共查询到18条相似文献,搜索用时 78 毫秒
1.
2.
针对帧间差分法在目标运动较慢时无法完整的检测轮廓,混合高斯模型易受光照影响导致目标快速运动时无法辨别轮廓等问题,提出了一种更加优化的运动目标检测算法.该算法将三帧差分法与混合高斯模型相融合,利用视频中连续的三帧图像两两作差分后作或运算、二值化、形态学处理,对中间帧的进行canny边缘检测,将两次结果再进行或运算、形态学处理后得到更加完整的轮廓.用中间帧进行高斯混合模型提取前景,二值化后和边缘信息进行与运算,经过形态学处理和孔洞填充后获得运动目标.经过实验表明,该方法能够获得更加理想的运动目标. 相似文献
3.
4.
运动目标检测是计算机视觉、图像理解、目标跟踪等领域非常重要的研究内容。为了能够及时检测到图像场景中的运动目标,本文选择建立混合高斯背景模型作为检测运动目标的方法,该方法能有效的提取出运动的目标及其携带的运动信息,取得比较好的效果。 相似文献
6.
7.
基于OpenCV与混合高斯建模的运动目标检测 总被引:1,自引:0,他引:1
针对静态背景下的视频运动序列,在研究现有的检测算法——帧间差分法与背景差分法的基础上,进一步研究了运动目标检测中背景动态建模的方法——混合高斯建模法,在此基础上提出了基于混合高斯模型与三帧差分的运动目标检测改进算法。由于使用背景差分法检测运动目标时,运动物体和阴影都将被看作运动的目标,于是研究了基于归一化RGB色彩模型的阴影处理方法,对阴影区域进行检测与去除。然后使用计算机视觉类库OpenCV结合Visual C++6.0对上述算法进行实现,取得了很好的检测效果。 相似文献
8.
针对混合高斯模型(Gaussian Mixture Model,GMM)无法检测到完整的运动目标,三帧差法检测目标时对物体速度的敏感,检测到的物体会出现空洞等缺点,提出了一种混合高斯融合三帧差法的运动目标检测改进算法.首先,在运动目标提取过程中,改进的三帧差法采用动态分割阈值和边缘检测技术,解决光线突变和边缘不连续问题;然后引入新的高斯分布自适应选择策略,以减少处理时间,提高检测准确性;最后,利用改进HSV(Hue-Saturation-Value)颜色空间来消除阴影区域,得到一个完整的运动目标.数据实验表明,该算法在不同场景具有较好的检测能力. 相似文献
9.
针对传统混合高斯模型使用固定学习速率所带来的问题,提出了一种改进的运动目标检测算法。该算法采用自适应的学习速率调整策略,在背景建模初期,采用较大的学习速率加快初始背景的建模,使得模型能更快地适应背景的变化;背景形成以后,根据目标运动的快慢动态调整学习速率,从而能够及时更新背景,消除运动目标的残留和拖影;最后利用基于HSV颜色空间的阴影检测算法消除运动阴影。实验结果表明,改进算法优于传统混合高斯模型,可以更准确地检测出运动目标,更好地消除阴影,并具有较好的自适应性和稳健性。 相似文献
10.
11.
12.
基于混合高斯模型的运动车辆检测方法 总被引:2,自引:2,他引:2
针对目前在车辆检测中广泛应用的混合高斯模型(G MM)存在的缺陷,提出了一种改进的GMM运 动车辆检测方法。对于GMM运行过程中“鬼影”长期存在的缺陷,通过采用新 的权值和方差更新方 法,加速“鬼影”的消除,改善其车辆检测性能;对于传统的GMM对所有像素 点均采用固定分布 数建模造成的内存空间浪费,通过设定一个分布数上限值,对未达到上限值的像素 点采用分布数 自适应变化的方法,有效地减少模型总分布数,节约内存空间。实验结果表明,改进后的GM M在“鬼影”的消除和计算速度上具有较大的优势。 相似文献
13.
14.
针对短波信号检测中色噪声干扰导致信号检测概率低的问题,通过研究实际短波信道特性和信号的频谱特征,提出一种将信号频谱图作为一维灰度图像进行形态学滤波的预处理算法,应用联合形态学滤波估计信号噪声基底,利用改进的顶帽变换进行白化滤波,最后依据高斯白噪声环境下的门限估计理论进行信号检测。实验结果表明,该算法能在复杂的短波信道环境下较好地抑制色噪声干扰,对弱信号的有效检测率可提高10%~20%。 相似文献
15.
火灾作为对社会和环境危害最大的灾难,一直是人们重点防范的对象.但目前现有的火灾预警系统都存在误报率过高的问题.因此,文中提出了一种基于火焰闪烁动力学的火焰检测框架.在该框架中,火焰颜色分布模型采用高斯混合模型.此外,采用概率显著性分析方法和一维小波变换提取运动显著性和滤波后的时间序列作为特征,描述火焰的动态特性和闪烁特... 相似文献
16.
17.
In this paper, we deal with the problem of visual detection of moving objects using innovative Gaussian mixture models (GMM). The proposed method, the Spatially Global Gaussian Mixture Model (SGGMM) uses RGB and pixel uncertainty for background modelling. The SGGMM with colours only is used for scenes with moderate illumination changes. When combined with pixel uncertainty statistics, the method can deal efficiently with dynamic backgrounds and scene backgrounds with fast change in luminosity. Experimental evaluation in indoor and outdoor environments shows the performance of the foreground segmentation with the proposed SGGMM model using solely RGB colour or in combination with pixel uncertainties. These experimental scenarios take into account changes in the background within the scene. They are also used to compare the proposed technique with other state-of-the-art segmentation approaches in terms of accuracy and execution time performance. Further, our solution is implemented and tested in embedded camera sensor network nodes. 相似文献
18.
针对运动目标检测与跟踪算法计算准确率低、效果差的问题,结合Kalman滤波算法,提出一种基于高斯混合模型的运动目标检测与跟踪算法。对传统的权重更新机制进行改进,以保证背景的持续更新状态。建立高斯混合模型,对运动目标图像进行处理,对图像中的参数信息进行实时更新,在Kalman滤波器的性质影响下进行目标跟踪,将获取的运动目标位置作为信息输入,完成运行并跟踪。在更新的过程中,根据运动目标的状态确定矩阵,目标遮挡也不会影响追踪的效果。结果表明,利用Kalman滤波器对运动目标进行跟踪,可以取得良好的运动目标跟踪效果。 相似文献