色哟哟视频在线观看-色哟哟视频在线-色哟哟欧美15最新在线-色哟哟免费在线观看-国产l精品国产亚洲区在线观看-国产l精品国产亚洲区久久

0
  • 聊天消息
  • 系統消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術視頻
  • 寫文章/發帖/加入社區
會員中心
創作中心

完善資料讓更多小伙伴認識你,還能領取20積分哦,立即完善>

3天內不再提示

運動目標檢測算法簡介及其應用

3D視覺工坊 ? 來源:空中機器人前沿 ? 2023-03-29 09:29 ? 次閱讀

運動目標檢測的主要目的是從圖片序列中將變化區域或者運動物體從背景圖像中分離出來,常用于視頻監控、異常檢測、三維重建、實時定位與建圖等領域。運動目標檢測是許多領域應用落地的基礎,近年來被廣泛地關注和研究,對運動無人機檢測亦是如此。目前,運動目標檢測的基本方法主要包括背景消減法、幀間差分法和光流法。

背景減法

背景消減法是運動目標檢測的經典方法,也是目前的主流方法之一。其算法的核心在于將圖片序列中的當前幀與確定好的或者實時更新的背景參考模型進行減法操作,找到不同的區域。它把與背景圖像差異超過一定閾值的區域作為運動區域,把小于閾值的部分作為背景區域,從而確定運動目標。背景消減法中背景圖像會受到外部光線變化、其他外部環境變化、相機運動等因素的影響,所以背景消減法成功的關鍵在于背景建模以及背景更新。

9b69b0ca-cdbd-11ed-bfe3-dac502259ad0.png

圖1. 背景消減法流程 傳統的背景建模方法主要包括中值法、均值法、單高斯分布模型、混合高斯模型等等。自適應混合高斯背景建模是圖像背景建模的重要方法,它的工作原理是基于視頻圖像中像素點在時間域上的分布來得到像素點上的顏色分布,從而到達背景建模的目的。

混合高斯背景建模法不僅對復雜場景的適應強,而且能通過自動計算的模型參數來對背景模型調整,檢測速度很快,且檢測準確。同時算法能夠根據新獲取的圖像,對背景圖像參數進行自適應更新。該方法能夠可靠處理光照變化、背景混亂運動的干擾以及長時間的場景變化等,因此基于混合高斯模型建模的背景減法被廣泛應用于運動目標檢測中。


▌幀間差分法

幀間差分法的核心是對時間上連續的兩幀、三幀或者多幀圖像進行差分運算來獲取運動區域。首先求得相鄰幀之間的像素值(通常使用灰度值)之差,然后類似于背景消減法設定參考閾值,逐個對像素點進行二值化處理。其中灰度值為255的是前景,灰度值為0的是背景。

最后通過連通域分析,形態學操作等獲取完整的運動目標圖像。兩幀差分法適用于目標運動較為緩慢的場景,當運動較快時,由于目標在相鄰幀圖像上的位置相差較大,兩幀圖像相減后并不能得到完整的運動目標,因此,人們在兩幀差分法的基礎上提出了三幀差分法、五幀差分法等來改善目標包絡框。

9b7f4854-cdbd-11ed-bfe3-dac502259ad0.png

圖2. 幀間差分法流程圖 由于幀間差分法是選用前一幀的圖片作為背景,所以這使得它不僅僅具有實時性高的特點,相比于背景建模的方法更是在更新速度、算法復雜程度以及計算量方面都要有所優化。但是幀差法極容易受到噪聲的干擾,對閾值的選擇要求很高。閾值選擇過低會導致檢測結果總包含大量的噪聲干擾,閾值選擇過高則可能忽視圖像中的關鍵信息,導致緩慢運動的目標被忽略或者目標提取不完整等問題。

▌光流法

光流法與上述兩種方法不同,不需要對場景中的背景圖像進行建模,而是利用圖像序列中像素在時間域上的變化以及相鄰幀圖像中每個像素之間的相關性,計算得到光流場,進而提取出運動目標。根據所形成的光流場中二維矢量的稠密程度,光流法可以分為稠密光流和稀疏光流。其中,稠密光流計算圖像上所有點的偏移量,得到稠密的光流場,可進行像素級別圖像配準,但是計算量大、實時性差。

稀疏光流只對于有明顯特征的點(如角點)進行跟蹤,但是計算量小,實時性好。 如下視頻為基于Lucas Kanade稀疏光流法的運動無人機跟蹤。

在移動攝像頭場景下普遍存在背景干擾噪聲增多,小尺寸運動目標難以檢測,計算復雜度高等缺點,難以直接應用到運動像頭檢測運動無人機等復雜場景中,需要進一步改進和研究。





審核編輯:劉清

聲明:本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人,不代表電子發燒友網立場。文章及其配圖僅供工程師學習之用,如有內容侵權或者其他違規問題,請聯系本站處理。 舉報投訴
  • 攝像頭
    +關注

    關注

    59

    文章

    4836

    瀏覽量

    95600
  • 無人機
    +關注

    關注

    229

    文章

    10420

    瀏覽量

    180146

原文標題:視覺感知|運動目標檢測算法簡介及其應用

文章出處:【微信號:3D視覺工坊,微信公眾號:3D視覺工坊】歡迎添加關注!文章轉載請注明出處。

收藏 人收藏

    評論

    相關推薦

    【「從算法到電路—數字芯片算法的電路實現」閱讀體驗】+內容簡介

    內容簡介這是一本深入解讀基礎算法及其電路設計,以打通算法研發到數字IC設計的實現屏障,以及指導芯片設計工程師從底層掌握復雜電路設計與優化方法為目標
    發表于 11-21 17:14

    在樹莓派上部署YOLOv5進行動物目標檢測的完整流程

    目標檢測在計算機視覺領域中具有重要意義。YOLOv5(You Only Look One-level)是目標檢測算法中的一種代表性方法,以其高效性和準確性備受關注,并且在各種
    的頭像 發表于 11-11 10:38 ?920次閱讀
    在樹莓派上部署YOLOv5進行動物<b class='flag-5'>目標</b><b class='flag-5'>檢測</b>的完整流程

    旗晟機器人環境檢測算法有哪些?

    硬件支撐,更離不開強大的算法庫作為軟件核心,二者相輔相成,缺一不可。今天就來了解旗晟機器人環境檢測算法。 1、設施異常監測 通過集成高精度傳感器與智能圖像識別技術。它不僅能檢測A字梯是否存在變形,還能精確評估梯腳
    的頭像 發表于 07-19 17:54 ?523次閱讀
    旗晟機器人環境<b class='flag-5'>檢測算法</b>有哪些?

    目標檢測與識別技術有哪些

    目標檢測與識別技術是計算機視覺領域的重要研究方向,廣泛應用于安全監控、自動駕駛、醫療診斷、工業自動化等領域。 目標檢測與識別技術的基本概念 目標
    的頭像 發表于 07-17 09:40 ?590次閱讀

    目標檢測與識別技術的關系是什么

    目標檢測與識別技術是計算機視覺領域的兩個重要研究方向,它們之間存在著密切的聯系和相互依賴的關系。 一、目標檢測與識別技術的概念 目標
    的頭像 發表于 07-17 09:38 ?581次閱讀

    目標檢測識別主要應用于哪些方面

    介紹目標檢測識別的應用領域,以及其在各個領域的具體應用情況。 安全監控 安全監控是目標檢測識別應用最廣泛的領域之一。在安全監控系統中,
    的頭像 發表于 07-17 09:34 ?1040次閱讀

    慧視小目標識別算法 解決目標檢測中的老大難問題

    隨著深度學習和人工智能技術的興起與技術成熟,一大批如FasterR-CNN、RetinaNet、YOLO等可以在工業界使用的目標檢測算法已逐步成熟并進入實際應用,大多數場景下的目標檢測
    的頭像 發表于 07-17 08:29 ?477次閱讀
    慧視小<b class='flag-5'>目標</b>識別<b class='flag-5'>算法</b>   解決<b class='flag-5'>目標</b><b class='flag-5'>檢測</b>中的老大難問題

    基于深度學習的小目標檢測

    在計算機視覺領域,目標檢測一直是研究的熱點和難點之一。特別是在小目標檢測方面,由于小目標在圖像中所占比例小、特征不明顯,使得
    的頭像 發表于 07-04 17:25 ?861次閱讀

    口罩佩戴檢測算法

    口罩佩戴檢測算法基于YOLOv5在圖像識別檢測領域的優異性能,本文研究基于基于YOLOv5的口罩佩自動戴檢測方法。首先從網絡和真實生活中中尋找并采集不同場景人群口罩佩戴的圖片約500張并自建數據集
    的頭像 發表于 07-01 20:20 ?316次閱讀
    口罩佩戴<b class='flag-5'>檢測算法</b>

    人員跌倒識別檢測算法

    人員跌倒識別檢測算法是基于視頻的檢測方法,通過對目標人體監測,當目標人體出現突然倒地行為時,自動監測并觸發報警。人員跌倒識別檢測算法基于計算
    的頭像 發表于 06-30 11:47 ?449次閱讀
    人員跌倒識別<b class='flag-5'>檢測算法</b>

    安全帽佩戴檢測算法

    安全帽佩戴監控是鐵路工程施工人員安全管理中的重點和難點,它對檢測算法的準確 率與檢測速度都有較高的要求。本文提出一種基于神經網絡架構搜索的安全帽佩戴檢測算法 NAS-YOLO。該神經網絡架構由上
    的頭像 發表于 06-26 22:22 ?396次閱讀
    安全帽佩戴<b class='flag-5'>檢測算法</b>

    運動控制算法有哪些

    運動控制算法是機器人學和自動化領域中的核心技術之一,它們負責規劃和執行機器人或自動化設備的精確運動。以下是一些常見的運動控制算法,以及它們的
    的頭像 發表于 06-13 09:17 ?2434次閱讀

    OpenVINO? C# API部署YOLOv9目標檢測和實例分割模型

    YOLOv9模型是YOLO系列實時目標檢測算法中的最新版本,代表著該系列在準確性、速度和效率方面的又一次重大飛躍。
    的頭像 發表于 04-03 17:35 ?857次閱讀
    OpenVINO? C# API部署YOLOv9<b class='flag-5'>目標</b><b class='flag-5'>檢測</b>和實例分割模型

    AI驅動的雷達目標檢測:前沿技術與實現策略

    傳統的雷達目標檢測方法,主要圍繞雷達回波信號的統計特性進行建模,進而在噪聲和雜波的背景下對目標存在與否進行判決,常用的典型算法如似然比檢測
    發表于 03-01 12:26 ?2778次閱讀
    AI驅動的雷達<b class='flag-5'>目標</b><b class='flag-5'>檢測</b>:前沿技術與實現策略

    基于深度學習的芯片缺陷檢測梳理分析

    雖然表面缺陷檢測技術已經不斷從學術研究走向成熟的工業應用,但是依然有一些需要解決的問題?;谝陨戏治隹梢园l現,由于芯片表面缺陷的獨特性質,通用目標檢測算法不適合直接應用于芯片表面缺陷檢測
    發表于 02-25 14:30 ?1487次閱讀
    基于深度學習的芯片缺陷<b class='flag-5'>檢測</b>梳理分析
    主站蜘蛛池模板: 亚洲国产成人精品无码区5566| 亚洲中文字幕欧美自拍一区| 亚洲人成人毛片无遮挡| 91精品欧美一区二区三区| 国产高清在线观看| 久久欧洲视频| 特级毛片AAAAAA| 777ZYZ玖玖资源站最稳定网址| 色网址在线观看| 在线 自拍 综合 亚洲 欧美| 超碰98人人插| 极品网红液液酱粉嫩福利照子凌酱 | 亚洲AV国产国产久青草| 5G在线观看免费年龄确认| 国产精品久久久久久52AVAV| 免费在线观看一区| 亚洲黄视频在线观看| 成年免费三级视频| 久久性色AV亚洲电影无码| 午夜在线视频国产极品片| hd性欧美俱乐部中文| 黄色毛片a| 色综合久久天天影视网| 97人妻久久久精品系列A片| 国内精品久久久久久西瓜色吧| 日本精油按摩| 2019久久这里只精品热在线观看 | 国产免费内射又粗又爽密桃视频| 女人高潮被爽到呻吟在线观看| 亚洲无人区码二码三码区别图| 钉钉女老师| 欧美日本高清动作片www网站| 一个色夫导航| 国产三级多多影院| 日韩精品卡1卡2三卡四卡乱码 | 5G在线观看免费年龄确认| 护士们的母狗| 偷窥 亚洲 色 国产 日韩| WRITEAS塞红酒瓶| 麻豆人妻无码性色AV| 一一本之道高清视频在线观看中文字幕|