基于背景差的运动目标检测方法比较分析*

背景差是常用的运动目标检测方法,其基本思想是通过视频帧与背景参考图像的差分实现运动目标检测。背景差法的核心是背景模型的构造。首先介绍基于背景差的运动目标检测方法的关键步骤:预处理、背景建模、背景差分、后处理;其次介绍几种典型的单背景和多背景模型;然后利用自适应背景模型、中值滤波、卡尔曼滤波、混合高斯模型等进行运动目标检测,并从速度、存储开销、准确率等方面对这些方法进行了分析比较。实验结果表明,单背景模型具有更快的检测速度,而多背景模型的检测准确度更高。     

低信噪比下融合随机共振的运动目标检测算法

为提高智能视频监控系统中运动目标检测算法在低信噪比条件下的鲁棒性,结合混合高斯背景建模算法和随机共振原理实现一种低信噪比下的运动目标检测算法。算法根据混合高斯背景模型对当前帧生成目标概率灰度图,在本文定义的性能评价函数下,通过向该概率灰度图添加噪声使得评价函数最优化从而达到随机共振,对该随机共振灰度图进行阈值分割得到输出的检测目标。针对昏暗、大雾和红外视频分别进行了实验,证实了本文算法的有效性同时也显示本文算法相对于普通背景差算法性能获得了明显提升。     

基于改进的混合高斯模型的背景建模方法

提出了一种基于改进的混合高斯模型的背景建模方法,克服了经典混合高斯模型方法计算量大和对长时间静止物体转为运动及光照突变较为敏感的缺点。首先,在经典混合高斯模型方法的基础上,引入了一种新的高斯分布个数的自适应选择策略,提高了建模效率。其次,分析了经典混合高斯模型方法对长时间静止物体转为运动及光照突变较为敏感的原因,采用了一种不同区域更新率的自适应选择策略,能够迅速响应场景的变化,有效地解决了大面积误检问题。通过在典型的场景下与经典混合高斯模型方法进行比较,验证了本文算法的有效性。     

基于条件概率比积累模型的DP-MFTD算法

针对传统多帧目标检测算法的似然比指标函数在目标信号分布参数未知的非高斯噪声环境下难以计算的问题,以目标状态的条件概率之比最大为最优准则建立了递归积累模型,并通过Taylor级数展开对递归积累方程进行局部线性化处理,建立了基于条件概率比积累模型的动态规划多帧检测新算法。通过仿真实验,验证了该算法在非高斯背景下的检测及跟踪性能的优越性。     

移动摄像下的目标跟踪算法

移动摄像下的目标跟踪,可能由于摄像机的移动和复杂背景,出现目标模型变化较大,目标相对运动速度较快,背景遮挡等问题,对算法的实时性和鲁棒性要求更高。提出了一种组合二帧差分法、均值漂移算法(Mean Shift)和卡尔曼滤波(Kalman filtering)的跟踪算法。该算法首先设计了基于加速稳健特征匹配算法(SURF)的二帧差分法消除摄像机移动的不良影响,然后由卡尔曼滤波给出目标的预测位置,并以此为中心,初始化Mean Shift算法进行目标跟踪。此方法提高了空中武器装备稳定跟踪和打击坦克等地面目标的能力,为反坦克等军事领域提供了新的改进方向。实验结果表明,在移动摄像下,该算法较几种传统的跟踪方法都具有更好的跟踪性能。     

机动车辆辅助驾驶动态障碍物检测方法

针对背景复杂多变和摄像机的随车运动对机动车辆辅助驾驶系统动态目标检测算法提出的鲁棒性和实时性要求,提出了一种基于快速全局背景运动补偿和改进三帧差分法的快速目标检测算法,基于影像金字塔两步法估计改进SIFT方法,实现快速全局背景运动补偿参数估计,在三帧差分图像上,通过改进假设检验及边缘检测与目标区域相"与"最终实现动态目标的准确检测。实验表明,算法极大地提高了特征配准和动目标检测速度,提高了全局运动补偿参数估计和目标检测的精确性,满足系统的实时性要求。     

国防工程中视频前景检测算法研究

针对基于背景运动补偿的检测算法中存在特征点匹配不准以及外点影响运动模型估计准确性等问题,设计了一种高效的背景运动补偿算法。采用圆形块邻域搜索法实现特征点在当前帧和参考帧之间的对应匹配;通过阈值自适应的RANSAC算法去除外点,进而采用双线性内插值法完成背景运动补偿。算法实现过程简单,对背景运动的补偿效果比较显著。     

面向多目标跟踪的PHD滤波多传感器数据融合算法

针对密集杂波环境下单传感器应用高斯混合PHD算法进行多目标跟踪时性能下降的问题,提出一种面向多目标跟踪的PHD滤波多传感器数据融合算法。首先构建了基于高斯混合PHD滤波的多传感器数据融合系统框架,各传感器利用高斯混合PHD滤波算法进行局部状态估计,然后对各传感器的状态估计结果进行关联度计算,最后通过构建自适应混合参数,引入协方差交叉算法对关联状态进行融合。仿真实验表明,与单传感器高斯混合PHD多目标跟踪算法相比,所提算法有效提高了目标数量和状态的估计精度。     

非高斯噪声下信号盲检测算法*

针对实际甚低频和超低频接收机不仅受非高斯噪声的影响,同时受到接收机内部和外部环境中高斯噪声影响的问题,对噪声采用高斯尺度混合分布和高斯分布的混合模型建模,根据混合模型的性质,设计了一种基于马尔可夫链蒙特卡罗方法的信号盲检测算法。盲检测算法在贝叶斯层次模型下,采用Gibbs抽样和M-H抽样更新参数,同步检测信道衰落系数、噪声模型参数和信号。算法迭代效率快、精度高。通过与最优检测性能比较,盲检测算法性能优异,对甚低频和超低频信号接收具有重要的现实意义。     

在非高斯信道下多用户检测的鲁棒算法

在无线通信中应用多用户检测技术可以有效去除多路径干扰 (MAI)。实验证明 ,实际信道通常包含冲激噪声 ,从而是非高斯的。讨论了目前扩频通信 (DS SS)中应用于非高斯信道的自适应鲁棒的多用户检测技术 ,以前的研究大多存在两个缺点 :一是需要对非高斯信道的模型有一个先验估计 ;二是计算较基于高斯信道的算法复杂的多。本文从传统的特征空间的自适应跟踪技术PASTd[1] ,针对其误差模型对算法进行修改 ,提出了一种简易的鲁棒算法。经蒙特卡洛仿真证明 ,该方法在含冲激噪声信道中能显著提高信号子空间跟踪的精度     

自适应抵消与谱相减结合的单通道语音消噪算法

飞机、坦克和船舶等封闭座舱内部产生的强机械噪声严重地影响了语音通信系统,为此,提出了自适应噪声抵消与谱相减结合的单通道语音消噪算法,其基本原理是:先进行基于相关检测的自适应消噪处理,其后采用谱相减算法消除残留噪声。仿真结果表明:该算法对引擎噪声的消噪效果明显,并能有效地保持语音清晰度,可应用于机械噪声很强的语音通信系统。     

视频监视前景图像估计的盲源提取方法

在视频图像运动检测的背景消减方法中，场景图像或帧可建模为前景图像和背景图像的叠加或线性混合。然而，实际中图像的背景和前景往往相关，常用的主成分分析和独立分量分析等方法难以实现准确提取。为此，将视频图像的前景提取建模为盲源提取问题，提出了一种基于均方交叉预测误差的盲源提取方法，可以从相关的源视频图像中提取期望的前景图像，并将该方法扩展应用于基于基本模型和特征背景模型的背景消减方案中。基于人工和实际视频的实验验证了盲源提取背景消减方法的可行性和有效性。     

多模型估计的新分支——变结构多模型方法

作为多模型方法的新分支,变结构多模型方法(VSMM)是当前机动目标跟踪、故障诊断等领域中研究的热点.首先简述了VSMM方法的发展过程和近期动态,在对VSMM方法进行深入分析的同时针对其理论核心--模型集自适应(MSA)策略进行讨论;详细介绍了几种现存的典型VSMM算法;同时简述了VSMM方法的应用概况;最后指出了目前VSMM方法重点关注的问题热点和今后的研究领域.     

一种强噪声背景下语音增强方法的研究与实现

提出了一种基于传统谱相减语音增强算法的改进方法,加强了其滤除噪声的功效,提高了强噪声背景下语音信号的信噪比和可懂度。实验表明,该算法能够很好地滤除强噪声,增强语音,甚至对于滤除与语音频段几乎重叠的噪声信号,效果也十分显著。最后与传统减谱法相比较,分析了该算法的优缺点。     

A pixel-level local contrast measure for infrared small target detection

Infrared (IR) small target detection is one of the key technologies of infrared search and track (IRST) systems. Existing methods have some limitations in detection performance, especially when the target size is irregular or the background is complex. In this paper, we propose a pixel-level local contrast measure (PLLCM), which can subdivide small targets and backgrounds at pixel level simultaneously. With pixel-level segmentation, the difference between the target and the background becomes more obvious, which helps to improve the detection performance. First, we design a multiscale sliding window to quickly extract candidate target pixels. Then, a local window based on random walker (RW) is designed for pixel-level target segmentation. After that, PLLCM incorporating probability weights and scale constraints is proposed to accurately measure local contrast and suppress various types of background interference. Finally, an adaptive threshold operation is applied to separate the target from the PLLCM enhanced map. Experimental results show that the proposed method has a higher detection rate and a lower false alarm rate than the baseline algorithms, while achieving a high speed.     

一种改进的运动目标检测方法

提出的运动目标检测方法是基于动态阈值二值化图像,将帧差法与背景差法相融合,最终检测并提取出运动目标。通过VC++开发平台编程,并对监控图像中的运动目标进行检测实验,结果表明该方法与基于固定阈值二值化图像的方法相比能够更精确地检测出监控图像中的运动目标,且具备一定的鲁棒性。     

基于减背景技术的运动目标检测方法研究

首先利用统计的方法得到背景模型,并实时地对背景模型更新,以适应光线变化和场景本身的变化;减背景操作后,用形态学方法和检测连通域面积进行后处理,消除噪声和背景扰动带来的影响;最后在HSV色度空间下检测阴影,得到准确的运动目标。     

【专题】基于深度学习及FPGA的装备目标检测研究

本文应用深度学习技术实现海天背景下基于可见光、红外方式成像的舰船及角反、烟幕干扰的目标检测,这也是反舰导弹作战使用的关键技术之一。采集的可见光与红外成像目标检测数据集涵盖实施典型干扰下的态势场景,贴近实战;结合四种不同的目标检测机制,选取YOLOV3、Faster R-CNN、SSD及CenterNet四种典型模型分别进行训练与验证,通过对比分析进一步提高弱小目标、复杂干扰态势的的检测,可以实现端到端的高精度装备目标检测模型。在确保精度的前提下基于现场可编程门阵列（FPGA）进行软硬件协同设计,通过对比分析选定基于Vitis AI的实施方案,经过模型的量化、编译与优化,可在保证检测效率的前提下快速实现模型的小型化部署,便于进行装备移植。研究结果表明,该研究内容可有效提高现役反舰导弹目标检测的准确率。