首页 | 本学科首页   官方微博 | 高级检索  
检索     
共有20条相似文献,以下是第1-20项 搜索用时 62 毫秒

1.  基于自适应混合高斯模型的时空背景建模  被引次数:9
   王永忠  梁彦  潘泉  程咏梅  赵春晖《自动化学报》,2009年第35卷第4期
   提出了一种基于自适应混合髙斯模型的时空背景建模方法, 有效地融合了像素在时空域上的分布信息, 改善了传统的混合髙斯背景建模方法对非平稳场景较为敏感的缺点. 首先利用混合髙斯模型学习每个像素在时间域上的分布, 构造了基于像素的时间域背景模型, 在此基础上, 通过非参数密度估计方法统计每个像素邻域内表示背景的髙斯成分在空间上的分布, 构造了基于像素的空间域背景模型; 在决策层融合了基于时空背景模型的背景减除结果. 为了提高本文时空背景建模的效率, 提出了一种新的混合高斯模型髙斯成分个数的自适应选择策略, 并利用积分图实现了空间域背景模型的快速计算. 通过在不同的场景下与多个背景建模方法比较, 实验结果验证了本文算法的有效性.    

2.  基于混合高斯模型和三帧差法的背景建模  被引次数:1
   李亚南  周勇《兵工自动化》,2015年第34卷第4期
   针对混合高斯模型存在的不足,提出一种改进的基于混合高斯模型的背景建模方法。为每一个背景像素建立多维混合高斯模型,融入三帧差分法实时判定背景区域和运动区域,为背景显露区中的像素点选择较大的更新频率,并通过实验进行验证分析。实验结果表明:该方法相比高斯背景建模具有更好的环境适应性和鲁棒性,能消除背景中的“鬼影”,适用于实时的目标检测和跟踪。    

3.  基于运动目标的快速背景建模算法  
   吴 边  卿粼波  王正勇  何小海《太赫兹科学与电子信息学报》,2013年第11卷第2期
   针对智能交通车流量检测系统,提出了一种适用于嵌入式系统的快速轻量背景建模方法.该方法先由帧差法过滤视频序列,抽取运动物体少的帧进行存储,再利用改进的高斯模型快速学习获得基础模型,并结合帧差和像素统计的方法对背景模型进行自适应更新,对传统混合高斯模型的缺陷进行了改善,在基于 TMS320DM648的图像处理客户端上表现出较好的实时性和天气适应性,以及更高的处理效能.    

4.  基于改进高斯混合模型的前景检测  被引次数:1
   冯华文  龚声蓉  刘纯平《计算机工程》,2011年第37卷第19期
   针对自适应混合高斯背景模型执行速度慢、检测前景时容易产生“鬼影”等问题,提出一种改进的混合高斯背景建模方法。该方法通过对高斯分布权值和生存时间的限制,建立高斯分布退出机制,使模型能根据场景自适应选择每个像素的高斯分布个数,从而去除多余高斯分布,加快算法执行速度。在模型更新过程中,通过融入帧间差分,将每帧图像分成运动像素、背景像素及非真实运动像素,并通过对非真实运动像素赋予较大学习率来加速移出背景的恢复,从而避免“鬼影”和拖影现象。实验结果表明,与传统检测方法相比,该方法可以获得更好的目标检测效果。    

5.  光照突变环境下运动目标检测方法研究  
   《计算机应用与软件》,2015年第9期
   针对在传统目标检测中,对于光照突变环境处理能力较低的问题,提出一种结合混合高斯背景建模和三帧差分法的方法。该方法在混合高斯背景建模的基础上,采用统计法,判断是否有光照变化,对待光照突变环境中的目标检测,采用三帧差分法。同时,将检测区域分为静态区域与动态区域,对静态区域实行隔帧检测,减少程序计算量。实验结果表明,该方法能够很好地对光照突变环境下的运动目标进行检测。    

6.  融合SCBP与改进混合高斯建模的运动物体检测方法  
   康杜《电脑与信息技术》,2018年第1期
   研究了视频监控中的目标检测要求.比较了几种目标检测的算法.参照高斯混合建模方法本文提出了一种新的基于像素点级别的建模方法,为减小数据量,主要对灰度图进行处理.在时间域上,和高斯混合建模类似,利用连续帧的特征按权重进行判断;而在空域上,则是利用像素领域的纹理直方图来进行判断,这样把时间和空间联合起来,更多的保留了视频的有用信息,各像素点不再彼此孤立,在时空上连续.并在此基础上,利用原有彩色图对像素点进行过滤,再次减小误检率.实验证明,该建模方法满足了背景小幅度动态变化,能准确提取出背景物体轮廓,并能准确检测出运动目标.    

7.  一种结合帧差法和混合高斯的运动检测算法  
   於正强  潘赟  宦若虹《计算机应用与软件》,2015年第4期
   为了克服传统相邻帧差法和混合高斯模型的不足,提出一种结合改进的相邻帧差法和混合高斯模型的运动检测方法。对于相邻帧差法,增加了梯度比较和中值滤波,突出了运动目标边界和抗噪声干扰能力。通过结合相邻帧差法和混合高斯模型的结果,把图像分为4种区域,对每个区域内的混合高斯模型参数采用不同的更新策略,减少了运动目标对背景模型的干扰,对于物体在运动与静止之间转换的情况也具有很好的适应性。根据区域的划分情况和相邻帧差法的结果确定最终的运动区域。实验表明,既缓解了相邻帧差法产生的空洞问题,也消除背景物体突然转为运动物体后产生的"影子"问题。    

8.  混合高斯模型与三帧差分法相结合的建模新算法  
   《Planning》,2016年第1期
   针对三帧差分法所存在的不足,提出一种改进的基于混合高斯模型与三帧差分相结合的建模方法。为每一个背景像素建立多维混合高斯模型,融入三帧差分法实时判定背景区域和运动区域,使之去除三帧差分带来的空洞现象,并且加入可跟随目标移动的外接矩形框,在其内生成高斯模型,从而减少因高斯模型的介入导致计算量过大的问题,节省运算时间,并且达到理想的除噪效果以及排除外界不必要的干扰等。通过实验进行验证分析,实验结果表明:该方法相比三帧差分法具有更好的除噪效果和减少更多的计算量,适用于实时的单目标检测。    

9.  基于改进混合高斯模型的运动物体检测研究  
   杨颖华  黄东军《计算机应用研究》,2017年第34卷第6期
   针对传统高斯建模的初始化问题、参数值的计算依赖于先前所有帧和零散噪点较多等问题,提出了一种改进混合高斯模型的方法,即在初始化每个像素点时采用邻域特性和中值滤波相结合的方法,用来获取更接近实际的初始背景。同时对背景模型的更新提出了改进方法,在原有的背景排序基础上增加“定时清零”策略,使新加入的像素点能快速匹配。最后对特定区域的学习速率进行重新设定,再结合像素点的空间分布特性,达到消除零散噪点和部分空洞的目的。实验结果表明,与传统的混合高斯模型相比,本文算法能准确的检测出运动物体,并对阴影和噪音有一定的抑制作用。    

10.  融合帧差和Vibe的运动目标检测算法  
   魏洪涛  李瑾《计算机应用研究》,2017年第34卷第5期
   Vibe算法是一种快速高效的背景建模算法,但该算法在运动目标检测过程中会产生鬼影。本文针对Vibe算法中鬼影消除缓慢的问题,结合多个场景的交通视频提出一种通过连续两帧前景背景像素时域变化来判断鬼影像素点并消除的方法,该方法加快了鬼影的消除速度。同时,对于视频拍摄场景中的背景噪声,采用了对前景图进行开闭操作去除小像素点以及对目标区域的空洞进行填充处理。实验表明,改进的Vibe算法能够加快鬼影的消除,并且与帧差法以及混合高斯建模算法相比,前景检测效果更精确。    

11.  集成多特征的GMM视频分割方法  
   汪小丰  刘志  潘翔《浙江工业大学学报》,2008年第36卷第1期
   视频分割是当前研究的热点问题.已有视频分割方法,只是考虑帧图像某点颜色特征,而没有考虑物体相邻像素相关性问题.提出了在基于GMM背景建模的基础上,同时引入像素点的邻域特征和像素点的色度和亮度特征对视频进行分割的方法.像素点的邻域特征能很好的解决因背景的微小变化而使分割效果较差的问题,色度和亮度特征很好的解决光照变化和阴影带来的问题.该方法先建立每个像素点的混合高斯模型,训练确定模型的相关参数,再结合像素点的领域特征,色度和亮度特征对视频进行分割.试验结果表明,该方法与其他方法相比在一定程度上改善了视频分割效果.    

12.  动态阈值的Vibe运动目标检测  
   《计算机工程与应用》,2017年第11期
   Vibe算法是一种高效的像素级背景建模算法,但是它同混合高斯模型一样,不能适应光线突变的问题,在对Vibe算法的基础上提出了一种在静态场景下对光照变化鲁棒的运动目标检测方法。该方法首先利用Vibe模型建立背景样本集,并利用Vibe模型对判别为背景的像素对背景帧进行更新。其次视频当前图像帧与背景帧差分,并采用Otsu算法计算图像的分割阈值来检测运动目标。实验结果表明,改进的方法能够很好地消除由于环境光照变化引起的"曝光"现象,提高了运动目标检测的精确度,并且改进的算法对室内场景下的阴影也有较好的抑制作用。    

13.  混合高斯模型背景法的一种改进算法  被引次数:5
   刘静  王玲《计算机工程与应用》,2010年第46卷第13期
   针对混合高斯模型背景法的不足,提出了一种将混合高斯模型背景法与三帧差分法相结合的运动目标检测算法。利用三帧法快速检测出变化区域,提高了算法的灵敏度;引入目标是否存在的判决阈值,减低了算法的运算量;对目标区域和背景区域进行不同的混合高斯背景模型的更新策略,提高了模型的收敛速度。实验结果表明,改进的方法与混合高斯模型背景法相比其处理速度快,效果更好,适用于实时视频监控系统。    

14.  采用随机样本进行运动目标检测的算法研究  
   刘红海  侯向华  郝秀兰  蒋建国《电子测量与仪器学报》,2013年第12期
   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。    

15.  基于时空的混合高斯背景建模的运动目标检测  
   郭晓《电视技术》,2013年第37卷第3期
   本文针对摄像机固定下的复杂背景环境,提出一种基于时空的自适应混合高斯背景建模方法,克服经典混合高斯模型(Gaussian Mixture Model,GMM)中只考虑单个像素的独立性而忽略相邻像素间的空间域相关性。首先采用混合高斯模型对每个像素在时间域上进行学习,然后利用相邻像素的自信息对背景及前景目标进行二次聚类,以修正错误的判断。实验结果表明,与经典混合高斯背景算法相比,本文提出的方法目标检测结果更加完整,具有更强的鲁棒性和很好的应用前景。    

16.  一种改进的混合高斯模型背景估计方法  被引次数:1
   蒋明  潘姣丽《微型机与应用》,2011年第30卷第11期
   传统混合高斯模型一般为每个像素分配固定的高斯分布个数,从而造成背景形成速度的减慢和系统资源的浪费;同时也存在着高斯模型背景建模中的缓慢或滞留运动物体造成目标误判现象的问题(即空洞问题)。为此,提出了一种有效的两阶段视频图像处理方法。该方法在第一阶段根据像素点的优先级大小自动地调节高斯分布的数目,在第二阶段首先对像素点进行所属区域的划分,进而对目标区域和非目标区域采取不同的更新手段。实验表明,采用两阶段视频图像处理方法明显地改善了背景建模的速度,有效解决了提取目标出现的空洞问题。    

17.  一种改进W4算法的运动目标检测研究  
   董凌凌  王玉德  张喆  马晨《激光杂志》,2014年第12期
   针对经典W4背景建模算法只能克服光照强度的微小变化以及背景的轻微运动等问题,提出了一种新的运动目标检测算法。首先,利用均值法进行背景初始化选出静止像素集合,消除背景中运动目标的干扰;其次,给定背景初始帧,用经典W4算法计算出每个像素点的最小灰度值、最大灰度值以及最大帧间差分值;然后,对每个像素点提取的最小灰度值和最大灰度值进行线性加权,并且与均值法得到的初始背景相结合建立稳定的背景模型,克服了移动、阴影、光照突变等影响;最后,比较当前帧与背景模型从而检测出准确的运动目标。实验证明,与其它均值法、经典W4算法以及混合高斯背景建模方法相比较,改进方法不仅耗时短而且取得了较为理想的检测效果。    

18.  基于先验概率模型的自适应背景图像分割算法  
   陈伟  唐红光《计算机工程与应用》,2009年第45卷第10期
   在利用背景消减的视频图像分割过程中,背景模型假定为高斯模型下判断像素点是否为背景点一般采用规则。当模型中方差参数的值较大时,与背景相近的前景被误分割为背景的误差就较大。针对这一问题,提出了一种基于先验概率模型与距离因子对背景进行分割的算法,该算法判定当前帧像素点为背景的概率由其先验概率及该像素点在上一帧分割结果中与前景点的距离决定。实验结果表明,与判定规则相比,该方法在背景变化范围较大的情况下,可以减少前景点被误分割为背景点的误差。    

19.  Markov随机游走和高斯混合模型相结合的运动目标检测算法  
   李菊  ;李克清  ;苏勇刚《电子测量与仪器学报》,2014年第5期
   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。    

20.  基于改进的背景差分的运动目标实时检测算法  
   徐蔚鸿  严金果《计算机工程与科学》,2014年第36卷第7期
   针对传统混合高斯建模算法计算量过大与目标轮廓清晰度小的问题,提出了一种新的运动目标实时检测算法。该算法引入三帧差分的方法,提高了检测目标轮廓的清晰度;通过HSI混合高斯建模前进行分块处理有效减小了计算量,因此算法的实时性有了明显的改善;并利用逻辑运算融合三帧差分与HSI混合高斯模型进行高效的背景提取;最后运用数学形态学方法进一步优化检测结果。实验结果表明,相比混合高斯模型经典算法,该算法能更快速、更准确地检测出智能监控视频序列中的运动目标,并且目标轮廓清晰度也有明显的改善。    

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号