基于混合高斯与边缘检测的目标检测算法研究,陈钟荣,夏利娜,混合高斯模型对光照和天气变化等较敏感,易产生阴影,而传统阴影去除算法涉及多个阈值设定,且阈值一般随视频不同而不同。针对此
传统的低秩稀疏分解方法使用[l1]范数把场景中的运动目标建模为稀疏离群值,分离出低秩的背景成分与稀疏的运动目标成分。然而,在许多实际场景中往往会有动态背景的情形(例如水面波纹、树木摇动),[l1]范数
运动目标检测是智能视频分析的第一步,Codebook算法是该领域中广泛应用的算法之一。分层匹配五元组Codebook算法是在经典Codebook算法基础上的一种改进算法。该改进算法在码字模型中引入平均
目标检测是计算机视觉中一个重要问题,在行人跟踪、车牌识别、无人驾驶等领域都具有重要的研究价值。近年来,随着深度学习对图像分类准确度的大幅度提高,基于深度学习的目标检测算法逐渐成为主流。梳理了目标检测算
运动阴影检测算法研究,郭利生,郭立,运动阴影常被误划为目标造成错误的目标分割和跟踪,所以阴影检测在许多图像监控系统中非常重要。本文研究了传统阴影检测算法,针
基于颜色直方图的粒子滤波目标跟踪(hsv通道),可处理短时遮挡
针对在线K-均值聚类法初始化混合高斯模型KGMM在运行时间、空间复杂度、噪声等方面存在的缺陷,提出了基于KGMM改进的检测方法,采用加入方差因子的C-均值聚类准则来初始化混合高斯模型,有效解决了可能出
通过计算相邻两帧之间对应行和列的相关系数,利用运动目标区域相关系数相对较小的特点,分割出运动目标区域,进而利用逐点匹配算法准确地检测出运动目标。考虑到计算相关系数的运算量大,为了提高检测效率,对相关系
针对目前常用的边缘检测方法对噪声比较敏感,测得的边缘比较粗糙等现象,在传统边缘检测方法的基础上提出了一种基于数据融合的边缘检测方法。该方法分别采用改进的LOG算子和离散小波变换对原始图像进行边缘检测,
针对传统的混合高斯模型在进行运动目标检测时存在拖影和性能差的缺点,提出了一种融合朗斯基函数和帧间差分法的混合高斯背景建模算法。该改进算法通过朗斯基矩阵行列式判断相邻像素间空间域相关性,以此增加模型参数