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 PDF

Info

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
Application number
CN201910855399.4A
Other languages
English (en)
Inventor
朱建鸿
张飞
于力革
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangnan University
Original Assignee
Jiangnan University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jiangnan University filed Critical Jiangnan University
Priority to CN201910855399.4A priority Critical patent/CN110599523A/zh
Publication of CN110599523A publication Critical patent/CN110599523A/zh
Pending legal-status Critical Current

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

一种融合帧间差分法的ViBe鬼影抑制方法
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。
CN201910855399.4A 2019-09-10 2019-09-10 一种融合帧间差分法的ViBe鬼影抑制方法 Pending CN110599523A (zh)

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 (17)

* Cited by examiner, † Cited by third party
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
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
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
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
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)

* Cited by examiner, † Cited by third party
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

Patent Citations (4)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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 (26)

* Cited by examiner, † Cited by third party
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
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
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
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
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
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
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
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
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
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
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
CN109345472A (zh) 一种复杂场景的红外运动小目标检测方法
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
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
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
Haifeng et al. Moving object detection based on background subtraction of block updates
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.
Yang et al. A modified method of vehicle extraction based on background subtraction
Li et al. A method for background modeling and moving object detection in video surveillance
Sun et al. Moving target detection based on multi-feature adaptive background model
CN112802055B (zh) 一种目标鬼影检测及边缘传播抑制算法
Jiang et al. Background subtraction algorithm based on combination of grabcut and improved ViBe

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