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:
针对传统W4背景模型算法无法消除运动目标阴影的问题,提出了一种有效消除阴影的运动目标检测算法.首先,给定背景初始帧,用传统W4算法计算出每一个像素点的最小灰度值、最大灰度值以及最大相邻帧间差分值;其次,对每个像素点提取的最大灰度值和最小灰度值进行线性加权;之后结合能抵抗阴影影响的改进的LBP纹理特征,采用类似混合高斯背景模型原理的思想提取多个运动目标检测背景模型.精简提取得到的LBP纹理的种类,减少计算量,以达到实时性的要求.实验结果表明,该算法与同类算法相比更有效地去除阴影对运动目标检测的影响,也满足实时性的要求.
推荐文章
结合Kalman滤波和LBP纹理的CAMShift改进算法
CAMshift算法
Kalman滤波器
LBP纹理
图像采集
位置预测
目标跟踪
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
LTP与光照突变补偿结合的运动目标检测算法
LTP
光照突变补偿
纹理特征
运动目标检测
背景减除法
改进混合高斯模型的运动目标检测与跟踪算法
运动目标
高斯混合模型
多目标跟踪
反馈信息
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 结合W4算法和LBP模型的运动目标检测方法
来源期刊 计算机工程与应用 学科 工学
关键词 目标检测 W4算法 混合高斯模型 局部二值模式(LBP)背景模型 阴影
年,卷(期) 2017,(5) 所属期刊栏目 图形图像处理
研究方向 页码范围 187-191,201
页数 6页 分类号 TP391
字数 5443字 语种 中文
DOI 10.3778/j.issn.1002-8331.1507-0107
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 谢林柏 江南大学物联网工程学院 68 452 12.0 18.0
2 孙凯 江南大学物联网工程学院 2 15 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (73)
共引文献  (168)
参考文献  (11)
节点文献
引证文献  (10)
同被引文献  (33)
二级引证文献  (3)
1974(1)
  • 参考文献(0)
  • 二级参考文献(1)
1977(1)
  • 参考文献(0)
  • 二级参考文献(1)
1984(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)
1994(3)
  • 参考文献(0)
  • 二级参考文献(3)
2000(3)
  • 参考文献(1)
  • 二级参考文献(2)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(3)
  • 参考文献(0)
  • 二级参考文献(3)
2006(5)
  • 参考文献(1)
  • 二级参考文献(4)
2007(7)
  • 参考文献(0)
  • 二级参考文献(7)
2008(10)
  • 参考文献(0)
  • 二级参考文献(10)
2009(5)
  • 参考文献(0)
  • 二级参考文献(5)
2010(8)
  • 参考文献(4)
  • 二级参考文献(4)
2011(11)
  • 参考文献(0)
  • 二级参考文献(11)
2012(12)
  • 参考文献(1)
  • 二级参考文献(11)
2013(7)
  • 参考文献(2)
  • 二级参考文献(5)
2014(2)
  • 参考文献(1)
  • 二级参考文献(1)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(2)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(2)
  • 二级引证文献(0)
2017(2)
  • 引证文献(2)
  • 二级引证文献(0)
2018(5)
  • 引证文献(5)
  • 二级引证文献(0)
2019(4)
  • 引证文献(2)
  • 二级引证文献(2)
2020(2)
  • 引证文献(1)
  • 二级引证文献(1)
研究主题发展历程
节点文献
目标检测
W4算法
混合高斯模型
局部二值模式(LBP)背景模型
阴影
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
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导