CN113362237A - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN113362237A CN113362237A CN202110401697.3A CN202110401697A CN113362237A CN 113362237 A CN113362237 A CN 113362237A CN 202110401697 A CN202110401697 A CN 202110401697A CN 113362237 A CN113362237 A CN 113362237A
- Authority
- CN
- China
- Prior art keywords
- area
- foreground
- image
- background
- ghost
- 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
- 238000000034 method Methods 0.000 title claims abstract description 29
- 230000000007 visual effect Effects 0.000 title claims abstract description 27
- 238000001514 detection method Methods 0.000 claims abstract description 57
- 238000000605 extraction Methods 0.000 claims abstract description 16
- 238000000926 separation method Methods 0.000 claims abstract description 12
- 238000012545 processing Methods 0.000 claims description 25
- 238000005192 partition Methods 0.000 claims description 23
- 238000001914 filtration Methods 0.000 claims description 20
- 230000011218 segmentation Effects 0.000 claims description 17
- 238000012937 correction Methods 0.000 claims description 14
- 230000000877 morphologic effect Effects 0.000 claims description 7
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 239000011800 void material Substances 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10048—Infrared image
-
- 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
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种改进Vibe视觉显著性背景提取检测红外弱小目标方法，包括如下步骤：进行初始化背景建模，并提取生成分隔模板；针对分隔模板，利用Vibe算法判断生成第一前景图并对第一前景图；在步骤S20进行的同时，利用三帧差法生成第二前景图；通过将第一前景图与第二前景图进行比对，判断是否为鬼影区域；通过步骤S40的判断，若判断为鬼影区域，则认定该像素区为背景区并对背景模型进行更新，若判断为非鬼影区域，则对该区域进行修正操作后认定为真实前景区。与相关技术相比，本发明提供的改进Vibe视觉显著性背景提取检测红外弱小目标方法，能够更加精准检测红外弱小目标。本发明还提供了一种改进Vibe视觉显著性背景提取检测红外弱小目标系统。
Description
技术领域
本发明涉及一种运动目标检测算法，尤其涉及一种改进Vibe视觉显著性背景提取检测红外弱小目标方法及系统。
背景技术
目标检测通常是指在序列帧图像中按照一定的方法检测出由变化的区域，并且将该发生空间位置变化的区域作为目标从背景图像中分离出来，尽管现有的运动目标检测取得巨大的研究进展，但红外场景下弱小目标检测，由于所处环境的复杂性及目标自身的几何形状缺失、像素占比过小等特性，目前仍是一项极大的挑战。
其中，由于红外图像对比度低、边缘模糊、信噪比低一级成分复杂等特点，红外弱小目标被复杂的背景杂波包围，目标淹没在强噪声中，缺失形状、边缘、纹理等几何信息，另外目标高速运动会引起图像模糊，特征不明显使成像品质下降，现有检测算法跟踪算法缺乏适应性，复杂背景难以满足，浙江直接影响到目标的准确提取和跟踪。
Vibe，英文全称为Visual Background Extractor，是一种高效的背景提取方法。其主要是通过视频序列分隔模板，接着利用当前输入的视频图像与背景模型完成前景分割，提取出运动目标的前景区域，最后根据前景分割的结果更新背景模型直至整个视频处理完毕。Vibe算法大致可以细分为以下三个步骤：
第一步，初始化单帧图像中每个像素点的背景模型。假设每一个像素和其领域像素的像素值在空域上有相似的分布，基于这种假设对于任一像素点X，随机选取其八领域中的像素值作为背景模型的样本，而为了确保背景模型遵守统计学规律，选取的领域要具有足够大的范围；第二步，对后续的图像序列进行背景目标分割操作。后面的图像序列与背景模型进行差分，从第二帧开始，将新一帧图像中每一个像素与采样数组进行比较，判断该像素为前景还是背景；第三步，背景模型更新，如果图像中P位置像素是背景像素，则随机地从背景模型中选取一个值采用P的像素代替，这种统一分布的随机选取法保证了样本集合中每一个样本的生命周期成指数递减，避免了像素长期保留在背景模型中影响模型的精确性。然而，现有的Vibe算法都没有对运动目标的阴影进行去除，阴影也会随着运动物体运动而移动，并且在前景检测室被当做前景误检测出来，导致粘连、误判等其他问题。此外，Vibe算法在目标检测中还会产生鬼影区域，鬼影区域指原本静止的物体开始运动，该物体所覆盖的区域就会被错误的检测为运动。
因此，现有的算法主要存在以下缺点：阴影前景、鬼影和运动目标不完整的问题，而产生阴影前景问题的本质原因是运动目标遮挡住了光源，投影区域因为光线被遮挡使得区域颜色比周围更暗，即阴影区域与背景区域颜色值的欧式距离差异较大，因此在进行背景差分时被错误的检测为运动前景，而鬼影产生的原因是视频第一帧中存在运动目标。
因此，有必要提供一种能够更加精准检测红外弱小目标的改进Vibe视觉显著性背景提取检测红外弱小目标方法及系统解决上述技术问题。
发明内容
针对现有技术存在的不足，本发明的目的在于提供一种能够更加精准检测红外弱小目标的改进Vibe视觉显著性背景提取检测红外弱小目标方法及系统。
本发明解决其技术问题采用的技术方案是：
一种改进Vibe视觉显著性背景提取检测红外弱小目标方法，包括如下步骤：
步骤S10、分隔模板，使用第一帧图像作为初始帧进行初始化背景建模，并提取生成分隔模板；
步骤S20、第一前景图的获取，针对所述分隔模板，利用Vibe算法对后续每帧的图像序列进行背景目标分割操作，判断生成第一前景图并对所述第一前景图进行二值化处理；
步骤S30、第二前景图的获取，在步骤S20进行的同时，利用三帧差法针对所述分隔模板后续每帧的图像序列进行区分，生成第二前景图并对所述第二前景图进行二值化处理；
步骤S40、鬼影判断，通过将所述第一前景图与所述第二前景图进行比对，判断是否为鬼影区域；
步骤S50、背景模板的更新及真实前景的生成，通过步骤S40的判断，若判断为鬼影区域，则认定该像素区为背景区并对背景模型进行更新，若判断为非鬼影区域，则对该区域进行修正操作后认定为真实前景区。
优选的，所述修正操作包括如下步骤：
中值滤波，将被判断为前景区的区域作为候选前景，并对所述候选前景进行形态学滤波以去除区域中存在的白点，并将除去白点后的区域输出为候选背景；
阴影去除，利用所述候选前景与所述候选背景的YUV分量变化比率检测阴影，并将阴影去除。
优选的，所述步骤S40包括如下子步骤：
步骤S41、将所述第一前景图与所述第二前景图中不同的像素点标记为鬼影像素点，并由所有的鬼影像素点共同组成疑似鬼影区域；
步骤S42、将所述疑似鬼影区域内被标记的像素点数量与预设的阈值进行比较，若大于预设的阈值，则判定所述疑似鬼影区域为鬼影区域，若小于预设的阈值，则判定所述疑似鬼影区域为非鬼影区域。
优选的，步骤S20中，利用Vibe算法对后续每帧的图像序列进行背景目标分割操作后，将非第一前景图区域判定为背景区域，并对所述分隔模板进行更新。
优选的，步骤S20包括如下子步骤：
步骤S21、分隔模板的更新，将步骤S10得到的所述分隔模板中面积大于等于10像素的前景斑点区域移除，同时，填充面积大于10像素并小于等于20像素的前景孔洞区域；
步骤S22、Vibe检测，再利用Vibe算法对更新后的所述分隔模板进行背景目标分割操作，并生成第一前景图。
一种改进Vibe视觉显著性背景提取检测红外弱小目标系统，包括：
图像获取与处理单元：所述图像获取与处理单元用于采集视频，将视频分割成单帧图像形式，并使用第一帧图像作为初始帧进行初始化背景建模，提取生成分隔模板；
第一检测单元：所述第一检测单元与所述图像获取与处理单元连接并接收所述分隔模板，所述第一检测单元对所述分隔模板后续每帧的图像序列进行背景目标分割操作，判断生成第一前景图并对所述第一前景图进行二值化处理；
第二检测单元：所述第二检测单元与所述图像获取与处理单元连接并接收所述分隔模板，所述第二检测单元对所述分隔模板后续每帧的图像序列进行区分，生成第二前景图并对所述第二前景图进行二值化处理；
比对单元：所述比对单元分别与所述第一检测单元及所述第二检测单元连接，并用于比对所述第一前景图与所述第二前景图，判断是否为鬼影区域，若判断为鬼影区域，则认定该像素区为背景区并对分隔模板进行更新，若判断为非鬼影区域，则对该区域进行修正操作后认定为真实前景区；
修正单元：所述修正单元与所述比对单元连接并用于进行所述修正操作，所述修正单元包括中值滤波模组及与所述中值滤波模组连接的阴影去除模组，所述中值滤波模组将所述比对单元判断为前景区的区域作为候选前景，并对所述候选前景进行形态学滤波以去除区域中存在的白点，并将除去白点后的区域输出为候选背景，所述阴影去除单元利用所述候选前景与所述候选背景的YUV分量变化比率检测阴影，并将阴影去除。
优选的，所述比对单元在比对时，首先将所述第一前景图与所述第二前景图中不同的像素点标记为鬼影像素点，并将所有的鬼影像素点整合为疑似鬼影区域，再通过将所述疑似鬼影区域内被标记的像素点数量与预设的阈值进行比较，若大于预设的阈值，则判定所述疑似鬼影区域为鬼影区域，若小于预设的阈值，则判定所述疑似鬼影区域为非鬼影区域。
优选的，所述第一检测单元采用Vibe算法检测，所述第二检测单元采用三帧差法检测。
综上所述，与现有技术相比，本发明提供的改进Vibe视觉显著性背景提取检测红外弱小目标方法及系统，将三帧差分图像和ViBe差分图像结合到逻辑运算中，既可以消除帧差法出现的空洞现象，也能快速消除第一帧Vibe背景建模出现的鬼影现象，对于检测出的前景图像存在阴影的问题，在YUV空间利用亮度信息设计阴影检测模型，利用候选前景与背景的YUV分量变化比率来检测阴影并去除阴影，对图像检测过程中的红外弱小目标提供更好的保护，能够更加精准检测红外弱小目标。
附图说明
图1为本发明提供的改进Vibe视觉显著性背景提取检测红外弱小目标方法的流程框架图；
图2为本发明提供的改进Vibe视觉显著性背景提取检测红外弱小目标系统的结构框图。
图中，100、改进Vibe视觉显著性背景提取检测红外弱小目标系统；10、图像获取与处理单元；20、第一检测单元；30、第二检测单元；40、比对单元；50、修正单元；51、中值滤波模组；52、阴影去除模组。
具体实施方式
下面结合附图和实施例，对本发明进行详细描述。下述实验例和实施例用于进一步说明但不限于本发明。
请参阅图1，本发明提供了一种改进Vibe视觉显著性背景提取检测红外弱小目标方法，包括如下步骤：
步骤S10、分隔模板，使用第一帧图像作为初始帧进行初始化背景建模，并提取生成分隔模板。
步骤S20、第一前景图的获取，针对所述分隔模板，利用Vibe算法对后续每帧的图像序列进行背景目标分割操作，判断生成第一前景图并对所述第一前景图进行二值化处理。
在本步骤中，利用Vibe算法对后续每帧的图像序列进行背景目标分割操作后，将非第一前景图区域判定为背景区域，并对所述分隔模板进行更新。
具体的，所述步骤S20包括如下子步骤：
步骤S21、分隔模板的更新，将步骤S10得到的所述分隔模板中面积大于等于10像素的前景斑点区域移除，同时，填充面积大于10像素并小于等于20像素的前景孔洞区域；
步骤S22、Vibe检测，再利用Vibe算法对更新后的所述分隔模板进行背景目标分割操作，并生成第一前景图。
步骤S30、第二前景图的获取，在步骤S20进行的同时，利用三帧差法针对所述分隔模板后续每帧的图像序列进行区分，生成第二前景图并对所述第二前景图进行二值化处理。
步骤S40、鬼影判断，通过将所述第一前景图与所述第二前景图进行比对，判断是否为鬼影区域。
具体的，所述步骤S40包括如下子步骤：
步骤S41、将所述第一前景图与所述第二前景图中不同的像素点标记为鬼影像素点，并由所有的鬼影像素点共同组成疑似鬼影区域；
步骤S42、将所述疑似鬼影区域内被标记的像素点数量与预设的阈值进行比较，若大于预设的阈值，则判定所述疑似鬼影区域为鬼影区域，若小于预设的阈值，则判定所述疑似鬼影区域为非鬼影区域。
步骤S50、背景模板的更新及真实前景的生成，通过步骤S40的判断，若判断为鬼影区域，则认定该像素区为背景区并对背景模型进行更新，若判断为非鬼影区域，则对该区域进行修正操作后认定为真实前景区。
其中，所述修正操作包括如下步骤：
中值滤波，将被判断为前景区的区域作为候选前景，并对所述候选前景进行形态学滤波以去除区域中存在的白点，并将除去白点后的区域输出为候选背景；通过形态学滤波去除各类噪声的干扰，以获得最终的完整的检测结果。
阴影去除，利用所述候选前景与所述候选背景的YUV分量变化比率检测阴影，并将阴影去除。如此一来，可以有效降低后续前景检测时被当做前景误检测，进而避免粘连、误判等情况的发生。
请参阅图2，本发明还提供了一种改进Vibe视觉显著性背景提取检测红外弱小目标系统100，所述改进Vibe视觉显著性背景提取检测红外弱小目标系统100包括图像获取与处理单元10、与所述图像获取与处理单元10连接的第一检测单元20、同样与所述图像获取与处理单元10连接的第二检测单元30、分别与所述第一检测单元20及所述第二检测单元30连接的比对单元40、及与所述比对单元连接的修正单元50。
所述图像获取与处理单元10用于采集视频，将视频分割成单帧图像形式，并使用第一帧图像作为初始帧进行初始化背景建模，提取生成分隔模板。
所述第一检测单元20对所述分隔模板后续每帧的图像序列进行背景目标分割操作，判断生成第一前景图并对所述第一前景图进行二值化处理。
所述第二检测单元30对所述分隔模板后续每帧的图像序列进行区分，生成第二前景图并对所述第二前景图进行二值化处理。优选的，在本实施方式中，所述第一检测单元20采用Vibe算法检测，所述第二检测单元30采用三帧差法检测。
所述比对单元40用于比对所述第一前景图与所述第二前景图，判断是否为鬼影区域，若判断为鬼影区域，则认定该像素区为背景区并对分隔模板进行更新，若判断为非鬼影区域，则对该区域进行修正操作后认定为真实前景区。
优选的，在本实施方式中，所述比对单元在比对时，首先将所述第一前景图与所述第二前景图中不同的像素点标记为鬼影像素点，并将所有的鬼影像素点整合为疑似鬼影区域，再通过将所述疑似鬼影区域内被标记的像素点数量与预设的阈值进行比较，若大于预设的阈值，则判定所述疑似鬼影区域为鬼影区域，若小于预设的阈值，则判定所述疑似鬼影区域为非鬼影区域。
所述修正单元50用于进行所述修正操作，具体的，所述修正单元50包括中值滤波模组51及与所述中值滤波模组51连接的阴影去除模组52。其中，所述中值滤波模组51将所述比对单元40判断为前景区的区域作为候选前景，并对所述候选前景进行形态学滤波以去除区域中存在的白点，并将除去白点后的区域输出为候选背景，所述阴影去除单元利用所述候选前景与所述候选背景的YUV分量变化比率检测阴影，并将阴影去除。
与现有技术相比，本发明提供的改进Vibe视觉显著性背景提取检测红外弱小目标方法及系统，将三帧差分图像和ViBe差分图像结合到逻辑运算中，既可以消除帧差法出现的空洞现象，也能快速消除第一帧Vibe背景建模出现的鬼影现象，对于检测出的前景图像存在阴影的问题，在YUV空间利用亮度信息设计阴影检测模型，利用候选前景与背景的YUV分量变化比率来检测阴影并去除阴影，对图像检测过程中的红外弱小目标提供更好的保护，能够更加精准检测红外弱小目标。
以上所述仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和修饰，这些改进和修饰也应视为本发明的保护范围。
Claims (8)
1.一种改进Vibe视觉显著性背景提取检测红外弱小目标方法，其特征在于，包括如下步骤：
步骤S10、分隔模板，使用第一帧图像作为初始帧进行初始化背景建模，并提取生成分隔模板；
步骤S20、第一前景图的获取，针对所述分隔模板，利用Vibe算法对后续每帧的图像序列进行背景目标分割操作，判断生成第一前景图并对所述第一前景图进行二值化处理；
步骤S30、第二前景图的获取，在步骤S20进行的同时，利用三帧差法针对所述分隔模板后续每帧的图像序列进行区分，生成第二前景图并对所述第二前景图进行二值化处理；
步骤S40、鬼影判断，通过将所述第一前景图与所述第二前景图进行比对，判断是否为鬼影区域；
步骤S50、背景模板的更新及真实前景的生成，通过步骤S40的判断，若判断为鬼影区域，则认定该像素区为背景区并对背景模型进行更新，若判断为非鬼影区域，则对该区域进行修正操作后认定为真实前景区。
2.根据权利要求1所述的改进Vibe视觉显著性背景提取检测红外弱小目标方法，其特征在于，所述修正操作包括如下步骤：
中值滤波，将被判断为前景区的区域作为候选前景，并对所述候选前景进行形态学滤波以去除区域中存在的白点，并将除去白点后的区域输出为候选背景；
阴影去除，利用所述候选前景与所述候选背景的YUV分量变化比率检测阴影，并将阴影去除。
3.根据权利要求2所述的改进Vibe视觉显著性背景提取检测红外弱小目标方法，其特征在于，所述步骤S40包括如下子步骤：
步骤S41、将所述第一前景图与所述第二前景图中不同的像素点标记为鬼影像素点，并由所有的鬼影像素点共同组成疑似鬼影区域；
步骤S42、将所述疑似鬼影区域内被标记的像素点数量与预设的阈值进行比较，若大于预设的阈值，则判定所述疑似鬼影区域为鬼影区域，若小于预设的阈值，则判定所述疑似鬼影区域为非鬼影区域。
4.根据权利要求1所述的改进Vibe视觉显著性背景提取检测红外弱小目标方法，其特征在于，步骤S20中，利用Vibe算法对后续每帧的图像序列进行背景目标分割操作后，将非第一前景图区域判定为背景区域，并对所述分隔模板进行更新。
5.根据权利要求4所述的改进Vibe视觉显著性背景提取检测红外弱小目标方法，其特征在于，步骤S20包括如下子步骤：
步骤S21、分隔模板的更新，将步骤S10得到的所述分隔模板中面积大于等于10像素的前景斑点区域移除，同时，填充面积大于10像素并小于等于20像素的前景孔洞区域；
步骤S22、Vibe检测，再利用Vibe算法对更新后的所述分隔模板进行背景目标分割操作，并生成第一前景图。
6.一种改进Vibe视觉显著性背景提取检测红外弱小目标系统，其特征在于，包括：
图像获取与处理单元：所述图像获取与处理单元用于采集视频，将视频分割成单帧图像形式，并使用第一帧图像作为初始帧进行初始化背景建模，提取生成分隔模板；
第一检测单元：所述第一检测单元与所述图像获取与处理单元连接并接收所述分隔模板，所述第一检测单元对所述分隔模板后续每帧的图像序列进行背景目标分割操作，判断生成第一前景图并对所述第一前景图进行二值化处理；
第二检测单元：所述第二检测单元与所述图像获取与处理单元连接并接收所述分隔模板，所述第二检测单元对所述分隔模板后续每帧的图像序列进行区分，生成第二前景图并对所述第二前景图进行二值化处理；
比对单元：所述比对单元分别与所述第一检测单元及所述第二检测单元连接，并用于比对所述第一前景图与所述第二前景图，判断是否为鬼影区域，若判断为鬼影区域，则认定该像素区为背景区并对分隔模板进行更新，若判断为非鬼影区域，则对该区域进行修正操作后认定为真实前景区；
修正单元：所述修正单元与所述比对单元连接并用于进行所述修正操作，所述修正单元包括中值滤波模组及与所述中值滤波模组连接的阴影去除模组，所述中值滤波模组将所述比对单元判断为前景区的区域作为候选前景，并对所述候选前景进行形态学滤波以去除区域中存在的白点，并将除去白点后的区域输出为候选背景，所述阴影去除单元利用所述候选前景与所述候选背景的YUV分量变化比率检测阴影，并将阴影去除。
7.根据权利要求6所述的改进Vibe视觉显著性背景提取检测红外弱小目标系统，其特征在于，所述比对单元在比对时，首先将所述第一前景图与所述第二前景图中不同的像素点标记为鬼影像素点，并将所有的鬼影像素点整合为疑似鬼影区域，再通过将所述疑似鬼影区域内被标记的像素点数量与预设的阈值进行比较，若大于预设的阈值，则判定所述疑似鬼影区域为鬼影区域，若小于预设的阈值，则判定所述疑似鬼影区域为非鬼影区域。
8.根据权利要求1所述的改进Vibe视觉显著性背景提取检测红外弱小目标系统，其特征在于，所述第一检测单元采用Vibe算法检测，所述第二检测单元采用三帧差法检测。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110401697.3A CN113362237A (zh) | 2021-04-14 | 2021-04-14 | 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 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110401697.3A CN113362237A (zh) | 2021-04-14 | 2021-04-14 | 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 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113362237A true CN113362237A (zh) | 2021-09-07 |
Family
ID=77525188
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110401697.3A Pending CN113362237A (zh) | 2021-04-14 | 2021-04-14 | 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 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113362237A (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101231756A (zh) * | 2008-01-30 | 2008-07-30 | 安防科技（中国）有限公司 | 运动目标阴影检测方法及装置 |
| CN104077776A (zh) * | 2014-06-27 | 2014-10-01 | 深圳市赛为智能股份有限公司 | 一种基于颜色空间自适应更新的视觉背景提取算法 |
| CN110599523A (zh) * | 2019-09-10 | 2019-12-20 | 江南大学 | 一种融合帧间差分法的ViBe鬼影抑制方法 |
-
2021
- 2021-04-14 CN CN202110401697.3A patent/CN113362237A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101231756A (zh) * | 2008-01-30 | 2008-07-30 | 安防科技（中国）有限公司 | 运动目标阴影检测方法及装置 |
| CN104077776A (zh) * | 2014-06-27 | 2014-10-01 | 深圳市赛为智能股份有限公司 | 一种基于颜色空间自适应更新的视觉背景提取算法 |
| CN110599523A (zh) * | 2019-09-10 | 2019-12-20 | 江南大学 | 一种融合帧间差分法的ViBe鬼影抑制方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US7742650B2 (en) | Object detection in images | |
| US7639878B2 (en) | Shadow detection in images | |
| US5109435A (en) | Segmentation method for use against moving objects | |
| KR101717613B1 (ko) | 에지 정보 기반의 객체 추적 알고리즘을 통한 이동 차량 탐지 시스템 및 방법 | |
| Xiao et al. | Moving shadow detection and removal for traffic sequences | |
| JP3892059B2 (ja) | 動物体追跡装置 | |
| EP2396748A1 (en) | Video matting based on foreground-background constraint propagation | |
| TWI390465B (zh) | 用於背景去除之影像處理方法 | |
| Wu et al. | Extracting characters from real vehicle licence plates out-of-doors | |
| CN104899839A (zh) | 基于ViBe算法的鬼影快速抑制方法 | |
| KR101613703B1 (ko) | 차량영상검지와 번호판 영역 추출방법 | |
| CN110728668A (zh) | 一种小目标形态保持的空域高通滤波器 | |
| CN111539980A (zh) | 一种基于可见光的多目标追踪方法 | |
| CN108010050B (zh) | 一种基于自适应背景更新和选择性背景更新的前景检测方法 | |
| CN115690162B (zh) | 一种固定视频中移动大目标的检测方法及装置 | |
| CN113362237A (zh) | 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 | |
| Xiang et al. | Research on target detection method based on HSV fusion Gaussian mixture model | |
| CN115661194A (zh) | 一种运动目标提取方法、系统、电子设备及介质 | |
| CN110321828B (zh) | 一种基于双目摄像机和车底阴影的前方车辆检测方法 | |
| CN111489371B (zh) | 一种场景的直方图近似单峰分布时的图像分割方法 | |
| 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 | |
| AU612503B2 (en) | Distinguishing a moving object from a noisy background | |
| Phan et al. | Improved shadow removal algorithm for vehicle classification in traffic surveillance system | |
| Wang et al. | Accurate silhouette extraction of a person in video data by shadow evaluation | |
| Bozorgpour et al. | Robust homography optimization in soccer scenes |
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: 20210907 |
|
| RJ01 | Rejection of invention patent application after publication |