• 图片出处
文献标题: 交通监控中的运动人体目标检测与跟踪
文献来源: 卢岩  中国科学院研究生院(长春光学精密机械与物理研究所)  2011年
文献关键词: 运动目标检测人体识别目标跟踪核密度函数 Adaboost非参概率密度模型Mean Shift
文献摘要: 运动人体目标的检测与跟踪是当前图像处理和计算机视觉领域研究的热点之一,广泛应用于安保监控、海关缉私、反恐、军事等领域。运动人体目标的检测与跟踪按照实现的功能可划分成3个步骤:(1)运动目标的检测;(2)人体目标的识别;(3)目标的跟踪。本文专注于交通监控应用场合,从这三大步骤入手,分别对各部分实现的功能和常用的算法进行分析,并针对现行算法中存在的不足提出了相应的改进算法,最终完整的搭建了运动人体目标检测与跟踪系统的软、硬件平台。本文完成的主要工作和贡献有: 1.在进行基于高斯核密度的运动目标检测中,针对现行背景建模方法无法区分背景中的运动目标和周期性干扰,从而导致建模不正确的问题提出了一种基于八邻域背景集的背景建模方法,该方法通过分析周期性干扰和运动目标产生的不同原因,将目标像素及其周围8邻域像素联合建立背景集合,通过判断当前帧像素的灰度值与背景集合的差分关系区分背景中存在的运动目标和周期性干扰。实验结果表明,该方法有效的区分背景中存在的运动目标和周期性干扰,可以为基于高斯核密度的运动目标检测提供良好的背景样本集。 2.在进行人体目标识别算法地研究中,针对传统的Adaboost算法在进行样本训练时计算量过大的问题,提出了一种基于分类误差?
全文图片
  • 正在努力加载………
    加载完成