特征提取在運動目標檢測中的應用分析.pdf_第1頁
已閱讀1頁,還剩50頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、運動目標檢測是計算機視覺中一項重要的基礎工作,它對后續(xù)的目標識別、目標跟蹤和行為理解等應用會產(chǎn)生重要影響,在智能監(jiān)控系統(tǒng)、智能交通、人機交互和基于對象的視頻圖像壓縮方面也有著廣泛的應用。然而實際檢測環(huán)境復雜多變,光照變化、動態(tài)背景、物體投影和隨機噪聲都等問題增大了目標檢測的難度。目前,研究者們已經(jīng)提出了許多目標檢測方法,包括幀差法、光流法和背景建模法等。
  前景分割是目標檢測的最后一個步驟,傳統(tǒng)的基于像素的劃分和基于分塊的劃分方

2、法都各自存在不足?;谙袼氐那熬皠澐趾雎粤藞D像豐富的鄰域空間信息,而基于分塊的前景劃分則可能造成塊效應。一種基于重疊分塊的前景劃分方法被學者提出,這種方法能夠克服基于像素劃分和基于分塊劃分方法的不足,并且該方法具有一種自我矯正機制能夠有效減少前景像素錯分概率,但是該方法中分塊的特征提取采用的是相對簡單的DCT系數(shù),有鑒于此,論文將2D PCA和統(tǒng)一模式LBP兩種特征提取算法引入到分塊特征提取中。
  本文主要完成了以下工作:

3、>  (1)對常見的運動目標檢測方法原理進行了介紹,分析總結了現(xiàn)有的幾種經(jīng)典運動目標檢測算法的優(yōu)劣,詳細介紹了單高斯和混合高斯的模型的定義、模型的更新和模型的建立。
  (2)系統(tǒng)研究了2D PCA的建模和在線更新方法,將2D PCA算法應用到基于重疊分塊的前景劃分中,構造出一種運動目標檢測方法。
  (3)系統(tǒng)研究了統(tǒng)一模式LBP的表征方法,統(tǒng)一模式LBP直方圖條目較基本LBP直方圖更少,能夠減少計算量并有效抑制噪聲,論文

4、將統(tǒng)一模式LBP直方圖與基于重疊分塊的前景劃分方法相結合,構造出另外一種運動目標檢測方法。
  (4)在VISUAL STUDIO 2010平臺上采用OpenCV庫,對標準視頻序列進行了運動目標檢測的對比實驗。在實驗中分別采用GMM、DCT重疊分塊法、2D PCA重疊分塊法和LBP重疊分塊法進行測試得到了4種不同的實驗結果,并將實驗結果與手工提取的前景目標進行比較,詳細分析幾種算法的優(yōu)劣,實驗表明統(tǒng)一模式LBP重疊分塊法有效改善了

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。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內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)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,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。

評論

0/150

提交評論