【摘 要】
：
ViBe算法是一种快速高效的背景建模算法,但该算法在运动目标检测过程中会产生鬼影。针对ViBe算法中鬼影消除缓慢的问题,结合多个场景的交通视频提出一种通过连续两帧前景背景像素时域变化来判断鬼影像素点并消除的方法,该方法加快了鬼影的消除速度。同时,对于视频拍摄场景中的背景噪声,采用了对前景图进行开闭操作去除小像素点以及对目标区域的空洞进行填充处理。实验表明,改进的ViBe算法能够加快鬼影的消除,并且
【机 构】
：
武汉理工大学信息工程学院,武汉理工大学自动化学院
【基金项目】
：
国家自然科学基金资助项目（51107093）
论文部分内容阅读
ViBe算法是一种快速高效的背景建模算法,但该算法在运动目标检测过程中会产生鬼影。针对ViBe算法中鬼影消除缓慢的问题,结合多个场景的交通视频提出一种通过连续两帧前景背景像素时域变化来判断鬼影像素点并消除的方法,该方法加快了鬼影的消除速度。同时,对于视频拍摄场景中的背景噪声,采用了对前景图进行开闭操作去除小像素点以及对目标区域的空洞进行填充处理。实验表明,改进的ViBe算法能够加快鬼影的消除,并且与帧差法以及混合高斯建模算法相比,前景检测效果更精确。
其他文献
随着LTE中家庭基站的密集部署,会使家庭基站间产生严重的同层干扰,与此同时也会对边缘宏用户产生严重的跨层干扰。针对这两种下行干扰,提出了一种基于图论的信道分配和基于路损的功率控制算法相结合的方案。首先基于图论的知识构建干扰图,通过干扰图进行信道分配,有干扰的小区采用相互正交的信道,降低家庭小区间的同层干扰。然后在保证宏用户和家庭用户QoS的条件下,根据设定的信干噪比(SINR)门限值,设置Femt
针对机器人自动化生产线中视觉定位零件的问题进行了研究,为了能够快速地在复杂背景中提取出零件图像区域,提出了一种基于Logistic回归的零件图像区域提取的机器视觉算法。首先,在工作场景图像中采集若干正类和负类样本点;然后,将样本点的BGR值进行格式上的整理并保存;其次,将整理的数据代入按照梯度上升法推导的公式中,计算Logistic最佳回归系数;最后,载入待处理图像,使用Logistic回归分类器
针对分类识别算法在行为识别中存在识别率低和实时性差的问题,提出了一种线性近似稀疏表示分类的正交鉴别投影(LASRC-ODP)算法用于行为识别。LASRC-ODP算法将高维数据投影到低维空间时,最小化类内残差和最大化类间残差,同时利用投影矩阵的正交约束来增强鉴别结果;与LASRC分类相结合,将训练样本构成过完备字典,利用L_2范数求解稀疏系数,优化了求解复杂度、加快了计算速度,得到特征更易区分的样本
基于视觉信息的运动目标识别是室内移动机器人自主导航的一个重要研究内容,现有的方法经常由于背景噪声干扰、自然光照、机器人视角变化等因素影响识别稳定性。针对该问题提出一种有效的目标识别方法,滤除地平面点云特征,并采用分割聚类和支持向量积融合方法识别运动目标。实验表明,该方法在满足实时性前提下,相对于传统人体骨骼、二维梯度直方图算法具有更高的准确率,更适合复杂环境下的人体。
提出传输策略选择结合资源分配的迭代算法，证明其收敛性。进一步将算法简化为顺序进行的三步：子信道指配，传输策略选择和中继的发射功率分配，源的发射功率分配。仿真结果表明，所提
提出了一种基于多传感器可穿戴设备的无监督室内/室外场景的区分方法。首先,该方法对多维的传感数据进行时间序列建模,通过分析该时间序列挖掘出场景切换的模式并对该时序数列进行分段分析;接着,建立相似性测量模型对每个分段时间序列进行室内/室外场景相似度计算,根据计算的结果识别出室内/室外场景。通过实验分析,该方法对室内/室外场景区分准确度高达90.1%,相较于其他方法准确度提高了13%~33%。该方法无须
由于采用矩阵的表示形式会破坏视频数据的原始空间结构,针对这一问题,提出了一种基于块和低秩张量恢复的视频去噪方法。首先运用自适应中值滤波器对含噪视频进行预处理,通过相似块匹配构造一个三阶张量,根据视频张量的低秩性和噪声像素的稀疏性,利用基于张量的增广拉格朗日乘子法(ALM)重建出三阶视频张量的低秩部分和稀疏部分,实现噪声的分离。该方法采用张量模型来处理视频去噪的问题,更好地保护了视频序列的高维结构特
针对三维空间中移动自组网的地理多播问题进行了研究,为降低传输开销并提高多播成功率,提出了一种新的基于象限转发概率的地理多播协议。该协议以发送节点为原点建立笛卡尔坐标系簇,根据转发节点与目标区域的相对位置将三维空间划分为四类转发区域,并为不同区域中的转发节点指派合理的转发概率。该协议实现了方向性转发和概率转发的综合运用,既考虑了目标位置的方向性以节省传输开销,又加入了概率广播以提高成功率。通过仿真实
为了解决云联盟中云资源提供者间的信任问题,提出一种基于信任机制的云联盟算法。算法将多个云资源提供者以合作形式完成用户任务的问题形式化为联盟博弈模型,在建立联盟时兼顾考虑成员间的信任关系及成员收益,使得具有更高信任度的资源提供者能够建立联盟以降低任务执行代价,并确保参与联盟的个体成员收益最大化;同时,证明了该算法求解的联盟结构是稳定的,并且满足Pareto最优性质。实验结果验证了算法的有效性和可行性
LDA没有考虑到数据输入,在原始输入空间上对所有词进行主题标签,因对非作用词同样分配主题,致使主题分布不精确。针对其不足,提出了一种结合LSI和LDA的特征降维方法,预先采用LSI将原始词空间映射到语义空间,再根据语义关系筛选出原始特征集中关键的特征,最后通过LDA模型在更小、更切题的文档子集上采样建模。对复旦大学中文语料进行文本分类,新方法的分类精度较单独使用LDA模型的效果提高了1.50%。实