搜索结果: 1-15 共查到“计算机科学技术 运动目标检测”相关记录36条 . 查询时间(0.151 秒)
经典的鲁棒主成分分析(Robust Principal Component Analysis,RPCA)目标检测算法使用l1范数逐一判别每一像素点是否属于运动目标,未能考虑到运动目标在空间分布的连续性,不利于提升运动目标检测的鲁棒性.本文提出了一种基于l0群稀疏RPCA模型的运动目标检测方法.首先运用Ncuts算法进行区域过分割,生成多个同性区域,将其作为群稀疏约束的分组信息;第二步构造基于l0群...
复杂背景下的运动目标检测一直是计算机视觉领域中一个具有挑战性的问题，本文提出一种基于多层背景模型的运动目标检测算法.该算法首先从视频序列的第一帧中提取每个像素的邻域样本，用于初始化背景模型，只需一帧图像即可完成背景模型的初始化；其次，为实现背景模型的自适应更新，引入随机采样技术，随机选取一个不匹配的码字，采用新的背景像素取而代之，避免错误分类的码字长时间驻留在背景模型中；为处理动态场景中多种干扰因...
基于稀疏表达残差的自然场景运动目标检测
背景建模 残差 运动目标检测 稀疏表达
2017/1/5
本文提出一种基于稀疏表达残差的非参数化运动目标检测算法,在假设前景变化相对静态背景可以视为稀疏残差的基础上,采用视频前n帧初始化稀疏表达字典;利用字典对后续视频帧进行重构,提取每帧的重构残差;结合基于光照强度的全局阈值矩阵,将残差图像二值化,提取图像前景;利用前景区域和边缘点关系剔除ghost区域;采用增量PCA(Principal Component Analysis)算法和保守更新的思想对背景...
针对传统的混合高斯模型存在无法完整检测运动目标、易将背景显露区检测为前景等问题，提出了一种基于混合高斯模型的运动目标检测的改进算法。通过将混合高斯模型与改进帧差法进行融合，快速区分出背景显露区和运动目标区，从而提取出完整的运动目标。在运动目标由静止缓慢转为运动的情况下，为背景显露区给予较大背景更新速率，消除了背景显露区对运动目标检测的影响。在兼顾混合高斯模型在复杂场景中对噪声处理效果差的基础上，利...
静态背景下运动目标检测的抗噪性能较差。为此，提出一种改进的运动目标检测算法。对原始图像进行预处理，将五帧差分和背景差分相结合，利用基于自适应背景模型的动态阈值，提取图像中的运动区域，并进行形态学滤波和连通性检测，最终获取运动前景目标。实验结果表明，该算法能完整提取运动目标，背景适应性强，实时性好。
基于改进高斯混合模型的运动目标检测方法
高斯混合模型 背景图像差分 背景更新 光照变化
2012/3/6
传统高斯混合模型(GMM)对于光照突变十分敏感，且收敛速度较慢。为此，提出一种基于改进GMM的运动目标检测方法。利用不匹配像素消除光照影响，使用改进的GMM提取背景图像。通过差分当前帧与背景图像获得二值差分图像，从该差分图像中获取运动目标。实验结果表明，该方法能适应光照变化，提高检测的准确性和鲁棒性。
基于空时显著性感知的运动目标检测方法
空间显著图 运动显著图 空时显著图 运动目标检测
2010/8/24
从视觉系统生理结构出发，对Itti视觉注意力模型进行了改进，融入运动特征，提出了一种基于视觉空时显著性感知的运动目标检测方法。首先提取图像的空间特征，形成空间显著图；然后利用相邻帧图像的全局运动、局部运动和相对运动，确定运动目标与背景的运动差异，形成运动显著图，并且对各显著区的空间特征和运动特征进行融合形成空时显著图，检测出运动目标。理论分析和实验结果表明，该方法能快速、准确地发现目标，减少目标的...
抗干扰的运动目标检测算法
运动目标检测 背景差分 帧间差分
2010/2/20
针对实时场景中运动目标检测的问题，提出一种改进算法。结合背景差分与帧间差分判定图像是否存在运动目标的过程中，引入形态腐蚀算子抑制大量孤立小噪声，采用基于矩形块的目标判定方法提高检测准确度，通过实时背景更新提高自适应性。实验结果表明改进算法可靠性高、抗干扰性强、背景适应性强。
一种解决波动式干扰影响的序列图像运动目标检测方法
运动目标检测 波动式干扰 视频窗口
2010/2/20
为解决复杂环境下的诸如枝叶摇摆、摄像机抖动等波动式干扰对运动目标检测的影响问题，该文提出基于视频窗口切分与分类的序列图像运动目标检测算法。首先将序列图像切分为r×c大小的视频窗口，然后提取窗口内区域图像累积帧间差矩阵的简单统计特征，针对每一帧序列图像，将视频窗口进行分类，把它们划分为运动目标窗口和非运动目标窗口(包括静止背景窗口和波动式干扰窗口)，最后将运动目标窗口合并为运动目标。该方法的优点是无...
一种快速的运动目标检测算法
运动目标检测 高斯混合模型 方差
2009/12/10
将运动目标检测的改进方式分为三类。针对固定摄像机的视觉监控系统，提出了一种改进的高斯混合模型算法。通过对方差在高斯混合模型中的作用进行分析，省略方差更新，将方差设为固定值，均值学习率采用固定值。实验结果表明，同传统检测方法相比，改进的算法具有更好的实时性与可靠性。
一种实用的运动目标检测和跟踪算法
运动目标检测和跟踪 混合高斯背景建模 空间距离
2009/11/3
为使智能视频监控系统在监控时不仅具有较高的准确率，同时也保证系统的实时性，设计并实现了一种实用的在摄像机静止条件下运动目标检测和跟踪算法。首先对采集到的视频图像进行预处理，为算法提供最佳的图像数据，然后用混合高斯背景建模方法实现前景/背景分割，用形态学操作提取前景目标，最后用基于空间距离的方法实现目标跟踪。算法应用到实验系统，实验表明，系统在保证实时性的同时，能够正确检测和跟踪监控场景中的运动目标...
基于混合高斯模型的运动目标检测方法
运动目标检测 混合高斯模型 光照变化
2009/10/12
研究了序列图像中的运动目标检测问题。传统的目标检测方法无法克服背景图像变化、场景光线突变、目标物阴影干扰等问题。采用混合高斯分布对背景进行建模，引入亮度信息进行前序处理，并在此基础上使用颜色模型对残留阴影进行移除，因此能够快速准确地检测出运动目标。通过相关仿真实验，证明了该方法具有可靠性和实时性。
基于单高斯背景模型运动目标检测方法的改进
运动目标检测 单高斯背景模型 阴影去除
2009/9/30
针对背景减除法应用于运动目标检测中的背景模型更新和阴影消除问题，提出了一种改进的单高斯背景模型估计算法和快速的阴影消除方法。实验结果表明，算法在有效去除阴影的同时能够较好地提取运动目标，为后续的人体识别、行为分析等工作奠定了良好的基础。
基于图像块差分和Mean Shift算法的运动目标检测
视频监控 运动分割 图像块差分
2009/9/18
运动目标检测是计算机视觉中的一个重要研究内容，现有算法中的一个重要问题是噪声对分割结果的影响。提出了一种时空域信息相结合的运动目标检测算法：首先利用图像块的重心位置在时间域上差分结果初始化目标轮廓，图像块差分的方法可以消除噪声的影响及减少目标内部的空洞；然后采用Mean Shift算法对初始轮廓进行迭代，使其逐步贴近真实的目标边缘。实验表明该算法能快速准确地分割出序列图像中的运动目标。