基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
基于像素层面的混合高斯背景建模方法不能很好的解决动态背景中的运动目标检测问题.由于背景像素运动的复杂性,该方法很难将动态背景建入模型,会造成大量的误检.本文在混合高斯背景建模的基础上,通过空域和时域对动态背景产生的误检进行抑制.在空域运用MRF模型和混合高斯模型分别计算像素点的先验概率和类条件概率,通过结合像素点的先验概率和类条件概率完成前景图像的分割,在很大程度上去除了小面积的误检;在时域通过目标的运动持续性,运动显著性和面积变化稳定性三个目标特征过滤大面积的误检.通过实验表明,在保证较高检测精度的情况下,该方法能够在很大程度上抑制动态背景产生的误检.
推荐文章
基于深度学习方法的复杂场景下车辆目标检测
深度学习
Faster R-CNN
ImageNet数据集
车辆目标检测
在复杂场景中多目标物的检测识别方法
矩阵码
目标识别
拐角点提取
透视变换
图像匹配
自然场景下运动目标检测与阴影剔除方法
运动目标检测
阴影剔除
双阈值
多分辨率
多属性
基于区域纹理的运动目标检测方法
运动目标检测
区域纹理
混合高斯模型
多模态均值
运动历史
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 复杂场景中基于对象的运动目标检测方法
来源期刊 光电工程 学科 工学
关键词 混合高斯背景建模 运动持续性 运动显著性 面积变化稳定性
年,卷(期) 2010,(11) 所属期刊栏目
研究方向 页码范围 1-7
页数 分类号 TP391|TN911.73
字数 5309字 语种 中文
DOI 10.3969/j.issn.1003-501X.2010.11.001
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 张笑微 西南科技大学信息工程学院 34 186 9.0 12.0
2 周建雄 西南科技大学信息工程学院 7 71 5.0 7.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (1)
节点文献
引证文献  (11)
同被引文献  (21)
二级引证文献  (30)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2012(6)
  • 引证文献(5)
  • 二级引证文献(1)
2013(5)
  • 引证文献(0)
  • 二级引证文献(5)
2014(5)
  • 引证文献(1)
  • 二级引证文献(4)
2015(3)
  • 引证文献(1)
  • 二级引证文献(2)
2016(4)
  • 引证文献(1)
  • 二级引证文献(3)
2017(8)
  • 引证文献(0)
  • 二级引证文献(8)
2018(3)
  • 引证文献(0)
  • 二级引证文献(3)
2019(7)
  • 引证文献(3)
  • 二级引证文献(4)
研究主题发展历程
节点文献
混合高斯背景建模
运动持续性
运动显著性
面积变化稳定性
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
光电工程
月刊
1003-501X
51-1346/O4
大16开
四川省成都市双流350信箱
1974
chi
出版文献量(篇)
4776
总下载数(次)
5
总被引数(次)
44377
论文1v1指导