资源列表
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
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
temp
- opencv中 二值图像的连通性标记 八连通 鲁棒性很不错-Opencv binary image connectivity in the tag Eight connectivity robustness is not very good
backgroud-model2
- 针对传统背景建模存在的问题，文中基于低秩矩阵恢复原理，直接从视频序列中分离出前景物体和背景模型。已有低秩矩阵恢复算法的迭代计算过程中涉及大量的奇异值分解，而这些奇异值分解一般非常耗时且不够简洁，文中在非精确增广拉格朗日乘子法中引入线性时间奇异值分解算法，以得到更加有效的背景建模算法。基于 实际视频序列实验，结果表明该改进算法具有更好的建模效果和较少的运算时间。-In this paper，a novel method is present based on low-rank matrix r
LBF
- LBF模型,基于MATLAB环境简单的LBF模型的实现。-LBF model, the realization of the LBF model based on MATLAB is simple.
background-modeling
- 随着智能监控技术的快速发展, 基于数字视频的智能视频监控系统代替原来的人力监控在越来越多的公共场所获得了应用。然而, 在实际的户外监控环境下, 由于光线变化以及初始背景样本的多样性, 难以建立良好的背景样本。针对上述问题, 提出了一种自适应的背景建模方法。其中自适应指两个方面: 第一 背景的自动更新 第二, 不需要使用背景帧样本作为模型训练的输人。在此基础上, 建立了针对户外交通环境的智能车辆监控系统。实验结果表明, 上述方法在动态场景的车辆检测中取得了较好的效果。-With the rapid
ExtractKeyFrame
- 关键帧提取的matlab代码 -The key frame extraction matlab code key frame extraction matlab code
pingguofenge
- 图像的灰度图形，直方图，最小误差贝叶斯判别。-Grayscale graphic image, histogram, the minimum error Bayes discriminant.
work
- 计算三角形、正方形、正六边形、正八边形、数字手势0~6图像的外观比，形状因子、形状性、圆形度-Calculating triangle, square, hexagon, octagon, digital image gesture 0-6 aspect ratio, the shape factor, the shape of the circularity
ditong
- 频域低通滤波器去噪，包括指数滤波，巴斯沃特以及理想低通滤波器-Frequency-domain low-pass filter de-noising, including index filtering, Bath Waters and an ideal low-pass filter
zishiying
- 一种自适应中值滤波图像去噪，比普通的中值滤波对椒盐噪声的去噪效果好-An adaptive median filter denoising, better than the average median filtering effect of the salt and pepper noise denoising
bifilter2.m
- 2D双边高斯滤波，采用强度和位置信息进行加权去噪，并能保留一定边缘。-2D Gaussian bilateral filter by using intensity and distance information, edge preserving.