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),請進行舉報或認領(lǐng)
文檔簡介
1、視頻運動對象分割是數(shù)字視頻處理和計算機視覺的重要研究領(lǐng)域之一,同時也是智能視頻監(jiān)控等關(guān)鍵應用中的核心技術(shù)。雖然人們已經(jīng)做了大量研究工作,但目前還沒有一種通用的方法能夠有效地將運動前景從背景中分割出來,因此視頻序列中運動前景的分割已經(jīng)成為當前圖像處理領(lǐng)域的研究熱點?;诟咚够旌媳尘澳P停℅MM:Gaussian Mixture Model)的算法是基于背景消減法的運動對象分割算法中的經(jīng)典代表,有著易于實現(xiàn)、對多峰分布背景建模以及背景模型自
2、適應等優(yōu)點,但其受復雜背景(光線變化,樹葉擺動和雨雪天氣)的影響,對前景對象的分割效果并不理想,極大地制約了其應用適應性。 論文首先介紹了視頻對象分割技術(shù)發(fā)展狀況,分析了視頻對象分割方法理論,然后深入研究了高斯混合模型和支持向量機的理論及其視頻對象分割方法,在此基礎(chǔ)上,提出了一種將高斯混合模型與支持向量機(SVM:Support Vector Machine)分類器相結(jié)合的算法。該算法的特點是充分利用傳統(tǒng)高斯模型的優(yōu)點,同時彌補
3、高斯混合模型僅采用空域信息進行背景建模的不足,引入基于統(tǒng)計學習理論的支持向量機對前景和背景進行二分類,提高視頻對象分割的質(zhì)量和穩(wěn)定性。算法首先將視頻圖像由高斯混合模型做初步二值化分割;同時對有代表性的三幀圖像(背景幀、當前幀、當前幀的前一幀)進行網(wǎng)格化分塊,從中獲取視頻時域信息,根據(jù)幀間對應塊元素的統(tǒng)計量運算得到特征向量。然后,用特征向量訓練SVM分類器,并完成核函數(shù)的選擇和分類器參數(shù)尋優(yōu),用訓練后的分類器進行像素分類,獲取對應的前景塊
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)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 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)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(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確性、安全性和完整性, 同時也不承擔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
- 視頻運動對象分割算法研究.pdf
- 支持向量機模型和算法研究.pdf
- 基于先驗知識的支持向量機圖像分割算法研究.pdf
- 基于混合高斯模型和粒子濾波理論的視頻車輛跟蹤算法.pdf
- 基于廣義高斯混合模型和軟分割的圖像增強.pdf
- 基于支持向量機和覆蓋算法的經(jīng)濟預警模型.pdf
- 基于高斯混合模型的圖像分割的研究.pdf
- 基于混合高斯模型的運動目標檢測算法研究.pdf
- 視頻檢索中基于支持向量機的鏡頭分割方法的研究.pdf
- 基于高斯混合模型的運動目標檢測算法研究和應用.pdf
- 基于改進的混合高斯模型的運動目標檢測算法
- 基于支持向量機的視頻通訊錯誤隱藏算法研究.pdf
- 基于支持向量機的混合增量學習算法與應用.pdf
- 基于高斯超向量和支持向量機的電子偽裝語音鑒定方法研究.pdf
- 視頻圖像序列中運動對象分割算法的研究.pdf
- 基于時空融合的運動對象視頻分割.pdf
- 基于屬性選擇算法和支持向量機的組合預測模型研究.pdf
- 基于高斯混合模型的運動目標檢測.pdf
- 基于支持向量機的SAR圖像分割.pdf
- 基于支持向量機的醫(yī)學圖像分割.pdf
評論
0/150
提交評論