共查询到20条相似文献,搜索用时 359 毫秒
1.
针对传统均值漂移跟踪算法由于目标框大小不能变化,尤其当目标尺度大小发生较大变化或旋转时容易导致目标丢失的问题,提出一种联合颜色与背景信息的目标框自适应调整跟踪算法。以经典均值漂移算法为主体跟踪框架,构建前景目标颜色直方图,以Bhattacharyya距离与迭代次数作为判断下一帧目标中心位置的条件,每次迭代通过在当前帧目标框区域内建立感兴趣目标与局部背景空间模型,经快速傅里叶变换后计算当前帧与下一帧空间模型,得到尺度调节因子,作为每一帧跟踪窗口大小的权重,进而不断调整跟踪窗口尺度大小。通过自适应调整每一帧跟踪窗口的尺度调节因子,达到实时修正目标模型描述,进而提高跟踪准确性的目的,大大降低了由于目标模型固化导致的中心位置跟踪累积误差。通过对两组图像的序列仿真结果表明,改进算法相比于经典算法具有更强的鲁棒性。 相似文献
2.
采用混合高斯模型算法,以实现背景前景的分离,并利用前景目标的二值化图像计算其轮廓特性,对超过阈值的目标物体进行预警,同时系统为实现良好的可移植性及较快的硬件处理速率,采用软件分层的体系来实现动态物体检测,底层通过V4L2接口实现硬件视频帧的采集,顶层调用opencv视觉库实现混合高斯模型下的前景提取。最后系统实现良好的人机交互界面的设计。 相似文献
3.
4.
在对Kinect采集到的图像进行预处理后,为了实现行人运动目标检测,需要对行人目标进行特征识别,然后将识别分割的区域作为行人目标的备选区域。通过改进的自适应高斯混合模型的背景建模对预处理后的深度图像进行行人目标分割,分离出有用信息,然后利用Freeman链码方法提取连通域轮廓,作为行人目标的人体头部区域,便于后续对行人目标的跟踪与统计研究。试验表明,最终得到的结果达到了预期目标,算法准确性与鲁棒性很好。 相似文献
5.
改进帧差法和背景差法的多目标跟踪 总被引:1,自引:0,他引:1
提出一种将改进的帧差法和改进高斯背景差法相结合来更好地分割出运动目标的算法,其中改进的帧差法是用连续3帧相互帧差之和可有效克服空洞效果;改进高斯背景差法是对像素点的邻域均值替代单个像素点建立高斯背景图像,这样可对光线变化有一定抗干扰能力。将二者结合起来,可较好地跟踪多个运动目标。 相似文献
6.
7.
为了改善常用视频前景提取算法提取到的前景目标存在噪点、空洞,以及边缘不够平滑等缺点,提出对提取到的前景目标图片先进行中值滤波去除噪声与背景波动的干扰,再对图片进行开运算,以减少目标空洞并平滑目标边缘的改进方法。在静态背景下选用单高斯模型和RPCA方法、在动态背景下选用混合高斯模型方法,并加上提出的改进方法进行对比试验。实验结果表明,提出的方法能很好地解决常用算法存在的上述问题,充分证明了该方法的有效性。 相似文献
8.
连续采集多帧视频图像,利用帧间滤波法建立背景图像,并通过改进背景差分算法尽可能地提取完整的目标轮廓,并用链表法表示轮廓特征。提取目标轮廓的HOG特征,通过SVM分类器进行分类,研究分析不同的人体异常行为。该方法可以有效识别出快速移动、弯腰行走、跌倒、跳跃、长时间停留等异常行为。 相似文献
9.
10.
11.
为了能够准确、快速地跟踪运动目标,提出了改进帧间差分与局部Camshift相结合的目标跟踪算法。针对传统帧间差分法在运动目标提取过程中容易产生“空洞”的现象,并且对噪声敏感的问题,提出了三帧差分的运动目标检测算法。首先,利用三帧差分法,将相邻的三帧图像作为一组进行再差分,从而检测出中间帧运动目标的形状轮廓,然后将该区域作为运动目标的模板区域,并将该区域进行适当扩充,最后采用局部Camshift算法进行目标跟踪。实验结果表明,改进的帧间差分可以有效地弥补“空洞”现象,对噪声也起到了一定的抑制作用。同时,该方法克服了传统Camshift算法需要人为选择跟踪区域和容易发散的缺点,达到了预期的目标检测和跟踪效果。 相似文献
12.
《常熟理工学院学报》2016,(4)
针对智能门禁系统的发展需求,提出了一种基于人脸识别的门禁系统.系统首先通过图像采集设备得到目标图像,然后利用空间转换建立目标图像在新空间下的肤色似然图,进而通过二值化、形态学处理并结合特征过滤实现人脸的定位和提取.提取到人脸图像后,利用主成分分析获得待测人脸与数据库的人脸特征并通过相似度度量实现人脸的识别.实验证明,该系统能够有效的实现人脸定位和识别,能够满足智能门禁系统的基本需求. 相似文献
13.
14.
在复杂地物类型背景条件下,多目标跟踪算法通常表现出目标识别与跟踪能力较差问题,特别在被其它地物遮挡后目标跟踪丢失更严重。提出一种改进的基于多源特征提取与特征融合的多目标跟踪算法。为提高目标在复杂背景下的空间分辨力,充分利用对异类物体判别能力较强的高层特征和针对同类不同物体判别能力较强的浅层特征,提高复杂背景下地物目标的识别能力。同时,为了解决物体被遮挡后导致跟踪算法丢失目标问题,利用滤波器获得追踪目标的空间尺度大小,提高跟踪算法的准确性与可靠性。实验表明,多目标跟踪算法识别目标的准确性可达87.5%,误差在[±2.31%]左右,具有良好的尺度估计效果。 相似文献
15.
针对传统MeanShift跟踪算法在进行目标跟踪时,由背景因素带来的定位偏差和缺乏相应的模型更新策略而易陷入局部最小值的情况,提出了两方面的改进措施。一方面在建立目标模型时,对背景像素建立新的模型以弱化对目标模型的影响,另一方面在跟踪过程中,融合目标颜色特征和连续两帧目标中心的欧氏距离动态的决定目标模型更新策略。实验结果表明,该算法在目标姿态、环境光照变化强烈时均能取得较好的跟踪效果。 相似文献
16.
对基于CFA(颜色滤波阵列)模型的篡改检测算法进行了改进。其检测过程为:首先,利用插值算法得到像素位置的预测误差,根据预测误差计算出CFA单元特征;然后,利用EM(期望最大化)算法估计特征模型的参数,算法对篡改位置的均值不做事先确定(从实验来看这种改进具有较好的效果);最后,利用贝叶斯理论计算出每个像素点的似然率,根据似然率的不同来定位篡改区域。在进行单CFA阵列模式检测的情况下,对多种CFA阵列模式的图像也进行了检测分析,实验结果显示,该算法能够对多种CFA阵列模式的图像准确定位篡改区域。 相似文献
17.
基于背景减的Mean shift目标跟踪算法 总被引:1,自引:0,他引:1
江绍明 《内江师范学院学报》2010,25(12):45-48
为了解决初始窗口离跟踪目标较远或受干扰时,容易跟踪失败的问题,提出一种基于背景差的Mean shift跟踪模型的算法.采用背景差提取当前帧运动目标,并在当前帧运动目标位置附近进行Mean shift迭代,以巴氏系数判断当前目标和历史目标的匹配程度,根据匹配结果决定当前帧目标为跟踪目标或新增目标.实验分析,该算法可实现快速、有效目标跟踪. 相似文献
18.
《嘉应学院学报》2017,(8):37-40
鉴于传统的帧差法检测准确率不高,而且在光照变化、噪声干扰时鲁棒性不高,容易造成检测错误等问题,提出了一种改进的视频序列运动目标检测算法.该算法是将混合高斯模型与改进的五帧差分算法相结合:首先改进五帧差分是将当前帧与前2帧、后2帧进行差分二值运算,然后将4个差分的结果轮廓填充,最后进行先"与"再"或"运算;通过将混合高斯建模后得到的运动目标与改进的五帧差分算法得到的运动目标,进行逻辑"与"操作,最后再通过形态学处理检测出运动目标.从实验结果证明,改进的算法既能适应光照的变化,又能有效克服空洞的现象,与同类的算法相比具有更高的鲁棒性和准确率. 相似文献
19.
常用的几种背景提取算法在车流量较大的情况下提取的背景效果较差。在某些目标检测区域较少的场景中,若将所有像素进行检测,会浪费许多时间。针对这些问题,提出一种新的背景提取算法。先将视频帧进行分割,再对分割出的检测带依次进行车辆存在检测,最终自动选取视频中没有车辆的车道块并将其拼接成完整背景帧,最后利用Lab空间色度与亮度相互独立的特性提取目标。该算法能够充分提取前景图像,不会丢失车辆目标。相比传统算法,该算法准确性较高。 相似文献
20.
比较最大似然法与“结合分层技术和SVM监督分类”方法,从神木县OLI图像上识别7种主要植被类型的精度。将神木县7种主要植被类型划入5个专题图层,对图像进行LBV变换后,通过阈值分割获取目标植被类型的概貌图像,以波段L、V、B作为有效特征进行面向对象分割和SVM监督分类,并在分类后执行开、闭运算操作,获得目标植被类型的精确提取结果,将该提取结果作为掩膜区域从原图上去除,重复上述过程依次处理5个专题图层,将各专题层提取结果叠加形成分类图,与最大似然法分类结果进行比较。结果表明,“结合分层技术和SVM监督分类”的方法能够有效降低OLI图像分类后的“椒盐效应”,准确识别神木县7种植被类型,总体分类精度和Kappa系数分别为85.32 %、0.796,较最大似然法分类结果分别提高了16.46%和17.93%。 相似文献