排序方式: 共有3条查询结果,搜索用时 15 毫秒
1
1.
2.
自组织背景差分算法存在实时性不高和背景模型在非周期变化的复杂背景环境下容易出现偏移的缺点.针对上述问题,文中提出带记忆存储的分级自组织背景差分算法.首先构建边界共享型的背景模型以降低时空复杂度,同时在矩阵模型的基础上引入缓存空间设计,分别存储当前背景和过往背景.然后,在检测目标阶段,设计不同粒度级别的判定机制确定像素是否为目标.实验表明,文中算法能克服原算法存在的不足,同时有效提升检测精确度和实时性. 相似文献
3.
传统的基于直方图分布的目标颜色模型, 由于跟踪过程的实时性要求其区间划分不宜过细, 因此易导致同一区间有差异的颜色难以区分; 此外, 还存在易受背景干扰的问题. 本文提出一种新的背景抑制目标颜色分布模型, 并在此基础上设计了一个合成式的目标跟踪算法. 新的颜色分布模型将一阶及二阶统计信息纳入模型, 并设计了基于人类视觉特性的权重计算方式, 能有效区分同一区间内的差异色且抑制背景颜色在模型中的比重; 算法基于该颜色模型构建目标的产生式模型, 并引入结合方向梯度直方图(Histogram of oriented gradient, HOG) 特征的相关滤波器对目标形状进行判别式建模, 同时将两个模型相互融合; 针对融合参数不易设计的难点, 分析并建立了一套定性原则, 用于判定模型各自的可信度并指导模型更新; 最终利用粒子群算法的搜索机制对候选目标的位置、尺度进行搜索, 其中适应值函数设计为两个跟踪器的融合结果. 实验结果表明, 本文算法在绝大多数情况下准确率较对比算法更优且能满足实时性要求. 相似文献
1