排序方式: 共有6条查询结果,搜索用时 156 毫秒
1
1.
2.
3.
基于传统Kalman滤波器理论的背景建模方法,不能很好地解决目标缓慢运动导致背景模型出现拖影的问题。针对该问题,提出了一种结合Kalman滤波器理论与动态区域重构的自适应背景建模改进算法,介绍了Kalman滤波器理论主要思想和改进算法的方法流程与效果。与传统的Kalman背景建模相比,该方法在增加少量计算复杂度的前提下,较好地解决了目标缓慢运动导致背景模型出现拖影的问题,同时也能较好地消除背景噪声。通过对图像序列的仿真实验证明:该方法具有很好的实用性与鲁棒性。 相似文献
4.
针对图像序列分析中事件检测在强背景噪声的野外应用场景下经常出现"假事件"检测的问题,利用Kalman滤波器与二维DCT滤波思想,提出了基于图像序列时频降噪的事件检测方法。该方法基于Kalman滤波器对图像序列进行背景模型的时域多帧降噪,并结合变化前景区域实现背景模型的自适应重构,对单帧前景图像应用二维DCT变换实现低通降噪,最后由自适应分割方法实现事件前景的分割。通过对实际采集的野外图像序列的仿真分析表明,该方法较好地克服了"假事件"检测的问题,并更好地保持了真实事件信息,其F-measure达0.9423,具有很好的实用性与鲁棒性。 相似文献
5.
视频监控针对的场景是安静的场景,但是具有随机的扰动,如树木摇动、杂物抖动等;针对这种场景,提出了对基于混合高斯模型的运动目标检测算法的改进方法,在混合高斯模型检测到运动目标的初步结果基础上,采用锐化处理、平滑处理、二值化处理等手段,保留图像固有特征,滤除随机抖动;对处理后的图像运用背景帧差法,弥补混合高斯模型的不足,最终检测到准确的运动目标;实验结果表明,该方法能从具有随机扰动的视频流中准确的检测到运动目标。 相似文献
6.
为了提高无线传感器网络信息融合的效率, 提出一种多传感器二维特征融合(2DFF)策略. 将多个传感器标准化后的特征集组合成二维特征矩阵, 引入图像压缩技术, 包括二维主成分分析(2DPCA)及MatPCA对特征矩阵进行特征提取, 实现特征融合. 从理论上剖析该方法之所以能够有效地适用于特征融合, 且区别于传统方法的内在本质. 相比传统的特征融合方法, 该方法能够获得更加精确的融合特征, 提高信息融合的效率. 基于实地采集的地面目标信号的实验结果表明,该方法既提高目标识别率, 又降低了计算复杂度. 相似文献
1