搜索资源列表
lhgcxgmm.rar
- 自己采用opencv编写的程序，该程序主要实现运动目标的检测，采用背景减法里面的GMM混合高斯模型,Opencv prepared to adopt its own procedures, the procedures for major sports achieve target detection using background subtraction inside GMM Gaussian Mixture Model
code.rar
- 视频运动物体检测，采用混合高斯分布建立背景模型及差分方法对背景模型进行更新,Sports video object detection, adopt a mixed Gaussian distribution model and set up the background difference method to update the background model
Background_GMM.rar
- 混合高斯模型，建立背景模型，从而可以分离前景与背景,Gaussian mixture model, background model, which can be separated from foreground and background
backgroundSubtraction_v0
- 基于graphcut的背景建模程序，其中具备阴影去除功能，建模时对rgb三个颜色通道进行了高斯模型训练。程序需要OpenCV 1.0 的支持。-This is a C implementation of background subtraction given a set of background frames as a training set.The background model is per-pixel RGB space Gaussian, assuming independenc
1
- 自适应核密度估计运动检测方法 提出一种自适应的核密度(kernel density estimation, KDE)估计运动检测算法. 算法首先提出一种自适应前景、背景阈值的双阈值选择方法, 用于像素分类. 该方法用双阈值能克服用单阈值分类存在的不足, 阈值的选择能自适应进行, 且能适应不同的场景. 在此基础上, 本文提出了基于概率的背景更新模型, 按照像素的概率来更新背景, 并利用帧间差分背景模型和KDE分类结果, 来解决背景更新中的死锁问题, 同时检测背景的突然变化. 实验证明了所提出
opencvBackgroundExtraction
- 利用opencv 的 高斯模型来进行背景建模，在背景变化不大的情况下工作的不错。最好能有几帧纯粹的背景用于建模，这样效果会更好。-build the background model using Gaussian in opencv. some static background will make it works better
BackgroundSubtractionLibrary
- 基于混合高斯模型的背景消除 利用混合高斯背景建模进行运动物体检测, 同时引入共轭先验以改进权值更新方程-Gaussian mixture model based on the background to eliminate the use of Gaussian mixture background modeling for moving object detection, while the introduction of conjugate a priori weights to imp
backmodel
- EM-GMM建立背景模型，用于运动物体检测，侵入检测等-EM-GMM background model set up for moving object detection, intrusion detection, etc.
Gauss
- 关于视频跟踪，高斯模型建立，背景模型更新。-With regard to video tracking, Gaussian modeling, background model update.
matlabGMM
- 用matlab编的混合高斯模型的背景建模方法，可以参考一下。-Matlab compiled using a mixed Gaussian model of background modeling method, you can reference.
7788
- 大名鼎鼎的方帅的博士学位论文---目前,计算机智能视频监控在理论和应用上都面临着很多难题,国内外大批学者投身于该领域的研究和探索,并且取得了大量的成果.本文是在这些成果的基础上,对计算机智能视频监控系统的关键技术进行研究.主要贡献可概括如下:首先,对目标检测技术进行了研究,并提出了一种基于背景建模的运动目标检测算法.利用统计的方法建立了基于颜色和颜色梯度的背景模型,并实时地对背景模型进行更新,最后将这两种背景模型综合考虑对目标进行了有效的检测.接着,研究了复杂背景下多目标跟踪问题,提出了基于蒙特
Gauss-background
- 基于混合高斯背景模型的背景剪除法，可以对背景进行实时的更新实现对前景的检测-Background model based on Gaussian mixture background pruning method, the background can be updated in real time to achieve the detection of future
Background-model--program
- 基于自适应背景模型的背景建模程序，包括图像滤波，图像增强，形态学处理和连通性分析等处理-Background model based on adaptive background modeling procedures, including image filtering, image enhancement, morphological processing and connectivity analysis process
Averaging-background-Method
- 第一段代码：只建立一个背景模型，摄像头不能动。首先累加前 T 帧图像，求均值，作为背景，然后当前帧减去求的背景，即为前景。 //Averaging background Method. 第二段代码：不断更新背景，摄像头可以动。-The first piece of code: create a background model, the camera can not move. First of all, cumulative T frame averaging, as a backgrou
Gaussian-background
- opencv下写的关于高斯背景的程序，是目标检测的较好的方法，可以构建高斯背景模型，再利用背景剪除法，即可获得运动目标。-procedures the opencv to write on the Gaussian background, is a better target detection method can build the Gaussian background model, re-use background pruning method, you can get a movin
Gaussian-background-model
- 基于高斯背景模型的车辆检测改进算法 基于高斯背景模型的车辆检测改进算法-Gaussian background model based vehicle detection algorithm Gaussian background model based vehicle detection algorithm
background-model3
- 针对背景差法易受外界环境因素影响的缺点, 提出了一种基于改进K-均值聚类的背景建模方法。通过比较任意样本与该像素位置处的子类中心之间的距离, 对各个像素的观察值进行聚类, 并在聚类过程中逐步确定其类别数。一段时间的学习之后, 样本数最多的子类就构成了背景模型。仿真结果表明, 该算法即使在运动目标存在的情况下也能准确的提取出实际的 背景, 而且显著地降低了系统的存储量。-Aimed at the disadvantage that background subtraction was liab
background-model4
- 提出了一种基于模型切换的背景建模方法(M SBM ).该方法以嫡图像为纽带, 实现了不同精细程度的背景模型在空间上的自适应选取和在时间上的自适应切换.对于亮度分布复杂度高的背景区域采用精细的模型以保证运动目标检测的精度,反之采用简单的模型以降低计算量 .通过模型结构自适应结合参数自适应, 很好地兼顾了检测精度和计算代价.墓于高斯混合模型和时间平均模型的双模型切换式运动目标检测算法被用于实验研究, 结果表明这种算法的检测效果和单独采用高斯混合模型的检测效果相当, 而计算速度却比后者提高很多-P
av-background
- 初始化 统计背景模型，用背景差法提取前景图像，并使得背景不断刷新-First initialized, statistical background model, background difference to extract foreground and background model constantly refreshed
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