面向智能視頻監(jiān)控的高動態(tài)場景建模和修復(fù).pdf_第1頁
已閱讀1頁,還剩81頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、在智能視頻監(jiān)控中,場景建模和修復(fù)是目標(biāo)檢測和場景理解的核心內(nèi)容。計算機視覺科技的進(jìn)步使得背景建模的算法日臻成熟,對于普通場景中的前景物體變化都能做到較為準(zhǔn)確的識別。但在視頻監(jiān)控中常常存在著一些復(fù)雜高動態(tài)的場景,其中前景在時域和空域中的比例都要大于背景,目前流行的背景建模算法難以做到實時、準(zhǔn)確地建模。針對此問題,本文提出了一種基于“像素-模型”(Pixel to Model,P2M)距離的無參數(shù)背景模型。本論文在學(xué)術(shù)上的主要貢獻(xiàn)如下。

2、r>  1.本文提出了一種全新的像素表達(dá)框架:基于壓縮感知的理論,利用圖像中各點上下文信息,通過提取局部特征的方式來對中心像素進(jìn)行建模。本文分析了之前多種基于色彩值的背景建模方式,針對其局限性提出了引入空域信息對像素點進(jìn)行建模的方法,并使用壓縮感知的方法解決其面臨的巨大計算量的問題,將廣義的Haar-like特征引入背景建模,完成本文背景建模中像素點的特征表達(dá)。通過引入基于紋理和邊緣的圖像上下文信息,本文的背景模型在前景檢測上比單像素色

3、彩模型更為準(zhǔn)確,在監(jiān)控行業(yè)常見的高動態(tài)場景中的魯棒性也有所提高。
  2.針對先前的“像素-像素”背景建模方法的不足,本文提出了“像素-模型”距離的概念,以量化像素點和背景模型之間的相似度。該量化方式是本文前景分割和模型更新的基礎(chǔ)。同時,本文使用了最小和最大“像素-模型”距離來對像素點以及其鄰域像素點的背景模型進(jìn)行更新,并對其中一些參數(shù)的自適應(yīng)性做了推導(dǎo)和說明。在復(fù)雜高動態(tài)環(huán)境的前景分割實驗中,該模型優(yōu)于主流的四種背景建模方法;在

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論