搜索资源列表
mubiaojiance
- 用MATLAB程序对视频中的运动目标进行检测 取得了不错的效果 首先利用统计的方法得到背景模型,并实时地对背景模型进行更新以适应光线变化和场景本身的变化,用形态学方法和检测连通域面积进行后处理,消除噪声和背景扰动带来的影响,在HSV色度空间下检测阴影,得到准确的运动目标。-Using matlab to detect the moving target in viedo, and get good effect
mixture_of_gaussians
- 完整的混合高斯模型,能够很好的尽力背景模型-Complete Gaussian mixture model, very good to try to background model
averagebackground
- 利用平均值法建立模型,再用减除法减去背景模型-failed to translate
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
GaussDetect
- 基于高斯混合运动背景模型的运动目标检测和跟踪源程序-Moving target detection and tracking the source of the background model based on Gaussian mixture motion
gaussianBkModelTest
- 混合高斯背景模型,用于前景提取,对复杂光线等因素鲁棒性较好-The mixed Gaussian background model for prospects extract better robustness of complex lighting and other factors
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
ShadowRemove1203
- 在灰度值的基础上建立多高斯的背景模型,然后进行影子检测并消除-shadow eliminate Based on the multi-Gaussian background
TestCodeBookEx2
- Codebook 码本VC实现,背景模型建模,对于视频监视,提取运动物体-background model using code book
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
yanjiu
- 关于自适应高斯混合背景模型的更新算法的研究-About adaptive Gaussian mixture background model update algorithm
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
gaussian2
- 利用opencv对图像的高斯背景源码进行修改,得到高斯背景模型-use opencv to find the gauss modle
Predict_duffing_with_bp
- 利用matlab自带的BP神经网络工具箱对duffing混沌背景模型进行相空间重构与预测,程序中已经给出duffing函数,主函数中也给出了主要注释,方便大家学习交流。-BP' s own use matlab neural network toolbox for duffing chaotic background model and prediction of phase space reconstruction, the program has been given duffing
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
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
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
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
m9
- 基于像素的背景建模方法速度较快但不能很好地描述背景运动,光流能准确描述物体运动但计算量大,难以满足实时的要求.提出一种结合基于像素的背景建模方法速度快以及光流描述物体运动准确优点的背景建模和目标检测方法.具体来说,为静止背景建立传统基于像素的灰度背景模型,为运动背景建立光流背景模型,通过2种背景模型的有效结合快速准确地实现目标检测.实验结果表明,提出的方法建模速度与基于像素背景建模方法相当,同时,又有光流准确描述背景运动的优点,综合性能超越上述2种方法.-Faster but not a goo