搜索资源列表
GMM
- 运用OpenCV2.0编辑混合高斯背景建模，能够较好的识别四个视频中的运动前景和背景，在一定程度的背景复杂度下，能够较准确检测。-The use OpenCV2.0 edit Gaussian mixture background modeling, and better identification of four video movement in the foreground and background, the background of a certain degree of com
DM6437-GMM
- 在DM6437上借助VLIB实现高斯背景建模-With the DM6437 on VLIB Gaussian background modeling
Capston
- GMM background subtraction
GMM
- 利用混合高斯进行背景建模，实现运动目标检测-Gaussian mixture background modeling, moving target detection
gmm
- 混合高斯背景建模C++源程序 在进行前景检测前，先对背景进行训练，对图像中每个背景采用一个混合高斯模型进行模拟，每个背景的混合高斯的个数可以自适应。-Before the the mixed Gaussian background the modeling C++ source. During foreground detection, background training, each background image using a Gaussian mixture model simu
GMM
- 混合高斯背景建模，可以把连续帧图片前景与背景区分开来-Mixed gaussian background modeling, can continuous frame picture foreground and background to distinguish
gmm
- Background Subtraction using Adaptive Gaussian Mixture Model
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
GMM
- 混合高斯背景建模方面不错在资料，值得参考-Gaussian mixture background modeling in the data, it is also useful
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
GMM
- 利用混合高斯法将视频提取背景 并做降噪膨胀腐蚀处理 附有视频文件 -GMM method to extract the video and do the background noise expansion corrosion treatment with video files
classicalmog
- 根据GMM经典论文Adaptive background mixture models for real-time tracking写的matlab源码，利用GMM背景建模并提取车辆，完全忠实于原论文-According GMM classic paper Adaptive background mixture models for real-time tracking matlab source code written using GMM background modeling and ex
background-update-opencv
- 基于混合高斯的背景更新,并保存所获得的前景、背景图片 ，开发环境为Opencv2.3+vs2010-background update by GMM
GMM
- 高斯混合滤波建模，基于opencv，用于背景建模，前景检测-Gaussian mixture filter modeling, based on opencv, for background modeling, foreground detection
GMM
- 内含visual C++和MATLAB代码，利用高斯呼喝模型进行背景建模，自适应确定高斯分量的个数，由Z.Zivkovic开发，相关文章是 Improved adaptive Gausian mixture model for background subtraction-Containing visual C++ and MATLAB code, the use of Gaussian background modeling feeding model, adaptive determine
GMM
- 针对摄像机固定下的复杂背景环境，对采集到的视频图像的图像数据用混合高斯背景建模方法实现前景/背景分割，实现运动目标检测和跟踪。在进行前景检测前，先对背景进行训练，对图像中每个背景采用一个混合高斯模型进行模拟，每个背景的混合高斯的个数可以自适应。然后在测试阶段，对新来的像素进行GMM匹配，如果该像素值能够匹配其中一个高斯，则认为是背景，否则认为是前景。由于整个过程GMM模型在不断更新学习中，所以对动态背景有一定的鲁棒性。最后通过对一个有树枝摇摆的动态背景进行前景检测，取得了较好的效果。-For c
Gmm
- 利用高斯混合模型（gmm）实现了目标与背景的分离以及前景的跟踪。-Gaussian mixture model (gmm) to achieve the objectives and background of the separation and the prospect of tracking.
GMM
- 使用背景减进行前景提取，并进行人群密度检测-Foreground extracted using background subtraction, and crowd density detection
GMM
- 混合高斯背景建模,检测效果很好，拖尾现象几乎没有。-background modeling
GMMbkg
- 采用GMM模型进行视频背景提取，根据opencv的函数改写的-GMM background extraction