【摘 要】
：
如何有效地从序列图象中检测和跟踪运动目标是计算机视觉研究的重要内容,针对现有方法存在的不足,给出了分层背景更新的运动目标检测与跟踪算法.在该算法中将背景更新分为三
【机 构】
：
海军工程大学电子工程学院,武汉,430033
论文部分内容阅读
如何有效地从序列图象中检测和跟踪运动目标是计算机视觉研究的重要内容,针对现有方法存在的不足,给出了分层背景更新的运动目标检测与跟踪算法.在该算法中将背景更新分为三层:象素级的更新、区域级的更新和帧级的更新.在象素级的更新中,完成普通背景点的更新工作;在区域级的更新中,找到了其中的前景目标,并剔除其中的虚目标,然后用这些区域引导象素的更新;在帧级的更新中,判断帧间是否出现大范围的光照等条件的变化,并由此引导整个背景模型的更新.在处理虚目标时,算法利用边缘检测的方法来快速解决背景建模方法中虚目标问题,充分利用了帧内象素点之间的空间相关性.实验结果表明:该算法能够稳定的从视频序列中检测出运动目标,并且整个算法实现简单.
其他文献
本文以中低分辨率光学海域图像中的舰船目标为研究对象,提出一种联合灰度和纹理特征的舰船目标检测方法.该方法利用改进的双参数恒虚警率(Constant False Alarm Rate,CFAR)方
在监控系统中,由于摄像头的运动或目标的移动,对同一个目标,所采集的图像会有很大差别,因此就需要一个能准确识别目标的方法.该文提出了基于免疫克隆聚类的自适应竞争神经网
提出了一种基于多次二值分类的复杂背景字符定位方法.首先对字符图像去模糊和增强处理后,进行二值分类,在每一次的二值化分类图中根据字符排列及二值分类图投影的特点来进行
由于mean-shift算法良好的鲁棒性和实时性,它被广泛的应用到运动目标跟踪中.但该算法还存在不足的方面.首先是核带宽的选择问题,它对存在径向运动的目标跟踪的影响非常大.其
运动目标识别是视频信息处理的重要研究课题之一.本文提出了一种基于形状的特征提取与识别算法.首先利用自适应阈值的SUSAN算法检测图像目标边缘,用形状上下文来描述边缘点的
针对现有运动目标检测算法不能很好去除阴影的问题,在利用混合高斯模型进行目标检测的基础上,提出了一种有效的阴影抑制算法.该算法充分考虑了系统噪声和背景模型误差,并用高
远距离成像和复杂背景下小目标检测是图像理解领域中的一个重要内容.本文提出了在对图像进行提升小波变换的基础上提取图像的分形特征的小目标检测算法.首先通过提升小波变换
目标跟踪技术已成为计算机视觉领域中备受关注的研究课题,各种跟踪方法不断涌现.本文结合AdaBoost算法和粒子滤波技术实现视频图像中的目标跟踪.采用基于AdaBoost级联分类器
SAR图像目标识别是目前一个研究热点.本文提出了一种基于视区的快速识别方法.论文首先引入了一种基于目标三维模型的SAR图像仿真算法,获得在成像条件下不同目标类别的SAR仿真
高分辨率遥感图像的变化检测存在四个难点:类间可分性低、对配准误差和视角变化鲁棒性差、计算量大以及"变化"具有歧义性,本文针对这些问题提出了一种基于尺度传播的多尺度变