基于梯度的GMM算法研究.pdf_第1頁
已閱讀1頁，還剩44頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：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，請進行舉報或認領

文檔簡介

1、本文在分析了常用的運動檢測算法基礎上,概要性地介紹了常用運動檢測算法原理及優(yōu)缺點,提出了一種基于梯度的具有良好的魯棒性的GMM運動目標檢測算法。首先,研究了背景建模方法中的高斯混合模型,針對高斯混合模型無法適應較快的光線變化的問題從模型的建立、參數(shù)的更新和前景的提取三個方面進行了原理上的剖析。接著,針對高斯混合模型僅僅根據(jù)像素級的信息進行建模的不足,提出了區(qū)域級的基于梯度信息的高斯混合模型改進算法。最后,通過圖像梯度信息擴展了高斯混合模

2、型算法,利用高斯混合模型的參數(shù)分別構建了基于顏色的背景模型和基于梯度的背景模型。并通過區(qū)域級的處理結合兩個模型的結果來檢測出由光照引起的誤檢測區(qū)域,從而除去前景中光線的影響。
　　對文中提出的算法在Windows平臺,利用VisualStudio2008和OpenCV開發(fā)包采用C語言進行了程序開發(fā)。通過對實際交通視頻序列進行仿真實驗,對比和分析了GMM算法和本文算法的性能。實驗結果表明,本文算法在保留了高斯混合模型的形式靈活、識別

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)容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權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)容負責。
  • 6. 下載文件中如有侵權或不適當內(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確性、安全性和完整性, 同時也不承擔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