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:
传统遗留物检测算法存在算法过于复杂和环境适应性差的局限.本文将改进的混合高斯建模方法应用于遗留物检测,利用背景匹配失败时生成的前景模型进行前景匹配并引入短时稳定度指标,在深入挖掘前景模型中包含的遗留物信息和像素点级目标状态信息的基础上对遗留物进行综合判断.文中详细分析了传统方法的性能局限并阐述了新方法中前景模型和短时稳定度的作用原理同时给出了具体的算法流程.多场景下的实验分析表明,增加对前景模型的考察使算法在保留传统方法优点的同时具备了良好的遗留物检测能力,而短时稳定度的引入则能够进一步降低传统方法中前景模型向背景模型转换的风险.对比实验结果中本文方法在表现出良好环境适应性的同时误检团块数明显低于其他方法,算法在复杂背景条件下达到了良好的检测性能.
推荐文章
改进高斯混合模型的运动目标检测算法
运动目标检测
改进高斯模型
混合模型
前景模型
背景模型
稳定度计算
混合高斯模型运动检测算法优化
智能视频监控
运动检测
背景建模
混合高斯模型
基于混合高斯和平均背景的运动目标检测算法
平均背景减除法
混合高斯
运动检测
基于快速的混合高斯模型的运动目标检测算法
混合高斯模型
运动目标检测
阴影抑制
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 基于改进混合高斯建模和短时稳定度的遗留物检测算法
来源期刊 信号处理 学科 工学
关键词 遗留物检测 混合高斯建模 前景模型 短时稳定度
年,卷(期) 2012,(8) 所属期刊栏目 算法研究
研究方向 页码范围 1101-1111
页数 分类号 TP391
字数 5471字 语种 中文
DOI 10.3969/j.issn.1003-0530.2012.08.007
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 吕钊 安徽大学计算智能与信号处理教育部重点实验室 49 318 9.0 16.0
2 吴小培 安徽大学计算智能与信号处理教育部重点实验室 132 1377 20.0 29.0
3 张超 安徽大学计算智能与信号处理教育部重点实验室 36 257 9.0 15.0
4 王营冠 中国科学院上海微系统与信息技术研究所中国科学院无线传感网与通信重点实验室 71 470 10.0 18.0
5 周建英 安徽大学计算智能与信号处理教育部重点实验室 3 96 3.0 3.0
6 戚培庆 安徽大学计算智能与信号处理教育部重点实验室 3 28 2.0 3.0
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  (2)
节点文献
引证文献  (9)
同被引文献  (13)
二级引证文献  (18)
2000(2)
  • 参考文献(2)
  • 二级参考文献(0)
2012(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)
2013(2)
  • 引证文献(2)
  • 二级引证文献(0)
2014(1)
  • 引证文献(1)
  • 二级引证文献(0)
2015(3)
  • 引证文献(3)
  • 二级引证文献(0)
2016(4)
  • 引证文献(1)
  • 二级引证文献(3)
2017(7)
  • 引证文献(1)
  • 二级引证文献(6)
2018(6)
  • 引证文献(1)
  • 二级引证文献(5)
2019(4)
  • 引证文献(0)
  • 二级引证文献(4)
研究主题发展历程
节点文献
遗留物检测
混合高斯建模
前景模型
短时稳定度
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
信号处理
月刊
1003-0530
11-2406/TN
大16开
北京鼓楼西大街41号
18-143
1985
chi
出版文献量(篇)
5053
总下载数(次)
13
论文1v1指导