Markov随机游走和高斯混合模型相结合的运动目标检测算法

针对高斯混合算法对每一像素与它前后帧的像素相关联,并未考虑与相邻像素之间的关联,无法准确地捕捉到运动物体轮廓的情况,提出一种基于混合高斯模型和Markov随机游走的运动目标检测算法。利用混合高斯模型计算像素之间的颜色信息,采用Markov随机游走提取图像的边缘信息,并与提取的运动初始目标进行与计算,同时利用高斯混合模型更新背景信息。结果表明,本方法比传统的混合高斯方法具有较高的分割精度,很好的解决了混合高斯算法边缘模糊的问题,探测率也大大的提高了。     

采用随机样本进行运动目标检测的算法研究

针对目标检测中由于背景光线突变等复杂条件所造成的背景无法实时更新等缺陷,提出了一种基于随机样本的目标检测方法。背景的建立依赖一幅图像中的每个像素点的历史采样值或其邻域采样值,初始化采用像素点的八邻域值来实现。背景的更新采用像素级更新和帧级更新相结合的算法。在正常情况下,采用像素级更新;在复杂条件下,采用帧级更新,且对复杂条件进行了较好的阈值认定。该算法改进了背景建模依赖一段时间内相邻帧的统计值,实现了在单帧进行背景建模,实验结果证明,跟混合高斯模型相比,具有较强的抗噪性和较快的响应速度。     

基于着陆器平台的一种运动目标检测算法

针对基于传统混合高斯模型算法对光照突变敏感,以及运动物体速度缓慢时产生的“重影”现象,根据深海自主观测的应用需求提出了一种三帧差法结合动态自适应学习率的改进混合高斯模型算法。利用三帧差法快速定位出视频帧的背景、前景及干扰区,对不同区域给予不同的学习率和更新策略,减小了运算量和提高了算法的收敛速率。实验结果表明,该算法能有效地处理深海环境中海流扰动、浮游物干扰以及光线突变带来的影响,具有良好的实时性和鲁棒性,在深渊着陆器的实际工程应用中能够准确地检测出运动目标。     

基于数学形态学的运动目标检测算法

帧差法和背景差法都是重要的运动目标检测方法,帧差法不能完全提取出目标的所有相关点,而背景差法又受环境光照的影响。针对传统运动目标检测算法的不足,提出一种基于数学形态学的帧差法与背景差法相结合的运动目标检测算法。先将帧差法得到的图像经过数学形态学处理,再将其与背景差法得到的图像相结合。实验表明,该算法能适应复杂变化的环境,准确地提取运动目标,对复杂干扰场景下的实时运动目标检测得到了较为满意的效果。     

基于像素概率模型的背景分割算法

背景分割的目的是提取出图像中感兴趣的前景区域,本文提出了一种基于像素概率模型的背景分割算法,该算法利用高斯混合模型描述每一被观察像素的近期色彩历史,根据分类原则确定当前帧中每一像素的类别,利用在线EM算法更新模型参数。实验结果表明,本文提出的算法可以鲁棒地分割出动态场景中的前景和背景。     

基于多维高斯混合模型的电力系统不确定性建模方法EI北大核心CSCD

在基于多维高斯混合模型的电力系统多变量概率建模中,针对期望最大化算法参数估计精度较低的问题,该文引入非参数核密度估计和密度保留的分层期望最大化算法,提出一种基于高斯成分数约简的建模方法。以非参数核密度估计结果作为基高斯混合模型,采用密度保留的分层期望最大化算法约简高斯成分数,能够建立任意高斯成分数的高斯混合模型,克服了期望最大化算法在高斯成分数较多时参数估计精度低的问题。为降低大样本下的建模计算负担,提出按时间尺度分层的建模方法。为解决相互独立的多个随机变量出现高斯成分数组合爆炸的问题,提出“组合–约简”分层建模方法。采用具有复杂分布特性的实测多维风速数据和负荷数据对所提方法作了测试,结果表明,所提方法的精度显著优于基于期望最大化算法的高斯混合模型和Copula函数法。     

基于非参数贝叶斯谐波阻抗估计的谐波责任区分

线性回归法在背景谐波电压波动的情况下估计谐波阻抗有较大误差,其诸多改进方法又普遍具有局限性。为此,基于非参数贝叶斯估计提出一种普适性方法。将背景谐波电压视为隐变量,用GMM(高斯混合模型)建模,并指出GMM的参数在实际工程背景下的意义;将GMM参数、线性模型参数建模为狄利克雷过程混合模型,并推导出其后验分布;利用马尔科夫链-蒙特卡洛采样方法从后验分布中抽取样本,基于样本进行贝叶斯估计,求解谐波阻抗和背景谐波电压工况数,进而对谐波责任进行评估。将IEEE 14节点测试系统与实测案例结合进行仿真,通过非参数贝叶斯估计法与线性回归法仿真结果的对比,验证了非参数贝叶斯估计法的有效性。     

电力监控系统中运动目标检测算法研究

针对传统运动目标检测算法在实际应用场景中适应性较差、检测效果不太理想的问题,提出了一种融合三帧差分法与背景减除法的改进算法。首先,在三帧差分法的基础上,引入Canny边缘检测对其进行改进,以获取运动目标的完整轮廓;然后将目标轮廓和基于混合高斯模型的背景减除法提取的中间帧的运动前景相或,经过孔洞填充等一系列形态学处理,最终实现运动目标检测。仿真实验结果表明,改进的算法能够适应复杂的环境,将电力监控系统中的运动目标完整、准确地提取出来。     

基于改进K-均值聚类算法的背景建模方法

针对背景差法易受外界环境因素影响的缺点,提出了一种基于改进K-均值聚类的背景建模方法。通过比较任意样本与该像素位置处的子类中心之间的距离,对各个像素的观察值进行聚类,并在聚类过程中逐步确定其类别数。一段时间的学习之后,样本数最多的子类就构成了背景模型。仿真结果表明,该算法即使在运动目标存在的情况下也能准确的提取出实际的背景,而且显著地降低了系统的存储量。     

基于边缘处理的运动目标检测方法的改进

对于目标检测算法,本文分析了传统检测方法的特色与不足之处,并以边缘处理为基础,结合帧差法和背景减除法的思想对传统方法做了改进。首先以预先构造的背景边缘模型为基础,用当前帧与之做差获得边缘背景差值图像。其次用改进的帧差法取得部分目标,两者相与,取公共部分。再结合亮度与颜色偏差作为判据得到完整的、准确的运动目标轮廓,最后用模版填充法得到运动目标,通过形态学滤波与连通性分析法修复完善得到完整运动目标。     

基于像素值聚类的运动目标检测方法

提出了一种基于像素值聚类的运动目标检测方法。在RGB空间进行背景提取,将一幅图像中的每个像素点在时间轴上进行聚类,提取背景模板;之后采用当前图像与背景模板进行比较,从而检测出运动目标,并同时进行背景模板的更新。在此过程中采用了模板替换机制以节约存储空间;在背景建模部分加入结束判定部分,以自适应的建立背景模板。相比于经典的混合高斯（GMM）和codebook方法,该算法的运行时间至少缩短了1／4,提高了检测速度。实验结果表明,该算法能够在不同条件下快速准确的检测运动目标。     

高斯建模和卷积神经网络联合的红外视频行人检测方法

针对传统红外视频中存在行人互相遮挡导致无法提取前景目标、检测率较低等问题,提出了高斯背景建模和卷积神经网络联合的红外视频行人检测方法。首先,对于连续序列红外图像,通过混合高斯模型提取前景目标;然后,对于行人互相遮挡的前景目标,以亮度曲线图中的谷底为分割点,通过方向投影分离出单行人目标区域;最后,将确定的感兴趣区域输入训练好的LeNet-7系统。3个不同测试集的检测实验表明,该方法具有良好的检测效果,与传统方法相比,该算法的检测率达到99%以上,虚警率低至0%。     

多模态背景下快速运动目标检测的研究

为了使运动目标检测算法能够适应场景复杂的情况,可采用高斯混合模型进行建模的方法,本文在此基础上提出了一种新的快速检测算法.该算法基于像素时域和空域相关性,利用这一性质可以减少高斯混合模型的个数,从而提高算法运行速度,经验证发现算法的精确度没有大的降低;同时给出了一种卡尔曼预测的更新算法,这既保证了稳定性又能快速建立背景模型.实验结果表明,该算法在不降低原来算法精确度的基础上,有效地提高了算法的速度.     

基于脉冲神经网络伪量测建模的配电网三相状态估计

为了给配电网管理系统提供全面准确的实时数据,配电网三相状态估计显得尤为重要。针对当前配电网量测信息不足,提出了基于脉冲神经网络(SNN)伪量测建模的配电网三相状态估计。该方法首先将实时和部分历史支路功率量测输入SNN进行伪量测建模,然后由高斯混合模型生成相应的量测误差,最后进行基于加权最小二乘法的配电网三相状态估计。理论分析和算例验证表明,所提模型不仅能够在正常通信时有效提高配电网状态估计精度,而且能在通信故障时保证估计精度在合理范围内,进而为配电网的运行控制提供参考依据。     

基于高斯混合模型的运动目标检测方法研究

在研究比较常用的各种运动目标检测方法的基础之上,结合静止场景运动目标检测的特点,采用基于背景减除法的高斯混合模型方法进行运动目标检测,即采用高斯混合模型进行背景建模、背景减除法确定目标前景区域,并通过图像平滑、二值化处理、去噪等方法对图像进行后处理,最终得到目标前景图像.该方法具有运算量小、处理速度较快的特点.实验结果表明,所设计的嵌入式运动目标检测系统能够检测出较完整的前景区域并判断出目标前景,能够满足静止场景下运动目标检测的需求.     

多源信息融合的航空发动机异常检测方法研究

针对航空发动机中单参数表征性能不全面,且易受外部环境和飞行工况等因素影响的问题,提出一种基于谱回归和高斯混合模型的多源信息融合的健康因子构建方法。选取记录完整并与发动机健康性能关系密切的参数,以同架飞机左右发动机的性能参数差异值作为数据源,通过谱回归进行特征降维,采用高斯混合模型构建正常状态模型,再以基于贝叶斯推断的距离表征测试数据与高斯混合模型的全局距离判别发动机的异常状态。通过两个航空发动机异常事件案例中真实QAR数据进行验证,结果表明所提方法相较于航空公司能够更有效评估航空发动机的健康状态,提前识别出发动机的异常点,预留出足够的时间为发动机制定可靠的维修计划,提高飞机的安全性与经济性。     

Single trial estimation of event-related potential components using spatiotemporal filtering and artificial bee colony optimized Gaussian kernel mixture model

Single trial estimation of event-related potential (ERP) components is an open research topic in neuroscience. In this article, we have proposed a method to improve the performance of spatiotemporal filtering by decreasing its dependency to prior estimates of ERP components. For this purpose, we have used a mixture of Gaussian kernels instead of a raw prior signal, and the parameters of the Gaussian kernel are estimated using artificial bee colony algorithm. The algorithm starts with one Gaussian kernel, and after optimizing its parameters, another Gaussian kernel is added. This procedure goes on until the stopping criterion is reached. The efficiency of the algorithm is tested for one single uncorrelated component and two correlated components for synthesized electroencephalogram (EEG) signal. Also, the efficiency of the proposed method is presented on real data for extraction of N170 component in real EEG data.     

考虑多风电场功率相关性的概率潮流联合分布计算

随着大规模风电接入电网,风电的随机性为电网运行带来了更多的不确定因素,严重威胁系统的静态安全。提出一种考虑多风电场功率相关性的概率潮流联合分布计算方法,可用于评估多个风电场风电出力对系统静态安全的影响。首先采用高斯混合模型来准确描述多个风电场功率的联合概率分布,然后利用高斯混合模型的优良性质,依据系统状态量与风功率之间的近似线性关系,进而获得系统状态量的联合概率分布。将该方法应用于宁夏电网的静态安全概率评估,经过与蒙特卡罗仿真法比较,结果表明,该方法准确度更高,计算速度更快。