作者:
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:
传统的混合高斯背景建模可对存在渐变及重复性运动的场景进行建模,但其运算过程需要足够的计算量和存储空间,不适应在复杂背景下的背景建模,也不能解决场景中存在的突变。针对这些问题,提出了一种基于记忆模型的聚类算法,算法为每个像素点设置一个聚类模型,每个聚类可根据背景的变化结合人类记忆模型自适应的创建、更新和删除。该算法通过人类瞬时记忆、短时记忆和长时记忆做出准确判断,运动目标检测结果更能符合人类感觉器官的判断。
推荐文章
基于信息瓶颈法的运动目标区域聚类
信息瓶颈
混合高斯模型
运动目标
聚类
基于聚类的SAR图像快速目标检测
合成孔径雷达图像
目标检测
恒虚警率检测
Mean Shift聚类
基于高斯核密度模型的运动目标检测
运动目标检测
高斯核密度
背景模型
面积阈值
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 基于视觉记忆模型聚类的运动目标检测
来源期刊 计算机工程与应用 学科 工学
关键词 背景建模 记忆模型 聚类 运动目标
年,卷(期) 2015,(13) 所属期刊栏目 图形图像处理
研究方向 页码范围 172-175
页数 4页 分类号 TP391.41
字数 2872字 语种 中文
DOI 10.3778/j.issn.1002-8331.1307-0305
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 彭力 江南大学物联网工程学院 148 814 15.0 21.0
2 陈容 江南大学物联网工程学院 2 19 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (19)
共引文献  (18)
参考文献  (7)
节点文献
引证文献  (3)
同被引文献  (6)
二级引证文献  (0)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(3)
  • 参考文献(1)
  • 二级参考文献(2)
2002(2)
  • 参考文献(1)
  • 二级参考文献(1)
2005(5)
  • 参考文献(1)
  • 二级参考文献(4)
2006(6)
  • 参考文献(1)
  • 二级参考文献(5)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(4)
  • 参考文献(1)
  • 二级参考文献(3)
2009(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(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)
2016(1)
  • 引证文献(1)
  • 二级引证文献(0)
2018(1)
  • 引证文献(1)
  • 二级引证文献(0)
2019(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
背景建模
记忆模型
聚类
运动目标
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
计算机工程与应用
半月刊
1002-8331
11-2127/TP
大16开
北京619信箱26分箱
82-605
1964
chi
出版文献量(篇)
39068
总下载数(次)
102
总被引数(次)
390217
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导