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:
在智能交通系统中,运动目标的检测是一个基本而又关键的问题.而传统高斯混合模型能较好地检测出运动目标,但由于其没有考虑像素的局部特征,使得运动目标区域的错误检测率有所增加.为了更好地在高速交通视频中检测出完整且准确的运动目标前景区域,文中在子空间的思想基础上,提出一种基于像素局部纹理特征的高斯混合模型改进算法,即以像素周围5*5图像块的均值、标准差、最大值、最小值和当前像素值5个特征作为局部纹理特征,建立高斯混合背景模型,进行运动目标检测.经过大量实验,结果表明该算法能更准确、完整地检测出运动目标并具有很好的环境适应性,特别是在运动目标区域与相应的背景区域颜色较为相似时,运动目标检测效果改善较为明显.
推荐文章
基于时空分布的混合高斯背景建模改进方法
背景建模
空间信息
混合高斯模型
动态背景
前景检测方法
一种基于历史背景的混合高斯背景建模算法?
视频处理
背景建模
混合高斯模型
历史背景
基于高斯混合模型的纹理图像的分割
高斯混合模型
EM算法
最大似然估计
基于多分辨率纹理特征的背景建模方法
背景减除
离散余弦变换域
多分辨率纹理特征
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 基于纹理特征的混合高斯背景建模算法研究
来源期刊 计算机技术与发展 学科 工学
关键词 运动目标检测 混合高斯模型 局部纹理特征 背景模型
年,卷(期) 2016,(5) 所属期刊栏目 智能、算法、系统工程
研究方向 页码范围 22-26
页数 5页 分类号 TP391.4
字数 4128字 语种 中文
DOI 10.3969/j.issn.1673-629X.2016.05.005
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 李勃 昆明理工大学信息工程与自动化学院 58 297 9.0 14.0
2 冯璞 昆明理工大学信息工程与自动化学院 1 4 1.0 1.0
3 李玉恵 昆明理工大学信息工程与自动化学院 2 7 2.0 2.0
4 游旭晨 昆明理工大学信息工程与自动化学院 1 4 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (32)
共引文献  (120)
参考文献  (12)
节点文献
引证文献  (4)
同被引文献  (13)
二级引证文献  (0)
1979(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(2)
  • 参考文献(1)
  • 二级参考文献(1)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2007(8)
  • 参考文献(0)
  • 二级参考文献(8)
2008(5)
  • 参考文献(0)
  • 二级参考文献(5)
2009(5)
  • 参考文献(2)
  • 二级参考文献(3)
2010(4)
  • 参考文献(1)
  • 二级参考文献(3)
2011(3)
  • 参考文献(0)
  • 二级参考文献(3)
2012(1)
  • 参考文献(0)
  • 二级参考文献(1)
2013(2)
  • 参考文献(1)
  • 二级参考文献(1)
2014(3)
  • 参考文献(1)
  • 二级参考文献(2)
2015(5)
  • 参考文献(5)
  • 二级参考文献(0)
2016(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)
2017(3)
  • 引证文献(3)
  • 二级引证文献(0)
2020(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
运动目标检测
混合高斯模型
局部纹理特征
背景模型
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
计算机技术与发展
月刊
1673-629X
61-1450/TP
大16开
西安市雁塔路南段99号
52-127
1991
chi
出版文献量(篇)
12927
总下载数(次)
40
总被引数(次)
111596
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导