版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認(rèn)領(lǐng)
文檔簡介
1、前景檢測已被廣泛應(yīng)用于許多計算機視覺應(yīng)用中,包括:視頻監(jiān)控、輔助駕駛、人機交互、人臉檢測、行人碰撞預(yù)測、遙測影像處理、食物中的異物檢測、行人行為識別等,是計算機視覺與模式識別領(lǐng)域的一個研究熱點和前沿課題。前景檢測結(jié)果的好壞直接關(guān)系到后續(xù)應(yīng)用與分析處理的優(yōu)劣和實用性。前景檢測算法種類眾多,混合高斯模型及它的大量改進方法是最受歡迎的算法之一。本文在詳細(xì)分析與理解混合高斯模型原理的基礎(chǔ)上,主要研究了固定攝像機情況下的基于改進混合高斯模型的前景
2、檢測算法。主要工作如下:
(1)對前景檢測進行概述,并詳細(xì)介紹了前景檢測的一些常用方法:幀差法、光流法和背景差分法。同時,著重介紹了常用的背景差分方法,并對它們進行實驗測試,詳細(xì)分析和比較它們各自的優(yōu)缺點。
(2)對傳統(tǒng)的混合高斯模型算法進行了較為全面的介紹與分析,從而了解到混合高斯模型以耗時為代價換取可觀的精確度。同時,混合高斯模型對噪聲情況的處理效果很一般。針對混合高斯模型的上述缺點,提出一種基于YCbCr的自適
3、應(yīng)混合高斯模型前景檢測算法。該算法首先用YCbCr顏色空間替換RGB顏色空間,以獲取更好的抗噪性。其次,考慮實時性能,采用自適應(yīng)選擇策略來確定混合高斯模型的高斯成分個數(shù)。最后,將各高斯成分按照其排序關(guān)鍵字的值進行排序,以選定背景模型。實驗表明,該算法能很好地處理噪聲的影響,除了對于突然的照明變化場景效果不佳之外,一般而言,對室內(nèi)室外場景都能獲得更準(zhǔn)確的前景目標(biāo)輪廓,并具有良好的實時性能。
(3)針對混合高斯模型只采用顏色特征進
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于改進的混合高斯模型的運動目標(biāo)檢測算法
- 基于改進的混合高斯模型的運動目標(biāo)檢測算法.pdf
- 基于混合高斯模型的運動目標(biāo)檢測算法研究.pdf
- 基于高斯混合模型的紅外運動目標(biāo)檢測算法研究.pdf
- 基于高斯混合模型的運動目標(biāo)檢測算法研究和應(yīng)用.pdf
- 基于混合高斯模型的智能視頻多目標(biāo)檢測算法研究.pdf
- 基于自適應(yīng)高斯混合模型的運動檢測算法研究.pdf
- 單高斯背景模型運動目標(biāo)檢測算法的研究改進.pdf
- 基于ViBe的改進前景檢測算法研究.pdf
- 基于改進的混合高斯模型的目標(biāo)檢測方法.pdf
- 基于混合高斯模型的目標(biāo)檢測與陰影去除算法研究.pdf
- 基于改進膚色模型的AdaBoost人臉檢測算法研究.pdf
- 基于混合高斯改進算法的視頻背景建模研究.pdf
- 基于高斯混合模型的咳嗽音檢測研究.pdf
- 基于高斯混合模型的運動目標(biāo)檢測.pdf
- 基于高斯混合模型的說話人識別算法研究.pdf
- 基于深度學(xué)習(xí)混合模型的人臉檢測算法研究.pdf
- KL變換高斯模型的人臉檢測算法研究及實現(xiàn).pdf
- 基于改進的高斯混合模型的說話人識別的研究.pdf
- 基于混合高斯模型的視頻人體檢測研究.pdf
評論
0/150
提交評論