将动态背景生成技术应用于运动车辆的检测与跟踪,构建了一个运动车辆跟踪算法。在引入特征匹配值矩阵的基础上,设计了一种简单实用的目标跟踪状态判决逻辑。实验结果表明,该算法能够完成对多个运动目标的跟踪,而且
为了解决复杂场景下传统的运动目标检测问题, 利用证据推理—–谨慎有序加权平均方法(COWA-ER), 提出一种综合使用混合高斯、均值滤波和码本的多方法融合的检测方法. 该融合检测算法以上述3 种检测方
针对多目标跟踪过程中存在的遮挡问题,提出了一种固定摄像机场景下的多目标实时跟踪算法。提出基于鬼影判别与背景模型选择更新的背景差法检测运动目标,建立一种融合色度与边缘特征的目标模型.通过定义稳定跟踪队列
摘要:为了克服光流法计算量大和亮度不连续性引起的运动估计误差,提出一种基于改进帧差法和改进光流法相结合的快速运动目标检测算法。通过改进帧差法,精确获取运动目标区域。利用改进的光流法,在光亮度不连续的情
基于高斯混合模型的快速地运动目标检测算法
虽然基于深度学习的目标检测器具有较高的检测精度,但是大多数检测器的检测速度不能满足实时性要求.此外,目前主流的实时检测算法如SSD(single shot multibox detector)和YOL
主要研究了对车牌图像进行压缩的方法。根据车牌的特点,先对其进行基于目标域方法的分块,随后采用小波变换和BP神经网络的混合方法对图像进行压缩。结果表明了该方法的高效性。
提出了一种基于目标区域的融合方法。将原图像分为目标区域和背景区域,在利用à trous小波算法分解图像的基础上,分别对目标区域、背景区域以及两区域间的边界部分进行不同的融合处理得到融合后小波系数,最后
提出了一种时空联合的视频运动目标提取与跟踪新算法。在空域分割中,针对分水岭方法过分割现象明显的缺点,对分水岭分割方法进行了改进；在时域分割中,首先对全局运动进行了补偿,随后为消除仅用两帧帧差进行对象分
SURF算法具有尺度不变性、旋转不变性和较好的鲁棒性但是不具备实时性,ORB算法良好的实时性却不具备尺度不变性,结合两种算法的优缺点提出了基于ORB和SURF的特征匹配算法(简称S-ORB)。第一步改
