共查询到19条相似文献,搜索用时 78 毫秒
1.
2.
3.
运动目标的影子会降低视频监控的性能,本文提出了一个提高目标跟踪精确率的去影算法。该算法由四部分组成:建立一个实时性很强自动更新的背景模型,提取运动目标区域,消除运动目标的影子,最后对已去影的运动目标进行检测和跟踪。实验结果表明我们的算法在处理目标去影跟踪上有着良好的性能,能在一定的程度上解决运动目标的遮挡问题,并去除目标自的阴影,提高了运动目标跟踪的鲁棒性。 相似文献
4.
采用背景减法检测运动目标时常常将阴影点检测成前景点,对目标分割和提取产生严重影响。为了准确提取运动目标,提出了一种基于对梯度分析的阴影去除方法。实验表明,该算法抗干扰能力强,复杂度较低,可以实现实时处理。 相似文献
5.
小波变换具有多分辨率分析的特性,整数小波属于二代小波,其不仅延续了小波变换多分辨率分析的特性,而且在运算快速性方面具有自身独特的优势.将整数小波变换应用于交通场景的车辆阴影去除,不仅能够充分发挥整数小波变换的多分辨率分析特性,而且兼顾了交通监控实时性的要求.实验结果表明,将整数小波变换应用于车辆阴影去除在处理效果和实时性方面获得了比较好的折中,是一个有益的尝试. 相似文献
6.
针对室内视频监控中运动目标检测常出现的阴影误检,提出了一种基于颜色空间转换的自适应背景建模和阴影消除算法.在RGB空间采用自适应背景差对视频图像进行前景背景分离,并将检测出的前景目标锁定在活动轮廓矩形框内进行目标跟踪,对于误检的虚假目标(即阴影),利用其亮度等信息,在HSV空间去除.经实验验证,该算法对阴影的去除有良好的效果,能准确检测出真实目标. 相似文献
7.
8.
9.
10.
11.
基于视频的车辆检测中检测与去除阴影的一种有效方法 总被引:2,自引:0,他引:2
本文针对视频车辆检测系统中的关键步骤-视频检测中的阴影去除进行深入研究,在分析了阴影产生的原因和阴影的特点之后,综合利用灰度图像及其差分后的二值化图像,提出了一种基于背景差分的检测与去除阴影的新方法.实验证明,该方法能够较好地去除运动车辆的阴影,保留比较完整的车辆目标信息, 为准确提取车辆目标奠定了基础. 相似文献
12.
基于信息融合的视频序列图像中运动目标分割的研究 总被引:1,自引:0,他引:1
该文提出一种基于信息融合的方法分割视频序列图像运动目标。在彩色图像分割中,将部分空间信息介入到迭代均值偏移过程,实现无参数聚类。然后利用所提出的求等同标志连通区域的方法,将聚类后的图像划分成不同的独立区域;再利用HOS(高阶统计)方法进行运动检测,经后处理,得到运动目标粗模板。统计这个运动粗模板中等同颜色区域占原图像相应独立区域的比重,比重超过预置阈值的,则将该独立区域作为待融合区域。最后,将所有的待融合区域连接起来,就构成了运动目标模板。 相似文献
13.
视频合成孔径雷达(SAR)具有高帧率成像能力,可作为地面运动目标探测的重要技术手段。经典SAR地面动目标显示(SAR-GMTI)依靠目标回波能量来实现动目标检测,同时动目标阴影亦可作为视频SAR动目标检测的重要途径。然而,由于动目标能量和阴影的畸变或涂抹,依靠单一方式难以实现稳健的动目标检测。该文基于目标能量和阴影的双域联合检测思想,分别通过快速区域卷积神经网络和航迹关联两种技术途径实现了视频SAR动目标联合检测,给出了机载实测数据处理结果,并进行了详细分析。该文方法充分利用目标阴影与能量的特征及空时信息,提升了机动目标检测的稳健性。 相似文献
14.
基于图像融合的运动目标轮廓提取新方法 总被引:5,自引:5,他引:0
提出了一种新的运动目标轮廓提取方法。该方法分为3个步骤:对于红外与可见光图像序列,首先应用运动分割得到运动目标的初始轮廓线;其次,使用了动态轮廓线使其收敛到目标轮廓;最后,应用了两种新的图像融合方法,第1种方法求解两类模式图像的动态轮廓线控制点向量差的L2范数平方极小化,第2种方法通过图像配准实行改进的微分耦合。对比检测实验表明,第2种方法具有较好的融合效果。同时,设计了一种基于Newmark方法的动态轮廓线快速迭代算法,该方法如Wilson-θ方法的对比实验表明,Newmark方法稳定收敛的迭代时间降低了21.01%。 相似文献
15.
运动目标的正确检测影响着运动目标能否被正确跟踪与分类,因此成为视频监控系统研究中的一项重要课题。文中对运动目标检测算法进行研究,实现对铁路沿线前方目标的有效识别,针对得到的视频序列,通过混合高斯模型进行背景建模,并与混合差分算法结合实现前景的提取与检测。通过与混合差法相比较,其仿真结果表明,该算法具有一定的可行性。 相似文献
16.
17.
18.
在移动机器人障碍探测中,需要实时准确的感知环境信息,而单一传感器仅能提供部分环境信息,对环境进行描述时存在局限性。文中提出采用红外传感器和超声波传感器相结合来感知环境信息,完成障碍物信息的采集,并利用自适应加权融合算法实现数据融合的方案。实验仿真结果表明,多传感器数据融合后比单一传感器所采集的数据更接近于真实值,波动性小,并且不易受外界环境的影响。该方案较好地满足了移动机器人障碍探测的需要,具有一定的有效性和实用性。 相似文献