搜索资源列表
mixture_of_gaussians
- 基于改进混合高斯模型的方法进行初始背景的建模及背景更新-Improved Gaussian mixture model-based approach, the initial background modeling and background updates
GMM
- 是opencv 混合高斯模型的原函数，并进行了修改可以实现前景提取并进行背景建模-opencv GMM
person-detection
- 采用混合高斯模型和codebook分别进行背景建模，实现行人检测-person detection, GMM and codebook
gaosi
- 针对现有运动目标检测算法不能很好去除阴影的问题, 在利用混合高斯模型进行目标检测的基础上, 提 出了一种有效的阴影抑制算法。该算法充分考虑了系统噪声和背景模型误差, 并用高斯分布的方差信息估计背景模 型误差, 然后用误差估计值来修正阴影模型, 进而实现阴影抑制。实验结果表明 该阴影抑制算法不受光线强弱、 图像质量、目标大小的限制, 具有较强的适应性, 可以更有效的抑制阴影对运动目标检测的影响。-algorithm h
5
- 了适应跟踪过程中目标光照条件的变化，并对目标特征进行在线更新，提出一种将局部二元模式(LBP) 特征与图像灰度信息相融合，同时结合增量线性判别分析对目标进行跟踪的算法．跟踪开始前，为了获得比较准确的目标描述，使用混合高斯模型和期望最大化算法对目标进行分割；跟踪过程中，通过蒙特卡罗方法对目标区域和背景区域进行采样，并更新特征空间参数．得到目标和背景的最优分类面；最后使用粒子滤波器结合最优分类面对目标状态进行预测．通过光照变化的仿真视频和自然场景视频的跟踪实验，验证了文中算法的有效性．-Trac
GMMtest
- 混合高斯模型，用于多模态场景中的背景前景检测，还特意实现了RGB前景目标的显示，用vs2010+opencv2.3.0开发-Used for background modeling, the gaussian mixture model can display the backgrounds, prospects. Can be used for multimodal,
GMM
- 基于混合高斯背景建模的目标运动意图分析,通过混合高斯背景建模进行前景提取，自己写高斯模型，并非通过OPENCV函数库-motion detection based on GMM method
GMMUD
- 用混合高斯模型对背景进行建模，从而提取背景-update background
The-infrared-target-detection-method
- 本程序采用matlab编码，一共有包括帧间差分法、背景差分法、光流法、混合高斯模型法四种方法来实现红外目标检测的功能，代码检测易懂，适合初学者多多借鉴~-This procedure using matlab coding, a total including the inter-frame difference, background subtraction, optical flow method, Gaussian mixture model approach are four ways
GMm
- 混合高斯模型在运动检测中的应用，检测视频中的运动物体，做出其背景图像和前景图像-Gaussian mixture model in motion detection to detect moving objects in the video to make the background image and the foreground image
GuassianBackground
- 功能是用混合高斯模型实现视频图像的背景建模！vs2010和opencv实现！-Function is Gaussian mixture model, background modeling video images! vs2010 and opencv realize!
Laplace
- 传统的短时谱估计语音增强算法通常假设语音谱分量相互独立，没有考虑语音谱分量间的相关性。针对这 一问题，该文提出一种新的基于多元Laplace分布模型的短时谱估计算法。首先，假设语音的离散余弦变换(DCT) 系数服从多元Laplace分布，以此利用谱分量间的相关性；在此基础上，利用多元随机矢量的高斯尺度混合模型表 示，推导得到语音DCT系数矢量的最小均方误差(MMSE)估计的解析表达式；并进一步推导了基于该分布模型的 语音存在概率，对最小均方误差估计子进行修正。实验结果表明，该算法
guassian
- 混合高斯背景模型，背景差法，检测运动目标，环境VC2008，Opencv，前景与背景分开显示-Gaussian mixture background model background subtraction method to detect moving targets
abc
- 基于混合高斯模型背景建模法来检测运动目标-Gaussian mixture model-based background modeling method to detect moving targets
gmm
- 混合高斯模型使用K（基本为3到5个） 个高斯模型来表征图像中各个像素点的特征,在新一帧图像获得后更新混合高斯模型,用当前图像中的每个像素点与混合高斯模型匹配,如果成功则判定该点为背景点, 否则为前景点。通观整个高斯模型，他主要是有方差和均值两个参数决定，,对均值和方差的学习,采取不同的学习机制,将直接影响到模型的稳定性、精确性和收敛性。由于我们是对运动目标的背景提取建模，因此需要对高斯模型中方差和均值两个参数实时更新。为提高模型的学习能力,改进方法对均值和方差的更新采用不同的学习率 为提高在繁忙
GUASSIANS
- 运动目标检车背景建模，基于混合高斯模型，附有应用的图片-Moving target inspection car background modeling, Gaussian mixture model, with a picture of the application
background-model6
- 针对子块级背景建模方法无法保证所提取前景形状的精确性及像素级背景建模方法无法有效处理非平稳场景的问题，提出了一种背景建模分层模型，首先采用文中子块级建模算法得到较为粗糙的背景区域和前景区域，然后利用混合高斯模型对特定图像区域执行像素级的前景提纯或背景模型更新操作，2 种不同层次的算法通过非 对称前向反馈机制进行级联。实验结果表明，所提分层模型在能够有效处理非平稳场景的同时保证了所提取前景 形状的精确性，且对光照突变不敏感，建模效果优于级联算法中任一独立算法，而处理时间小于2 种独立算法处
code
- 简单的运动目标检测,混合高斯模型，背景差分帧间差分-Simple Moving Target Detection
single-gaussian-background-model
- 单高斯模型是一种图像处理背景提取的处理方法，适用于背景单一不变的场合，其他如混合高斯模型等方法都是对单高斯模型的扩展，单以单高斯模型最为简便，而且采取参数迭代方式，不用每次都进行建模处理。-Single gaussian model is a kind of processing methods of background extraction, image processing is suitable for the single constant background, other meth
Gauss
- 背景建模 混合高斯模型 opencv代码和matlab代码-Background modeling Gaussian mixture model opencv code and matlab code