【摘 要】
：
针对非平稳背景下的复杂场景,该文提出一种自适应调整K-ρ的混合高斯背景建模和目标检测算法。该方法利用混合高斯模型（GMM）学习每个像素在时间域上的分布,构建自适应调整高斯
【机 构】
：
燕山大学信息科学与工程学院,河北科技大学信息科学与工程学院,石家庄学院计算机系
【基金项目】
：
河北省自然科学基金（F2012208004）, 河北省教育厅高等学校科学研究计划自然科学重点项目（ZD20132013）, 河北省科技支撑计划项目（12210807）资助课题
论文部分内容阅读
针对非平稳背景下的复杂场景,该文提出一种自适应调整K-ρ的混合高斯背景建模和目标检测算法。该方法利用混合高斯模型（GMM）学习每个像素在时间域上的分布,构建自适应调整高斯分量K的方法,并针对不同情况,对描述像素的高斯分量数进行增加、删除或合并;在此基础上,模型参数更新式中引入了两个新的参数,能够根据实际情况自适应调整r值,使得背景建模和目标检测能够准确实时地随像素变化而变化,从而减少了运动目标信息的损失,提高了算法的鲁棒性和收敛性。实验表明,该算法在有诸多不确定因素的序列视频中能够迅速响应实际场景的变化,
其他文献
目的探讨中西医结合治疗急性脑梗塞的临床疗效。方法86例急性脑梗塞患者随机分为对照组和治疗组，全部患者采用西医疗法进行治疗，治疗组在此基础上加用中医疗法进行治疗，并对两组
该文针对单脉冲雷达波束锐化问题,提出一种多通道L1正则化波束锐化方法。首先根据最大后验概率准则推导了适合于单脉冲雷达波束锐化的多通道L1正则化模型,然后提出一种扩展的迭代收缩阈值算法来解决多通道L1正则化问题。理论分析和仿真实验表明,该方法在保证波束锐化性能的同时提高了抑制噪声的能力,有效地解决了单脉冲雷达中各通道方向图不满足强互质条件带来的噪声泄漏问题。其性能要明显优于现有的单脉冲雷达波束锐化方