共查询到20条相似文献,搜索用时 187 毫秒
1.
针对帧间差分法容易产生的空洞效应,本文提出一种基于改进帧间差分的运动目标检测算法。首先利用原始帧差分提取潜在的运动目标区域,继而提取的区域内进行vibe(visual background extractor)算法的前景匹配,再次提取运动目标,以弥补空洞现象,实验结果表明本文算法能完整的提取运动目标。 相似文献
2.
基于改进的三帧差分法运动目标检测 总被引:1,自引:1,他引:1
为了提高运动目标检测的准确性和效率,提出了基于改进的三帧差分法检测运动目标的算法.该算法对传统的三帧差分法进行了改进,结合了单高斯模型背景提取、背景自适应更新和自适应阈值提取的方法,从而解决了传统三帧差分法中可能出现的无法检测出完整的运动目标的问题.背景的自适应更新和自适应阈值的提取减少了光线亮度变换以及噪声对运动目标检测带来的影响.实验表明,该算法与传统的三帧差分法相比可以更加完整地检测出运动目标,并且可以有效地避免出现“漏检”等情况,提高了运动目标检测的效率和准确性. 相似文献
3.
针对固定摄像机条件下的视频监控问题,提出了一种基于背景相减法和混合差分法相结合的运动目标检测算法。该方法对彩色图像建立混合高斯模型,对背景模型进行实时更新;并对帧间差分法进行了改进,提出混合差分的思想。通过背景相减法和混合差分法的结合,采用形态学滤波的方法去除噪声点,检测到确切的运动目标。实验结果证明,文中提出的算法能准确地建立背景模型,既完整地提取运动目标,又适应复杂环境的变化,提高了运动目标检测的精确度和速度。 相似文献
4.
5.
6.
7.
针对帧差法和背景差分法检测运动目标准确率低,自适应能力弱等缺陷,提出了一种改进五帧差分法与背景差分法和模板匹配相结合的运动目标检测和识别算法;通过改进的五帧差分和背景差分法融合的算法从视频图像序列中检测出运动目标;利用形态学方法去除噪声,改善运动目标提取效果;在Harris算法提取图像匹配特征值的基础上角点配准,提高图像识别的准确率,通过提取目标特征与自适应模板图像进行特征匹配的方法实现了目标检测识别和跟踪。仿真结果和实验表明该方法有噪声和部分遮挡的运动目标有良好的检测识别效果,识别率达到了95%。 相似文献
8.
针对地铁站特定场合下,人体异常行为识别无法有效利用帧间运动时间维度信息,导致人体异常行为识别准确率不高的问题,提出一种深层次残差长短期双流网络结构。将RGB帧和连续光流帧作为双流网络的输入,分别利用ResNet34提取低层特征信息,空间流网络提取运动外观特征信息,时间流网络提取光流运动信息,然后将特征信息输入长短期记忆(LSTM)网络,有效学习空间外观和光流运动的帧间关联时间信息,并且通过多种加权融合策略加强模型识别效果。最后在地铁站异常行为数据集上验证提出的网络结构,并与原双流网络进行对比,改进后的网络识别准确率提高了4.7%,融合后的模型准确率提高了12.9%。实验结果表明,所提方法能够充分利用时间维度信息,可有效提高异常行为识别准确率,在昏暗环境下仍有较好的识别效果。 相似文献
9.
基于改进光流算法的运动目标检测技术研究 总被引:1,自引:0,他引:1
常用的运动目标检测算法有背景减除法、帧间差分法和光流法,针对背景减除法的背景模型需要实时更新,帧间差分法检测到的目标不完整,本文提出将Lucas-Kanade光流法与最大类间方差的图像分割法相结合的算法,即首先对连续两帧图像进行Lucas-Kanade光流计算,再对其进行最大类间方差图像分割,将光流不连续的区域视为运动目标,光流连续的区域视为背景,最后进行形态学处理,完成运动目标的检测过程.通过Matlab实验仿真,验证了本文所提算法能提取更完整的运动目标,检测效果较好. 相似文献
10.
针对传统的三帧差分法运动目标检测算法容易出现"空洞"现象,进而导致检测物体不完整的问题,提出一种改进的三帧差分法算法检测运动目标.改进算法先对连续的三帧图像进行预处理得到灰度图像,进而对其两两差分,获得两幅差分图像;利用阈值分割得到二值图像,经形态学的膨胀处理得到新的二值图像,通过逻辑与运算后,最后通过形态学操作的腐蚀... 相似文献
11.
传统的步态识别方法在处理自遮挡步态识别问题时,通常由于从视频序列中分割出来的轮廓有噪声而不能很好地进行特征提取。为了解决这个问题,提出了基于帧差能量图(Frame Difference Energy Image,FDEI)的遗传算法(Genetic Algorithm,GA),首先采用数学形态学图像处理方法填平轮廓的漏洞并消除噪声,然后借助于步态能量图计算出步态图像的帧差能量图,接着从轮廓图像序列中提取出步态特征,最后,利用遗传算法完成步态的识别。在中科院自动化所-B(CASIA-B)步态数据库上实验验证了所提方法的有效性,实验结果表明,与几种先进的步态方法相比,所提方法在处理自遮挡步态识别问题上取得了更好的识别效果。 相似文献
12.
利用曲率滤波-经验模式分解预处理检测并提取人体目标特征,以降低图像分解运算复杂度,同步增强边缘和纹理特征,提高特征区分性。表现在:(1)在第一层经验模态分解中,以曲率滤波曲面映射原图像的连续平滑曲面,形成包络曲面及均值面,首层分解图像纹理特征显著,以下各层凸显边缘与结构特征;(2)从低分辨率到高分辨率尺度图像匹配出相邻层强边缘区域,易于人体目标轮廓候选区域的提取;(3)以首层分解图纹理特征筛分背景,在相邻层中匹配前景特征区域,形成人体姿态特征的轨迹图,易于判别人体姿态及行为。在人体行为识别实验中,采用曲率滤波-经验模式分解预处理提取的轮廓特征与人体行为典型数据库ground truth对比,在UIUC示例数据的轮廓提取的精度和召回率都达到90%以上。对人体姿态及行为做识别处理,验证了预处理方法的有效性。 相似文献
13.
针对离散余弦变换(DCT)只能提取面部表情图像的全局特征,而忽略了临近像素之间的关系、不能提取纹理特征信息、不能准确区分相似表情等问题,提出一种融合离散余弦变换方法和局部二值模式(LBP)特征的表情特征提取方法。该方法首先将人脸图像经过DCT获得的低频系数作为表情的全局特征;然后用LBP对贡献率较大的嘴部、眼睛区域进行局部纹理特征提取,通过将LBP提取到的局部纹理特征与DCT提取到的全局特征进行融合,从而得到更有效的表情特征;最后利用支持向量机(SVM)进行识别。实验结果表明:该方法比单独使用DCT方法提取的表情特征更有利于识别,提高了表情识别的准确性,并将这个表情识别方法用于智能轮椅的控制上,收到了良好的效果。 相似文献
14.
15.
提出一种目标检测算法,首先选取视频的第一帧作为背景帧,运用加权累加图像方法更新背景图像,背景图像的更新速率通过相邻帧的差分结果决定,再运用背景差分算法提取出运动目标。计算运动目标的区域的熵值,通过熵值判断出特征目标。实验结果表明,该算法简单,稳定性好,能够较好解决动态背景的问题并且检测出特定目标。 相似文献
16.
针对复杂背景下,依靠高超声速飞行器搭载的红外探测器对高动态空中目标的可靠探测和精确识别问题,提出了一种基于深度空时域特征融合的空中多形态目标检测方法。设计了加权双向循环特征金字塔结构提取多形态目标静态特征,并引入可切换空洞卷积,增大感受野的同时减少空域信息损失。对于时序运动特征的提取,为了抑制复杂背景噪声的同时将角点信息集中到运动区域中,通过特征点匹配法生成掩膜图,之后进行光流计算,根据计算结果设计稀疏光流特征图,利用3D卷积提取多个连续帧图像中包含的时序特征,生成三维时序运动特征图。最后,通过对图像静态特征与时序运动特征进行通道维度的拼接,实现深度空时域特征融合。大量的对比实验表明,文中方法可明显减少复杂背景下的虚假识别概率,具备高实时性的同时目标识别准确率达89.87%,满足高动态下的红外目标智能检测识别需求。 相似文献
17.
针对局部二值模式(LBP)特征在低分辨率的人脸图 像上识别率较低的问题,提出了一种基于分块中心对称局部二值模式(CS-LBP,center symmetric local binary pattern)和加权主成分分析(PCA)算法的低分辨率人脸识别算法。 首先利用分块CS-LBP算子提取低分辨率人脸图像的特征;然后利用加权PCA算子对特 征进行降维, 从而得到更强的分类特征;最后利用最近邻分类器选出人脸最优分类类别并计算识别率。在 ORL人脸库上的实验表明,在人脸图像分辨率下降到(12×10)时,本 文算法的识别率仍能达 到85.00%,基本满足了实际运用中对识别率的要求,并且降低了运算 时间。 相似文献
18.
用卷积网络进行人体行为识别是毫米波雷达的一个热门研究方向。由于卷积网络结构的缺陷性,而且目前用于人体行为识别公开的雷达领域数据样本量过少,传统深度学习算法对雷达微多普勒图像的识别率不高,且在训练过程中容易出现过拟合的现象。针对上述问题,本文提出一种融合快照集成与迁移学习的雷达人体行为识别算法。首先,针对深度卷积网络无法提取图像全局特征的问题,该算法通过搭建Vision Transformer(VIT)模型引入注意力机制。其次,通过VIT模型在公开自然数据集上进行任务迁移和特征空间的迁移,解决微多普勒图像的识别过拟合的问题。最后,利用基于快照集成的投票机制算法,提升模型对复杂雷达微多普勒图像的识别能力。试验结果表明,在目标任务数据集样本量少、背景复杂的情况下,该算法能在不增加训练成本的前提下提升微多普勒图像的识别准确率,在VIT模型下该算法识别准确率达到了89.25%,优于经典卷积神经网络。 相似文献
19.
20.
基于图模型的指静脉全局特征表达方法不仅可以降低成像质量对采集设备的依赖性,还能提高匹配效率。针对于目前指静脉图模型的研究中存在的图结构不稳定,匹配效率随图模型的变大而降低的问题,本文提出了一种基于SLIC(Simple Linear Iterative Clustering)超像素分割算法构建加权图的方法,并改进ChebyNet图卷积神经网络(Graph Convolutional Neural Networks, GCNs)提取加权图的图级(graph-level)特征。针对指静脉样本数普遍较少,而ChebyNet中卷积网络参数量较大容易造成过拟合以及其快速池化层不能自适应地选择节点的问题,本文提出了全局池化结构的改进GCNs模型SCheby-MgPool(Simplified Cheby-Multi gPool)。实验结果表明,本文提出的方法提取的指静脉特征在识别精度,匹配效率上都具有较好的性能。 相似文献