CN111524082B - 目标鬼影消除方法 - Google Patents
目标鬼影消除方法 Download PDFInfo
- Publication number
- CN111524082B CN111524082B CN202010341410.8A CN202010341410A CN111524082B CN 111524082 B CN111524082 B CN 111524082B CN 202010341410 A CN202010341410 A CN 202010341410A CN 111524082 B CN111524082 B CN 111524082B
- Authority
- CN
- China
- Prior art keywords
- background
- pixel
- background model
- frame
- image
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000000926 separation method Methods 0.000 claims abstract description 14
- 230000008030 elimination Effects 0.000 claims description 13
- 238000003379 elimination reaction Methods 0.000 claims description 13
- 238000005070 sampling Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 description 13
- 230000008569 process Effects 0.000 description 9
- 238000012545 processing Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 230000008439 repair process Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012806 monitoring device Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000011410 subtraction method Methods 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
- G06T5/73—Deblurring; Sharpening
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种目标鬼影消除方法,传统的ViBe算法对含有运动目标的图像进行初始化背景建模时,会将运动目标当做背景信息融入到背景模型中,从而在运动目标位置处产生鬼影。本发明通过利用中间帧建立参考背景模型,并比较不同帧间的主背景模型与参考背景模型的像素分离结果,修复用于初始化背景模型的背景图片,最终得到一个不包含前景运动目标的背景图片,以此背景图片进行背景模型建模,得到不包含前景目标的初始背景模型,从而对后续视频帧序列进行像素分类不会将背景像素误判为前景,即从根源上消除了鬼影。
Description
技术领域
本发明涉及一种目标鬼影消除方法。
背景技术
随着多媒体和信息化技术的发展,人们获取信息与处理信息的方式也日趋智能化,不再局限于人类自身感官的感知,基于图像和视频的获取与处理的各种智能监控设备发挥着不可替代的作用。智能监控设备要解决的首要问题是从视频流中自动提取出事件信息,即背景建模和运动目标检测。对此Olivier Barnich等人在2010年提出的一种新的背景建模与前景提取算法:视觉背景提取算法(Visual background extractor),简称ViBe算法。
ViBe算法的核心在于背景模型初始化、像素分类、背景模型更新三个部分。背景初始化部分是利用第一帧图像为每一个像素建立一个大小为N的背景样本集,该样本集存储了该像素点邻近像素点的像素值及上一帧该点的像素值。像素分类部分主要进行前景提取,即运动目标检测,将当前帧像素点的像素值和它的背景模型样本集进行比较得到相似度,再根据阈值判断该像素点属于前景像素还是背景像素。背景模型更新过程主要是将被检测为背景的像素点,按照一定的概率去更新该点的背景模型样本集或其邻域点的背景模型样本集。在背景模型建立后逐帧进行前景提取和背景模型更新,即可实现运动目标的检测。
鬼影是被检测为前景的区域中没有任何运动目标,即虚假的前景区域,是使用背景差法检测运动的固有问题。当使用含有运动目标的图像进行初始化背景建模时,会将运动目标当做背景信息融入到背景模型中,对后续的视频帧序列进行前景像素分类时,会在初始背景模型的运动目标位置处产生鬼影。随着在ViBe算法中背景模型的不断更新,鬼影在每一帧中会逐渐消除掉,但是这个过程至少需要五百帧以上的时间。目前ViBe去鬼影的方法,如Cucchiara等利用时空差分方程近似计算前景像素点的光流,通过确定每个前景点集的平均光流来区别运动目标和鬼影;Cheung等利用Kalman滤波更新背景进而区分出运动目标和背景,通过检查前景点集的帧差是否小于阈值来判断鬼影;吴亮等提出基于直方图匹配的鬼影检测算法,利用了鬼影点集边缘像素与邻近背景区域像素分布相似而与运动目标点集相反的基本特性。以上方法的复杂度较大,视频处理过程中占用较多的资源,处理速度较慢,并且涉及到阈值选取的问题,适应性较差。为此发明了一种基于ViBe算法的鬼影快速消除方法,既能够实现鬼影的快速消除,又不涉及阈值选取,具有很好的适应性。
发明内容
本发明的目的在于提供一种目标鬼影消除方法。
为解决上述问题,本发明提供一种目标鬼影消除方法,包括:
步骤S1,在第一帧时基于图像frame1初始化背景图像bgImage0和主背景模型BM0;
步骤S2,基于主背景模型BM0进行像素分类;
步骤S3,更新主背景模型BM0;
步骤S4,在第十帧时基于图像frame10进行背景模型初始化,建立参考背景模型BM1;
步骤S5,分别同时进行基于主背景模型BM0和参考背景模型BM1的像素分离和背景模型更新;
步骤S6,在第二十帧时修复背景图像bgImage0得到修复后的背景图像bgImage1;
步骤S7,基于修复后的背景图像bgImage1建立修复后的主背景模型BM’0。
进一步的,在上述方法中,步骤S1包括:
通过复制第一帧图像frame1,完成背景图像bgImage0的初始化,通过随机选择当前像素点的邻域像素点,用邻域像素点的像素值填充当前像素点的样本集,从而完成主背景模型BM0的初始化。
进一步的,在上述方法中,步骤S2包括:
计算当前像素点x的像素值Px和当前像素点x的背景样本集中每个样本值间的欧氏距离,当这个距离小于阈值R,那么近似样本点个数加1,最后若求得该样本集中的近似样本点的数目大于阈值Umin,就认为该像素点x为背景像素,否则该像素点x为前景像素。
进一步的,在上述方法中,步骤S3包括:
背景模型更新方法为保守更新法和前景点计数法相结合的方法,即当某个像素被检测为背景像素时,它将有1/W的概率更新自己的背景样本集中的样本值,同样也有1/W的概率更新自己某个邻域像素点的背景样本集,其中,W为时间采样因子,取值为15或16。
进一步的,在上述方法中,步骤S6包括:
基于参考背景模型BM1对第二十帧图像frame20进行像素分离,如果基于主背景模型BM0对第十帧图像frame10分离出的前景像素点,在参考背景模型BM1的分离结果中被判定为背景,则将bgImage0中该像素位置的的像素值替换为frame20中该像素位置的像素值,完成一次背景图像修复,得到新的背景图像bgImage1。
进一步的,在上述方法中,步骤S6包括:
基于主背景模型BM0对frame10像素分类的结果为segMap0,包括前景区域fgRegion0和背景区域bgRegion0;
基于参考背景模型BM1对frame20的像素分类结果为segMap1,包括前景区域fgRegion1和背景区域bgRegion1,其中,如果存在像素点P(x,y)在segMap0中满足P(x,y)∈fgRegion0,且在segMap1中满足P(x,y)∈bgRegion1,则在segMap0中像素点P(x,y)为鬼影像素点,在segMap1中像素点P(x,y)为背景像素点,将bgImage中像素点P(x,y)的像素值替换为frame20中像素点P(x,y)的像素值,即将bgImage包含的前景目标区域替换为对应位置的背景区域,完成一次背景图像修复,得到新的背景图像bgImage1。
与现有技术相比,传统的ViBe算法对含有运动目标的图像进行初始化背景建模时,会将运动目标当做背景信息融入到背景模型中,从而在运动目标位置处产生鬼影。本发明通过利用中间帧建立参考背景模型,并比较不同帧间的主背景模型与参考背景模型的像素分离结果,修复用于初始化背景模型的背景图片,最终得到一个不包含前景运动目标的背景图片,以此背景图片进行背景模型建模,得到不包含前景目标的初始背景模型,从而对后续视频帧序列进行像素分类不会将背景像素误判为前景,即从根源上消除了鬼影。
附图说明
图1是本发明一实施例的目标鬼影消除方法的流程图;
图2是本发明一实施例的像素分离示意图;
图3是本发明一实施例的不同模型对不同帧图像的像素分离结果对比示意图;
图4a是本发明一实施例的基于segMap0和segMap1选定修复区域的第10帧原图;
图4b是本发明一实施例的基于segMap0和segMap1选定修复区域的第20帧原图;
图4c是本发明一实施例的基于segMap0和segMap1选定修复区域的主模型第10帧segMap0;
图4d是本发明一实施例的基于segMap0和segMap1选定修复区域的参考模型第20帧segMap1;
图5是本发明一实施例的修复bgImage的示意图;
图6a是本发明一实施例的运动目标检测结果对比的第21帧原图;
图6b是本发明一实施例的运动目标检测结果对比的第21帧ViBe算法检测结果;
图6c是本发明一实施例的运动目标检测结果对比的第21帧本方法检测结果;
图7a是本发明一实施例的第670帧ViBe算法检测结果的第670帧原图;
图7b是本发明一实施例的第670帧ViBe算法检测结果的残留鬼影图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
如图1所示,本发明提供一种目标鬼影消除方法,包括:
步骤S1,在第一帧时基于图像frame1初始化背景图像bgImage0和主背景模型BM0;
优选的,步骤S1可包括:
通过复制第一帧图像frame1,完成背景图像bgImage0的初始化,通过随机选择当前像素点的邻域像素点,用邻域像素点的像素值填充当前像素点的样本集,从而完成主背景模型BM0的初始化;
具体的,假定x表示当前帧图像的一个像素点,Px表示该点的像素值,为图像中每个像素建立各自的样本集,像素点x的大小为n的样本集可以表示为:
Sx={P1,P2,P3,...,Pn}
随机选择当前像素点的邻域像素点,用邻域像素点的像素值填充当前像素点的样本集,从而完成主背景模型BM0的初始化。假如图像的分辨率大小是长为M宽为N,那么就要为M×N大小的图像的每一个像素点分别建立各自的背景模型,图像总样本集大小为M×N×n。
步骤S2,基于主背景模型BM0进行像素分类;
优选的,步骤S2可包括:
计算当前像素点x的像素值Px和当前像素点x的背景样本集中每个样本值间的欧氏距离,当这个距离小于阈值R,那么近似样本点个数加1,最后若求得该样本集中的近似样本点的数目大于阈值Umin,就认为该像素点x为背景像素,否则该像素点x为前景像素。
具体的,如图2所示,计算当前像素点x的像素值Px和它背景样本集中每个样本值间的欧氏距离,并与阈值R对比,以Px(mx,nx)和P1(m1,n1)之间的欧氏距离L1为例:
如果L1<R,那么近似样本点个数加1,最后若求得该样本集中的近似样本点的数目大于阈值Umin,就认为该像素点x为背景像素,否则该像素点x为前景像素。
步骤S3,更新主背景模型BM0;
优选的,步骤S3可包括:
背景模型更新方法为保守更新法和前景点计数法相结合的方法,即当某个像素被检测为背景像素时,它将有1/W的概率更新自己的背景样本集中的样本值,同样也有1/W的概率更新自己某个邻域像素点的背景样本集,其中,W为时间采样因子,取值为15或16。
步骤S4,在第十帧时基于图像frame10进行背景模型初始化,建立参考背景模型BM1。
优选的,步骤S4中,背景模型BM1的建立方法同步骤S1中主背景模型BM0的建立方法。
步骤S5,分别同时进行基于主背景模型BM0和参考背景模型BM1的像素分离和背景模型更新;
优选的,步骤S5的方法同步骤S2和步骤S3中的主背景模型BM0的像素分离与背景更新方法;
步骤S6,在第二十帧时修复背景图像bgImage0;
优选的,步骤S6可包括:
基于参考背景模型BM1对第二十帧图像frame20进行像素分离,如果基于主背景模型BM0对第十帧图像frame10分离出的前景像素点,在参考背景模型BM1的分离结果中被判定为背景,则将bgImage0中该像素位置的的像素值替换为frame20中该像素位置的像素值,完成一次背景图像修复,得到新的背景图像bgImage1;
具体的,如图3所示,基于主背景模型BM0对frame10像素分类的结果为segMap0,包括前景区域fgRegion0和背景区域bgRegion0;基于参考背景模型BM1对frame20的像素分类结果为segMap1,包括前景区域fgRegion1和背景区域bgRegion1。具体像素分类结果如图4a、4b、4c、4d所示,将segMap0和segMap1的前景区域的像素值置为255,背景像素值置为0。如果存在像素点P(x,y)在segMap0中满足P(x,y)∈fgRegion0,且在segMap1中满足P(x,y)∈bgRegion1,则在segMap0中像素点P(x,y)为鬼影像素点,在segMap1中像素点P(x,y)为背景像素点,在图4a、4b、4c、4d中P(x,y)对应为白色椭圆框选的白色区域的像素点。如图5所示,将bgImage中像素点P(x,y)的像素值替换为frame20中像素点P(x,y)的像素值,即将bgImage包含的前景目标区域替换为对应位置的背景区域,完成一次背景图像修复,得到新的背景图像bgImage。
步骤S7,基于修复后的背景图像bgImage1建立修复后的主背景模型BM’0;
优选的,步骤S7中,主背景模型BM’0的建立方法同步骤一中主背景模型BM0的建立方法,以修复后的主背景模型BM’0对后续视频帧序列进行像素分类就不会再产生鬼影。
上述过程是一个基本的处理流程,也可以在后续视频流中反复执行上述处理,以加强对复杂场景的鬼影消除效果。比如在frame20建立新的背景模型,运行到frame30时的像素分类结果与修复后的主模型在frame10的像素分类结果进行对比,再一次修复背景图像bgImage,以此循环处理。
所述步骤S4的处理不限定于第十帧,所述步骤S6的处理不限定于第二十帧。
通过对本方法进行仿真实验,进一步验证本发明的效果。如图6a、6b、6c所示为不同方法对第21帧图像的运动目标检测结果对比,通过对比原始视频图像可以看出,使用原始ViBe算法的检测结果中含有三个鬼影,使用本发明方法在准确检测出运动目标的同时,在第21帧就已经消除了鬼影。如图7a、7b所示为,使用原始ViBe算法处理的第670帧视频图像中仍然含有部分鬼影没有完全消除,通过原始ViBe的背景更新消除鬼影速度很慢,至少需要700帧以上才能实现鬼影的消除。
本发明针对目前鬼影消除方法存在的复杂度大、适应性差的问题,提供一种基于ViBe算法的运动目标鬼影快速消除方法,用于消除在初始化背景模型时图像中含有前景目标造成的鬼影。通过优化背景模型初始化策略,修复出一个不包含前景目标的背景模型,从而在根源上消除鬼影。
与现有技术相比,本发明具有如下突出的优点:
传统的ViBe算法对含有运动目标的图像进行初始化背景建模时,会将运动目标当做背景信息融入到背景模型中,从而在运动目标位置处产生鬼影。本发明通过利用中间帧建立参考背景模型,并比较不同帧间的主背景模型与参考背景模型的像素分离结果,修复用于初始化背景模型的背景图片,最终得到一个不包含前景运动目标的背景图片,以此背景图片进行背景模型建模,得到不包含前景目标的初始背景模型,从而对后续视频帧序列进行像素分类不会将背景像素误判为前景,即从根源上消除了鬼影。
本发明的算法复杂度较小,占用较小的资源空间,处理速度快,而且不需要设定阈值,算法通用性好。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
显然,本领域的技术人员可以对发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包括这些改动和变型在内。
Claims (4)
1.一种目标鬼影消除方法,其特征在于,包括:
步骤S1,在第一帧时基于图像frame1初始化背景图像bgImage0和主背景模型BM0;
步骤S2,基于主背景模型BM0进行像素分类;
步骤S3,更新主背景模型BM0;
步骤S4,在第十帧时基于图像frame10进行背景模型初始化,建立参考背景模型BM1;
步骤S5,分别同时进行基于主背景模型BM0和参考背景模型BM1的像素分离和背景模型更新;
步骤S6,在第二十帧时修复背景图像bgImage0得到修复后的背景图像bgImage1;
步骤S7,基于修复后的背景图像bgImage1建立修复后的主背景模型BM'0;
步骤S6包括:
基于参考背景模型BM1对第二十帧图像frame20进行像素分离,如果基于主背景模型BM0对第十帧图像frame10分离出的前景像素点,在参考背景模型BM1的分离结果中被判定为背景,则将bgImage0中该像素位置的的像素值替换为frame20中该像素位置的像素值,完成一次背景图像修复,得到新的背景图像bgImage1;
步骤S6包括:
基于主背景模型BM0对frame10像素分类的结果为segMap0,包括前景区域fgRegion0和背景区域bgRegion0;
基于参考背景模型BM1对frame20的像素分类结果为segMap1,包括前景区域fgRegion1和背景区域bgRegion1,其中,如果存在像素点P(x,y)在segMap0中满足P(x,y)∈fgRegion0,且在segMap1中满足P(x,y)∈bgRegion1,则在segMap0中像素点P(x,y)为鬼影像素点,在segMap1中像素点P(x,y)为背景像素点,将bgImage中像素点P(x,y)的像素值替换为frame20中像素点P(x,y)的像素值,即将bgImage包含的前景目标区域替换为对应位置的背景区域,完成一次背景图像修复,得到新的背景图像bgImage1。
2.如权利要求1所述的目标鬼影消除方法,其特征在于,步骤S1包括:
通过复制第一帧图像frame1,完成背景图像bgImage0的初始化,通过随机选择当前像素点的邻域像素点,用邻域像素点的像素值填充当前像素点的样本集,从而完成主背景模型BM0的初始化。
3.如权利要求1所述的目标鬼影消除方法,其特征在于,步骤S1包括:
计算当前像素点x的像素值Px和当前像素点x的背景样本集中每个样本值间的欧氏距离,当这个距离小于阈值R,那么近似样本点个数加1,最后若求得该样本集中的近似样本点的数目大于阈值Umin,就认为该像素点x为背景像素,否则该像素点x为前景像素。
4.如权利要求1所述的目标鬼影消除方法,其特征在于,步骤S3包括:
背景模型更新方法为保守更新法和前景点计数法相结合的方法,即当某个像素被检测为背景像素时,它将有1/W的概率更新自己的背景样本集中的样本值,同样也有1/W的概率更新自己某个邻域像素点的背景样本集,其中,W为时间采样因子,取值为15或16。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010341410.8A CN111524082B (zh) | 2020-04-26 | 2020-04-26 | 目标鬼影消除方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010341410.8A CN111524082B (zh) | 2020-04-26 | 2020-04-26 | 目标鬼影消除方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111524082A CN111524082A (zh) | 2020-08-11 |
CN111524082B true CN111524082B (zh) | 2023-04-25 |
Family
ID=71902864
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010341410.8A Active CN111524082B (zh) | 2020-04-26 | 2020-04-26 | 目标鬼影消除方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111524082B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112767281B (zh) * | 2021-02-02 | 2024-04-30 | 北京小米松果电子有限公司 | 图像鬼影消除方法、装置、电子设备及存储介质 |
CN113780110A (zh) * | 2021-08-25 | 2021-12-10 | 中国电子科技集团公司第三研究所 | 一种图像序列中弱小目标实时检测方法及设备 |
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 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107146239A (zh) * | 2017-04-21 | 2017-09-08 | 武汉大学 | 卫星视频运动目标检测方法及*** |
CN107833242A (zh) * | 2017-10-30 | 2018-03-23 | 南京理工大学 | 一种基于边缘信息和改进vibe运动目标检测方法 |
CN107895379A (zh) * | 2017-10-24 | 2018-04-10 | 天津大学 | 一种视频监控中前景提取的改进算法 |
CN108346160A (zh) * | 2017-12-22 | 2018-07-31 | 湖南源信光电科技股份有限公司 | 基于视差图背景差法和Meanshift结合的多运动目标跟踪方法 |
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 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10275892B2 (en) * | 2016-06-09 | 2019-04-30 | Google Llc | Multi-view scene segmentation and propagation |
-
2020
- 2020-04-26 CN CN202010341410.8A patent/CN111524082B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107146239A (zh) * | 2017-04-21 | 2017-09-08 | 武汉大学 | 卫星视频运动目标检测方法及*** |
CN107895379A (zh) * | 2017-10-24 | 2018-04-10 | 天津大学 | 一种视频监控中前景提取的改进算法 |
CN107833242A (zh) * | 2017-10-30 | 2018-03-23 | 南京理工大学 | 一种基于边缘信息和改进vibe运动目标检测方法 |
CN108346160A (zh) * | 2017-12-22 | 2018-07-31 | 湖南源信光电科技股份有限公司 | 基于视差图背景差法和Meanshift结合的多运动目标跟踪方法 |
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 |
Also Published As
Publication number | Publication date |
---|---|
CN111524082A (zh) | 2020-08-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111524082B (zh) | 目标鬼影消除方法 | |
CN104392468B (zh) | 基于改进视觉背景提取的运动目标检测方法 | |
JP4668921B2 (ja) | 画像中のオブジェクト検出 | |
US8280165B2 (en) | System and method for segmenting foreground and background in a video | |
CN107944427B (zh) | 动态人脸识别方法及计算机可读存储介质 | |
CN110599523A (zh) | 一种融合帧间差分法的ViBe鬼影抑制方法 | |
JP6482195B2 (ja) | 画像認識装置、画像認識方法及びプログラム | |
US20120288198A1 (en) | Information processing apparatus, information processing method, and non-transitory computer-readable storage medium | |
CN111062974B (zh) | 一种使用去除鬼影对前景目标提取的方法及*** | |
US20130084006A1 (en) | Method and Apparatus for Foreground Object Detection | |
CN107833242A (zh) | 一种基于边缘信息和改进vibe运动目标检测方法 | |
CN103679749A (zh) | 一种基于运动目标跟踪的图像处理方法及装置 | |
CN107358141B (zh) | 数据识别的方法及装置 | |
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 | |
CN112883940A (zh) | 静默活体检测方法、装置、计算机设备及存储介质 | |
US8311269B2 (en) | Blocker image identification apparatus and method | |
JP2018055367A (ja) | 画像処理装置、画像処理方法、及びプログラム | |
JP7096175B2 (ja) | オブジェクト抽出方法および装置 | |
CN104700384B (zh) | 基于增强现实技术的展示***及展示方法 | |
JP6456244B2 (ja) | カメラキャリブレーション方法および装置 | |
JP2002342762A (ja) | 物体追跡方法 | |
CN111667419A (zh) | 一种基于Vibe算法的移动目标鬼影消除方法及*** | |
TW201742006A (zh) | 場線之擷取重建方法 | |
CN115239551A (zh) | 视频增强方法和装置 | |
CN110349110B (zh) | 一种基于累帧过融合的模糊图像增强方法及应用 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |