一帧视频序列,对第一帧视频序列的所有像素点随机选取N个背景样本集,构成1个N维的样本集合,记为M(x)。
可选的,N=20。
可选的,所述阈值R=20。
可选的,所述阈值#min=2。
可选的,所述阈值Th=10。
本发明的第二个目的在于提供一种方法在图像、视频处理技术领域内的应用。
本发明有益效果是:
通过同时采用ViBe算法与帧间差分法对视频序列进行处理;处理过程中采用ViBe算法进行模型初始化、前景检测和背景模型更新;对被帧间差分法判为背景区域且被ViBe算法判为目标区域的像素点进行计数;设定阈值Th,当计数大于阈值Th时,判断该像素点为鬼影区域,加快背景更新速度,实现对鬼影区域的快速抑制,本申请针对采用ViBe算法存在鬼影且鬼影消除缓慢的问题,设定一个阈值,当被帧间差分法判为背景区域且被ViBe算法判为目标区域的像素点个数超过该阈值时加快背景更新速率,实现鬼影的快速消除,提高了前景检测的准确度。
随着图像处理与计算机技术的发展,运动目标检测已成为计算机视觉领域重要的研究方向之一。在原ViBe算法的应用场景下,比如车辆检测、人体运动目标检测、人流统计、军事公安等领域,本发明可以完全替代。本发明快速消除鬼影的方法,能够有效的提高前景目标检测的准确性,精确的识别出运动目标所在的位置,这也对后续运动目标的跟踪、特征提取以及行为识别等方面奠定了良好的基础。同时,本发明相比于传统ViBe算法具有更快的抑制鬼影速度,对于其他鬼影抑制方法有较好的前景检测准确率。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明所述一种融合帧间差分法的ViBe鬼影抑制方法的流程示意图。
图2是本发明鬼影抑制仿真原图。
图3是本发明与传统ViBe鬼影抑制仿真结果图。
图4是本发明与其他鬼影抑制(即帧差法与ViBe算法同时相与的方法)仿真结果图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明实施方式作进一步地详细描述。
实施例一:
本实施例提供一种融合帧间差分法的ViBe鬼影抑制方法,参见图1,所述方法同时采用ViBe算法与帧间差分法对视频序列进行处理,其中采用ViBe算法进行模型初始化,前景检测和背景模型更新;接着判断对帧差法判为背景区域且ViBe算法中被判为目标区域的像素点进行计数,计数满足阈值后则加快背景更新速度,实现鬼影区域的快速抑制;具体包括:
步骤1:获取视频序列第一帧视频序列,对第一帧视频序列的所有像素点随机选取n=20个背景样本集,构成1个20维的样本集合,记为M(x)。
步骤2:通过ViBe算法获取前景目标,包括:
(1)背景模型初始化;采用传统ViBe算法创建背景模型,假设每一个像素和其邻域像素的像素值在空域上有相似的分布;基于这种假设,每一个像素模型用其邻域中的像素来表示;获取第一帧图像时,具体某一像素点位置为x,从其邻域像素中随机采集n=20次像素值构成一个集合M(x),构成1个20维的样本集合,从而完成第一帧图像的背景建模;其背景模型公式如下:
M(x)={v1,v2,...vn} (1)
其中,M(x)为像素点x的背景模型,vi为像素点x的背景样本,1≤i≤n,n为样本个数。
(2)前景检测;将每个像素点的灰度值记为V(x),并将每个像素点与预先存储的样本集进行比较;将当前帧每个像素点与对应样本值逐一相减,计算与V(x)的距离小于阈值R的样本个数,若存在样本满足小于阈值R的条件,则count计数值增加1;比较count计数值与阈值#min的大小,当count≥#min时,认定x位置的像素是背景点置为0,否则是前景点置为255。
(3)背景模型更新;若像素点被确定是背景点,那么该像素点有1/α(α=16)的概率随机替换背景样本中的某一个像素值,同时也有1/α的概率随机替换邻域像素中的某个值,α为更新因子;如果是前景点则不会进行模型更新的相关操作;如果连续K(K=50)次都被检测为前景,那么将其更新为背景点。
步骤3:采用帧间差分法对视频序列进行处理,包括:
通过帧间差分法获取前景目标;在ViBe算法进行目标检测的同时,采用帧间差分法进行目标检测:
设视频图像序列中获取第k-1帧和第k帧两帧图像分别记为fk-1(x,y)和fk(x,y),相邻两帧的差分结果记为Dk(x,y),差分的计算公式如下:
Dk(x,y)=|fk(x,y)-fk-1(x,y)| (2)
设定一个阈值T对Dk(x,y)进行二值化处理,公式如下:
其中,Rk(x,y)=255为前景点,Rk(x,y)=0为背景点,T为阈值。
步骤4:鬼影抑制,包括:
遍历当前帧所有的像素点,用f1(x,y)表示帧间差分法处理后得到的二值图像像素值,f2(x,y)表示ViBe算法处理后得到的二值图像像素值;设定一个计数器T(x)对帧差法判为背景区域且Vibe算法中被判为目标区域的像素点进行计数,公式如下:
若时间大于阈值Th,则判定为鬼影区域,加快其背景更新速度,即改变其更新因子α,以α=5来加快鬼影区域的背景更新速度,即鬼影区域的像素点有1/5的概率随机替换背景样本中的某一个像素值,同时它也有1/5的概率随机替换邻域像素中的某个值。而对于其他非鬼影区域则采用原算法的更新因子16进行背景更新。
为进一步说明本方法的有益效果,仿真实验如下:
图2是针对鬼影抑制的仿真原图;其中第一帧含有运动目标,图3是本发明与传统ViBe鬼影抑制(传统ViBe鬼影抑制可参考O.Barnich,M.Van Droogenbroeck.ViBe:auniversal background subtraction algorithm for video sequences[J].IEEETrans.Image Process,2011,20(6):1709–1724.)仿真结果图,图3分别示出了采用ViBe和本发明提出方法对第12帧与第25帧的处理结果,通过对比可知,传统的ViBe算法在第25帧时,依然存在鬼影且较为严重,而本发明提出的方法在25帧时已经完全抑制鬼影。由此可见,本发明在抑制鬼影方面明显优于传统的ViBe算法。
图4是本发明与其他鬼影抑制方法(即帧差法与ViBe算法同时相与的方法,可参考史瑞环,吴斌,李务军等.一种改进的融合帧差法的ViBe算法[J].微型机与应用,2016,35(4):44-45,49.DOI:10.3969/j.issn.1674-7720.2016.04.014.)的对比图,可以看出,由于帧差法存在空洞的缺点,导致相与后,在后续的检测过程中,运动目标存在大量的空洞,前景目标的检测十分不精确,导致检测目标不完整,而本发明在快速抑制鬼影的基础上,能够准确的检测出人体目标,几乎不存在空洞的现象。由此可见,本发明在检测准确度方面明显高于其他鬼影抑制方法。
本发明实施例中的部分步骤,可以利用软件实现,相应的软件程序可以存储在可读取的存储介质中,如光盘或硬盘等。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种融合帧间差分法的ViBe鬼影抑制方法,其特征在于,所述方法同时采用ViBe算法与帧间差分法对视频序列进行处理;处理过程中采用ViBe算法进行模型初始化、前景检测和背景模型更新;对被帧间差分法判为背景区域且被ViBe算法判为目标区域的像素点进行计数;设定阈值Th,当计数大于阈值Th时,判断该像素点为鬼影区域,加快背景更新速度,实现对鬼影区域的快速抑制。
2.根据权利要求1所述的方法,其特征在于,所述处理过程中采用ViBe算法进行模型初始化、前景检测和背景模型更新,包括:
(1)采用传统ViBe算法创建背景模型;假设每一个像素和其邻域像素的像素值在空域上有相似的分布;基于这种假设,每一个像素模型用其邻域中的像素来表示;获取第一帧图像时,具体某一像素点位置为x,从其邻域像素中随机采集N次像素值构成一个集合M(x)从而完成第一帧图像的背景建模;其背景模型公式如下:
M(x)={v1,v2,...vn} (1)
其中,M(x)为像素点x的背景模型,vi为像素点x的背景样本,1≤i≤n,n为样本个数;
(2)前景检测;将每个像素点的灰度值记为V(x),并将每个像素点与预先存储的样本集进行比较;将当前帧每个像素点与对应样本值逐一相减,计算与V(x)的距离小于阈值R的样本个数,若存在样本满足小于阈值R的条件,则count计数值增加1;比较count计数值与阈值#min的大小,当count≥#min时,认定x位置的像素是背景点置为0,否则是前景点置为255;
(3)背景模型更新;若像素点被确定是背景点,那么该像素点有1/α的概率随机替换背景样本中的某一个像素值,同时也有1/α的概率随机替换邻域像素中的某个值,α为更新因子;如果是前景点则不会进行模型更新的相关操作;如果连续K次都被检测为前景,那么将其更新为背景点。
3.根据权利要求2所述的方法,其特征在于,采用帧间差分法对视频序列进行处理,包括:
通过帧间差分法获取前景目标;在ViBe算法进行目标检测的同时,采用帧间差分法进行目标检测:
设视频图像序列中获取第k-1帧和第k帧两帧图像分别记为fk-1(x,y)和fk(x,y),相邻两帧的差分结果记为Dk(x,y),差分的计算公式如下:
Dk(x,y)=|fk(x,y)-fk-1(x,y)| (2)
设定一个阈值T对Dk(x,y)进行二值化处理,公式如下:
其中,Rk(x,y)=255为前景点,Rk(x,y)=0为背景点,T为阈值。
4.根据权利要求3所述的方法,其特征在于,所述对被帧间差分法判为背景区域且被ViBe算法判为目标区域的像素点进行计数;设定阈值Th,当计数大于阈值Th时,判断该像素点为鬼影区域,加快背景更新速度,实现对鬼影区域的快速抑制,包括:
设定一个计数器对帧差法判为背景区域且ViBe算法中被判为目标区域的像素点进行计数,公式如下:
其中,f1(x,y)为帧间差分法处理后像素值,f2(x,y)为ViBe算法处理后像素值,T(x)为计数器;
若时间大于阈值Th,则判定为鬼影区域,加快其背景更新速度,即改变其更新因子α,并将被判断为鬼影区域的像素点更新到背景模型中,同时也将该像素点随机更新到邻域背景模型中,实现鬼影的快速消除。
5.根据权利要求4所述的方法,其特征在于,所述同时采用ViBe算法与帧间差分法对视频序列进行处理之前,还包括:
获取视频序列第一帧视频序列,对第一帧视频序列的所有像素点随机选取N个背景样本集,构成1个N维的样本集合,记为M(x)。
6.根据权利要求5所述的方法,其特征在于,N=20。
7.根据权利要求5所述的方法,其特征在于,所述阈值R=20。
8.根据权利要求5所述的方法,其特征在于,所述阈值#min=2。
9.根据权利要求5所述的方法,其特征在于,所述阈值Th=10。
10.权利要求1-9任一所述的方法在图像、视频处理技术领域内的应用。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910855399.4A CN110599523A (zh) | 2019-09-10 | 2019-09-10 | 一种融合帧间差分法的ViBe鬼影抑制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910855399.4A CN110599523A (zh) | 2019-09-10 | 2019-09-10 | 一种融合帧间差分法的ViBe鬼影抑制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110599523A true CN110599523A (zh) | 2019-12-20 |
Family
ID=68858742
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910855399.4A Pending CN110599523A (zh) | 2019-09-10 | 2019-09-10 | 一种融合帧间差分法的ViBe鬼影抑制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110599523A (zh) |
Cited By (18)
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 |
CN111259866A (zh) * | 2020-03-06 | 2020-06-09 | 大连科技学院 | 一种基于改进背景差分法的海上舰船目标检测方法 |
CN111524082A (zh) * | 2020-04-26 | 2020-08-11 | 上海航天电子通讯设备研究所 | 目标鬼影消除方法 |
CN111667498A (zh) * | 2020-05-14 | 2020-09-15 | 武汉大学 | 一种面向光学卫星视频的运动舰船目标自动检测方法 |
CN111667419A (zh) * | 2020-05-15 | 2020-09-15 | 煤炭科学技术研究院有限公司 | 一种基于Vibe算法的移动目标鬼影消除方法及系统 |
CN111754588A (zh) * | 2020-06-30 | 2020-10-09 | 江南大学 | 一种基于方差的自适应窗口大小的双目视觉匹配方法 |
CN111860423A (zh) * | 2020-07-30 | 2020-10-30 | 江南大学 | 一种改进的积分投影法的人眼定位方法 |
CN111915687A (zh) * | 2020-07-13 | 2020-11-10 | 浙江工业大学 | 一种具有深度信息和颜色信息的背景提取方法 |
CN112084880A (zh) * | 2020-08-14 | 2020-12-15 | 江铃汽车股份有限公司 | 一种图像处理方法、装置、存储介质及设备 |
CN112561946A (zh) * | 2020-12-03 | 2021-03-26 | 南京理工大学 | 一种动态目标检测方法 |
CN112634319A (zh) * | 2020-12-28 | 2021-04-09 | 平安科技(深圳)有限公司 | 视频背景与前景分离方法、系统、电子装置及存储介质 |
CN112819854A (zh) * | 2021-02-02 | 2021-05-18 | 歌尔光学科技有限公司 | 鬼影检测方法、鬼影检测装置和可读存储介质 |
CN112927262A (zh) * | 2021-03-22 | 2021-06-08 | 瓴盛科技有限公司 | 一种基于视频的相机镜头遮挡检测方法及系统 |
CN112950520A (zh) * | 2021-04-27 | 2021-06-11 | 上海海栎创科技股份有限公司 | 去除运动拖影的多帧图像融合方法及其装置 |
CN113362237A (zh) * | 2021-04-14 | 2021-09-07 | 湖南宇正智能科技有限公司 | 改进Vibe视觉显著性背景提取检测红外弱小目标方法及系统 |
CN114821391A (zh) * | 2022-03-15 | 2022-07-29 | 西北工业大学 | 一种基于改进视觉背景提取法的运动目标检测方法 |
CN115294486A (zh) * | 2022-10-08 | 2022-11-04 | 彼图科技(青岛)有限公司 | 一种基于无人机和人工智能的违章建筑数据识别方法 |
CN116866589A (zh) * | 2023-09-05 | 2023-10-10 | 成都大熊猫繁育研究基地 | 一种野外红外相机无线网络的视频图像压缩方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN106548488A (zh) * | 2016-10-25 | 2017-03-29 | 电子科技大学 | 一种基于背景模型及帧间差分的前景检测方法 |
CN106934819A (zh) * | 2017-03-10 | 2017-07-07 | 重庆邮电大学 | 一种提高图像中运动物体检测精度的方法 |
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
- 2019-09-10 CN CN201910855399.4A patent/CN110599523A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN106548488A (zh) * | 2016-10-25 | 2017-03-29 | 电子科技大学 | 一种基于背景模型及帧间差分的前景检测方法 |
CN106934819A (zh) * | 2017-03-10 | 2017-07-07 | 重庆邮电大学 | 一种提高图像中运动物体检测精度的方法 |
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 (2)
Title |
---|
崔莹 等: "基于改进ViBe的室外行人检测方法", 《计算机与现代化》 * |
赵光明 等: "基于融合帧间差的改进 Vibe 方法", 《计算机技术与发展》 * |
Cited By (27)
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 |
CN111144337B (zh) * | 2019-12-30 | 2023-07-25 | 河北科技大学 | 火灾检测方法、装置及终端设备 |
CN111259866A (zh) * | 2020-03-06 | 2020-06-09 | 大连科技学院 | 一种基于改进背景差分法的海上舰船目标检测方法 |
CN111259866B (zh) * | 2020-03-06 | 2023-07-28 | 大连科技学院 | 一种基于改进背景差分法的海上舰船目标检测方法 |
CN111524082B (zh) * | 2020-04-26 | 2023-04-25 | 上海航天电子通讯设备研究所 | 目标鬼影消除方法 |
CN111524082A (zh) * | 2020-04-26 | 2020-08-11 | 上海航天电子通讯设备研究所 | 目标鬼影消除方法 |
CN111667498A (zh) * | 2020-05-14 | 2020-09-15 | 武汉大学 | 一种面向光学卫星视频的运动舰船目标自动检测方法 |
CN111667419A (zh) * | 2020-05-15 | 2020-09-15 | 煤炭科学技术研究院有限公司 | 一种基于Vibe算法的移动目标鬼影消除方法及系统 |
CN111754588A (zh) * | 2020-06-30 | 2020-10-09 | 江南大学 | 一种基于方差的自适应窗口大小的双目视觉匹配方法 |
CN111754588B (zh) * | 2020-06-30 | 2024-03-29 | 江南大学 | 一种基于方差的自适应窗口大小的双目视觉匹配方法 |
CN111915687A (zh) * | 2020-07-13 | 2020-11-10 | 浙江工业大学 | 一种具有深度信息和颜色信息的背景提取方法 |
CN111860423A (zh) * | 2020-07-30 | 2020-10-30 | 江南大学 | 一种改进的积分投影法的人眼定位方法 |
CN111860423B (zh) * | 2020-07-30 | 2024-04-30 | 江南大学 | 一种改进的积分投影法的人眼定位方法 |
CN112084880A (zh) * | 2020-08-14 | 2020-12-15 | 江铃汽车股份有限公司 | 一种图像处理方法、装置、存储介质及设备 |
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 |
CN112634319A (zh) * | 2020-12-28 | 2021-04-09 | 平安科技(深圳)有限公司 | 视频背景与前景分离方法、系统、电子装置及存储介质 |
CN112819854A (zh) * | 2021-02-02 | 2021-05-18 | 歌尔光学科技有限公司 | 鬼影检测方法、鬼影检测装置和可读存储介质 |
CN112819854B (zh) * | 2021-02-02 | 2023-06-13 | 歌尔光学科技有限公司 | 鬼影检测方法、鬼影检测装置和可读存储介质 |
CN112927262A (zh) * | 2021-03-22 | 2021-06-08 | 瓴盛科技有限公司 | 一种基于视频的相机镜头遮挡检测方法及系统 |
CN113362237A (zh) * | 2021-04-14 | 2021-09-07 | 湖南宇正智能科技有限公司 | 改进Vibe视觉显著性背景提取检测红外弱小目标方法及系统 |
CN112950520A (zh) * | 2021-04-27 | 2021-06-11 | 上海海栎创科技股份有限公司 | 去除运动拖影的多帧图像融合方法及其装置 |
CN114821391A (zh) * | 2022-03-15 | 2022-07-29 | 西北工业大学 | 一种基于改进视觉背景提取法的运动目标检测方法 |
CN114821391B (zh) * | 2022-03-15 | 2024-02-27 | 西北工业大学 | 一种基于改进视觉背景提取法的运动目标检测方法 |
CN115294486A (zh) * | 2022-10-08 | 2022-11-04 | 彼图科技(青岛)有限公司 | 一种基于无人机和人工智能的违章建筑数据识别方法 |
CN116866589A (zh) * | 2023-09-05 | 2023-10-10 | 成都大熊猫繁育研究基地 | 一种野外红外相机无线网络的视频图像压缩方法 |
CN116866589B (zh) * | 2023-09-05 | 2023-12-26 | 成都大熊猫繁育研究基地 | 一种野外红外相机无线网络的视频图像压缩方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110599523A (zh) | 一种融合帧间差分法的ViBe鬼影抑制方法 | |
CN104392468B (zh) | 基于改进视觉背景提取的运动目标检测方法 | |
US7742650B2 (en) | Object detection in images | |
Parks et al. | Evaluation of background subtraction algorithms with post-processing | |
CN111062974B (zh) | 一种使用去除鬼影对前景目标提取的方法及系统 | |
CN111062273B (zh) | 一种遗留物品追溯检测与报警方法 | |
CN104835145B (zh) | 基于自适应Codebook背景模型的前景检测方法 | |
CN102222214A (zh) | 快速物体识别算法 | |
CN109345472A (zh) | 一种复杂场景的红外运动小目标检测方法 | |
CN105894534B (zh) | 一种基于ViBe的改进运动目标检测方法 | |
CN105741319B (zh) | 基于盲目更新策略和前景模型的改进视觉背景提取方法 | |
Huang et al. | Motion detection with pyramid structure of background model for intelligent surveillance systems | |
CN108198208B (zh) | 一种基于目标跟踪的移动侦测方法 | |
CN109948776A (zh) | 一种基于lbp的对抗网络模型图片标签生成方法 | |
Lian et al. | A novel method on moving-objects detection based on background subtraction and three frames differencing | |
CN111524082B (zh) | 目标鬼影消除方法 | |
CN107871315B (zh) | 一种视频图像运动检测方法和装置 | |
CN109035296A (zh) | 一种改进的视频中运动物体检测方法 | |
Sahoo et al. | A fast valley-based segmentation for detection of slowly moving objects | |
CN111667419A (zh) | 一种基于Vibe算法的移动目标鬼影消除方法及系统 | |
CN106997598A (zh) | 基于rpca与三帧差分融合的运动目标检测方法 | |
Cheng et al. | A novel improved ViBe algorithm to accelerate the ghost suppression | |
Yang et al. | A hierarchical approach for background modeling and moving objects detection | |
Ganesan et al. | Video object extraction based on a comparative study of efficient edge detection techniques. | |
Li et al. | A method for background modeling and moving object detection in video surveillance |
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 |
Application publication date: 20191220 |
|
RJ01 | Rejection of invention patent application after publication |