搜索资源列表
OPENCV_GMM
- 基于OPENCV的GMM算法，通过时间推移建立视频图像的高斯混合背景模型，并可有效检测其中的运动目标。
skeleton-motion
- 在计算机视觉领域，人体运动分析的研究具有相当广泛的应用前景。由于人体运动的复杂性，已有的研究方法都对研究对象—人体，加上了许多限制条件。本文中提出了一种新的方法来获得各类人体运动的信息。本文主要论述了该方法中对人体三维运动骨架的重建部分，其基本思想是在摄相机定标的基础上，应用三维人体模型知识和运动连续性依次建立每个图象的人体运动骨架。-In the field of computer vision, human motion analysis with a wide range of appli
video-partical
- 提出一种人体运动跟踪算法,从无关节标记的单目视频中获取人体运动1 利用一个带外观模板的人体关节 模型,通过学习得到的运动模型及基于外观模型的相似性计算,巧妙地利用粒子滤波的概率密度传播策略鲁棒地跟 踪普通单目视频中的人体运动1 当出现跟踪丢失时,能在后续序列中自动恢复正确跟踪,且能较好地处理遮挡和自 遮挡问题1 实验表明,该算法鲁棒性好,跟踪结果令人满意- In this paper , a novel approach is proposed for t racking marke
GMM3
- 基于混合高斯模型的运动目标检测，能实时检测出完整运动前景，是本人对原来的高斯模型的改进-Gaussian mixture model based motion detection, real-time full motion detection prospects are my original Gaussian model improvements
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