运动目标检测作为计算机视觉领域的热点之一,在智能视频监控、图像检索、运动分析等众多领域都有着十分广泛的应用。目前常用的运动目标检测算法有帧间差分法、背景相减法、光流法等。这些方法主要是通过运动信息提取、背景建模或检测光流变化等来实现运动目标检测。如,JIE Yad等提出了一种基于部分高斯混合模型的多级运动目标检测系统,该系统是多线程的,通过部分高斯混合的软聚类模型来实现背景相减,可以准确的定位感兴趣的目标。Barnich等同提出了一种改进的Vibe算法,该算法扩大了样本的取值范围,采用隔行更新的方式对领域进行更新,并且采用小目标丢弃和空洞填充策略去除噪声影响,对目标物体的间歇式运动、光照变化等凶索表现出了较好的健壮性。Chen Yin等针对摄像机与被检测目标同时运动的情况,提出一种持续光流跟踪的运动目标检测方法,该算法在起始两帧间使用金字塔稀疏光流法跟踪特征点并进行分组,在后续帧图像上持续跟踪已分组的特征点,直至筛选出只属于背景的特征点分组用于背景运动补偿,该算法提高了检测运动目标的精度和速度。这些方法均是基于经典运动目标检测算法的改进,但仍然存在着由背景噪声干扰,背景抖动等引起的运动信息丢失以及计算复杂度高的问题。
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
全部0条评论
快来发表一下你的评论吧 !