检索结果-内蒙古大学图书馆

计算机仿真 2014年第5期31卷 378-384,392页

作者：邱联奎刘启亮赵予龙李冠杰河南科技大学电子信息工程学院河南洛阳471023

针对当前混合高斯背景模型运动目标检测中的更新率小、自适应学习率取值范围过窄、帧间差分引入噪声及背景模型更新没有选择性等缺点,提出了一种混合高斯背景模型运动目标检测的改进算法。在传统混合高斯的基础上,对更新率和方差值进行... 详细信息

针对当前混合高斯背景模型运动目标检测中的更新率小、自适应学习率取值范围过窄、帧间差分引入噪声及背景模型更新没有选择性等缺点,提出了一种混合高斯背景模型运动目标检测的改进算法。在传统混合高斯的基础上,对更新率和方差值进行改进,以适应外界环境的变化;根据像素的连通区域,在线更新学习率和去除噪声;通过引用改进的三帧差分法,实现了对背景模型的选择性更新,减少减弱帧间差分引入噪声以及缓慢运动目标对背景的影响;利用色度信息消除阴影,得到较为精确的运动目标。实验结果表明,改进算法效果良好。

关键词：混合高斯背景模型运动目标检测三帧差分噪声去除背景更新

来源：评论

学校读者我要写书评

暂无评论

基于混合高斯背景模型的SF6泄漏自动检测

引用

西北大学学报（自然科学版） 2014年第3期44卷 379-382页

作者：蔺丽华吴冬梅李杰刘健西安科技大学通信与信息工程学院陕西西安710054 陕西电力科学研究院陕西西安710054

为了能够针对可能发生的SF6泄漏情况,进行连续及时的无人监测,基于红外辐射成像技术提出一种自动检漏方法。利用SF6泄漏在红外视频中类似烟雾的动态特性,采用混合高斯背景建模的方法进行SF6气体的泄漏检测,并基于数学形态学方法去除斑... 详细信息

为了能够针对可能发生的SF6泄漏情况,进行连续及时的无人监测,基于红外辐射成像技术提出一种自动检漏方法。利用SF6泄漏在红外视频中类似烟雾的动态特性,采用混合高斯背景建模的方法进行SF6气体的泄漏检测,并基于数学形态学方法去除斑点等噪声,完成对泄漏区域的自动标记定位。通过对多个红外气体成像检漏仪采集到的SF6视频进行泄漏检测,实验结果表明,该方法能克服光线变化等背景扰动影响,实现泄漏点的检测和定位。

关键词：高压电气设备 SF6气体红外视频图像泄漏检测混合高斯背景模型

来源：评论

学校读者我要写书评

暂无评论

自适应混合高斯背景模型的改进

引用

计算机应用 2007年第8期27卷 2014-2017页

作者：李全民张运楚山东建筑大学信息与电气工程学院济南250101

对自适应混合高斯背景模型进行了改进,将背景重构和前景消融时间控制机制整合到传统自适应混合高斯背景模型中,以提高运动分割的质量。背景重构算法从含有运动物体的动态场景视频序列中重构静态背景图像,然后用重构的静态背景图像初始... 详细信息

对自适应混合高斯背景模型进行了改进,将背景重构和前景消融时间控制机制整合到传统自适应混合高斯背景模型中,以提高运动分割的质量。背景重构算法从含有运动物体的动态场景视频序列中重构静态背景图像,然后用重构的静态背景图像初始化自适应混合高斯背景模型;而前景消融时间控制机制则使运动物体停止时的前景消融时间独立于背景模型的学习速率,从而可以根据需要调节前景消融的持续时间。实验结果表明了算法的有效性。

关键词：视觉监控运动分割混合高斯背景模型背景重构

来源：评论

学校读者我要写书评

暂无评论

动态场景中的改进混合高斯背景模型

引用

计算机工程 2012年第8期38卷 10-12,15页

作者：何亮明覃荣华巩思亮王营冠中国科学院上海微系统与信息技术研究所上海200050

提出一种应用于运动目标检测的改进混合高斯背景模型。在背景模型更新过程中,通过调整阈值,降低单模态背景的误检率。在运动目标检测时,融合统计差分法和时域差分法,降低多模态背景像素的误检率。实验结果表明,改进模型能有效解决由复... 详细信息

提出一种应用于运动目标检测的改进混合高斯背景模型。在背景模型更新过程中,通过调整阈值,降低单模态背景的误检率。在运动目标检测时,融合统计差分法和时域差分法,降低多模态背景像素的误检率。实验结果表明,改进模型能有效解决由复杂动态背景引起的误检问题,具有较好的检测性能。

关键词：目标检测混合高斯背景模型多模态背景参数估计数据融合

来源：评论

学校读者我要写书评

暂无评论

一种基于混合高斯背景模型的降水云团检测方法

一种基于混合高斯背景模型的降水云团检测方法

引用

作者：陈晓楠索继东赵欢欢 116026 辽宁省大连市高新园区凌海路1号

本发明提供一种基于混合高斯背景模型的降水云团检测方法，包括以下步骤：通过形态学处理方法去除干扰、近程静态强回波并将地理信息叠加至底图；基于混合高斯背景模型进行背景建模；所述混合高斯背景建模通过K个高斯模型表示图像中的... 详细信息

标准号: CN110443830B

本发明提供一种基于混合高斯背景模型的降水云团检测方法，包括以下步骤：通过形态学处理方法去除干扰、近程静态强回波并将地理信息叠加至底图；基于混合高斯背景模型进行背景建模；所述混合高斯背景建模通过K个高斯模型表示图像中的每一个像素点；输入视频，获取新的视频帧图形，在获取新的一帧图像后更新调整高斯分布的权重建立背景模型，使用当前图像的每一个像素点与混合高斯模型进行匹配，若匹配成功则判定该像素点为背景像素点，否则认为是目标像素点。检测并获取降水云团的轮廓信息。本发明混合高斯背景模型检测算法满足降水云团检测的实时性和准确性要求，良好的检测效果为下一章降水云团的特征提取与跟踪奠定了可靠的基础。

关键词：混合高斯背景模型像素点检测降水混合高斯背景混合高斯模型形态学处理准确性要求背景建模背景模型背景像素表示图像地理信息高斯分布高斯模型检测算法轮廓信息目标像素匹配成功输入视频特征提取实时性视频帧帧图像回波建模权重去除叠加匹配判定图像跟踪更新

来源：评论

学校读者我要写书评

暂无评论

一种基于混合高斯背景模型的降水云团检测方法

一种基于混合高斯背景模型的降水云团检测方法

引用

作者：陈晓楠索继东赵欢欢 116026辽宁省大连市高新园区凌海路1号

标准号: CN110443830A

来源：评论

学校读者我要写书评

暂无评论

基于混合高斯背景模型的运动目标检测

引用

无线互联科技 2012年第9期9卷 112-112,114页

作者：刘娜长江师范学院重庆408100

运动目标检测是计算机视觉、图像理解、目标跟踪等领域非常重要的研究内容。为了能够及时检测到图像场景中的运动目标,本文选择建立混合高斯背景模型作为检测运动目标的方法,该方法能有效的提取出运动的目标及其携带的运动信息,取得比... 详细信息

运动目标检测是计算机视觉、图像理解、目标跟踪等领域非常重要的研究内容。为了能够及时检测到图像场景中的运动目标,本文选择建立混合高斯背景模型作为检测运动目标的方法,该方法能有效的提取出运动的目标及其携带的运动信息,取得比较好的效果。

关键词：混合高斯背景模型运动目标背景建模

来源：评论

学校读者我要写书评

暂无评论

高斯背景模型与均值漂移跟踪结合的运动目标统计方法

高斯背景模型与均值漂移跟踪结合的运动目标统计方法

引用

作者：徐明道刘建文刁奇赵亮林巍韩波牟懋竹 264003 山东省烟台市高新区航天路513号

本发明公开了一种高斯背景模型与均值漂移跟踪结合的运动目标统计方法，首先采集1～T时刻的序列图像；建立空的跟踪队列；t由1取至T，对t时刻图像执行步骤1～4：1、采用改进的混合高斯背景模型从t时刻图像分离出背景像素和前景像素，获... 详细信息

标准号: CN104077779B

本发明公开了一种高斯背景模型与均值漂移跟踪结合的运动目标统计方法，首先采集1～T时刻的序列图像；建立空的跟踪队列；t由1取至T，对t时刻图像执行步骤1～4：1、采用改进的混合高斯背景模型从t时刻图像分离出背景像素和前景像素，获得二值化图像A；2、采用形态学开运算和闭运算去除A中独立前景像素，填充前景空洞，得到图像B；3、对于B进行连通域分析，获得前景轮廓；4、以前景轮廓的外接矩形作为当前目标窗口，若当前目标窗口与跟踪队列中的已有目标窗口没有重叠，则将当前目标窗口添加至跟踪队列作为已有目标窗口，统计加1；采用均值漂移跟踪的方法对跟踪队列中的已有目标窗口进行跟踪和更新。

关键词：目标窗口跟踪队列漂移前景轮廓前景像素混合高斯背景模型形态学图像高斯背景模型二值化图像连通域分析背景像素图像分离外接矩形序列图像运动目标闭运算开运算去除填充空洞统计采集更新改进

来源：评论

学校读者我要写书评

暂无评论

采用颜色混合模型和特征组合的视频烟雾检测

引用

光电子．激光 2017年第7期28卷 751-758页

作者：唐杰周洋杨萌唐向宏杭州电子科技大学通信工程学院浙江杭州310018

提出了一种采用烟雾颜色混合模型和多特征组合的视频烟雾检测算法。首先利用混合高斯背景模型提取烟雾视频的运动区域;然后使用新的烟雾颜色混合模型从运动区域中确定出疑似烟雾区域;最后采用烟雾的动态特征(运动速度均值和方差,运动方... 详细信息

提出了一种采用烟雾颜色混合模型和多特征组合的视频烟雾检测算法。首先利用混合高斯背景模型提取烟雾视频的运动区域;然后使用新的烟雾颜色混合模型从运动区域中确定出疑似烟雾区域;最后采用烟雾的动态特征(运动速度均值和方差,运动方向,面积增长率)组合分析对疑似烟雾区域进行烟雾识别,剔除非烟雾区域。通过不同类型烟雾视频的实验结果表明:对于光照正常,烟雾浓的烟雾类型,本文算法取得了96.57%平均检测成功率;对于光照弱或烟雾浓度稀薄的烟雾类型,本文算法取得了87.67%平均检测成功率。

关键词：烟雾检测混合高斯背景模型烟雾颜色混合模型动态特征

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的循环水养殖鳗鲡(Anguilla)行为状态识别的研究

引用

海洋与湖沼 2023年第6期54卷 1746-1755页

作者：许志扬江兴龙林茜李凯集美大学水产学院福建厦门361021 鳗鲡现代产业技术教育部工程研究中心福建厦门361021

对鱼类的行为进行智能监测,精准地量化与识别其健康状态,已成为研究热点。为实现养殖鳗鲡行为状态精准识别,提出一种基于DenseNet双流卷积神经网络的鳗鲡行为状态检测方法。利用混合高斯背景模型进行前景提取构建数据集,针对传统卷积神... 详细信息

对鱼类的行为进行智能监测,精准地量化与识别其健康状态,已成为研究热点。为实现养殖鳗鲡行为状态精准识别,提出一种基于DenseNet双流卷积神经网络的鳗鲡行为状态检测方法。利用混合高斯背景模型进行前景提取构建数据集,针对传统卷积神经网络对于时间动态信息提取能力有限的问题,搭建关联空间特征与时间特征的双流网络结构(Two-stream),并使用DenseNet-121网络替换原网络,对比VGGNet、ResNet等网络,通过密集连接实现特征重用,在搭建更深的网络结构基础上加强了运动特征传递并减少了参数量,更好地提取具有代表性的行为特征。传统双流网络在两端的softmax层仅作简单的决策层平均融合,无法更深程度关联时空高级特征,提出在网络卷积层提取空间特征与时间特征后,加上一层卷积层将时空特征进行卷积融合以提升模型识别精度。实验结果表明:文中提出的基于DenseNet双流卷积神经网络对6种鳗鲡行为状态检测方法准确率达到96.8%,相较于单通道的空间流与时间流网络,准确率分别提升了10.1%和9.5%;相较于以VGGNet、ResNet搭建的双流网络,准确率分别提升了12.4%和4.2%;与决策层平均融合、特征层拼接融合的方式相比,时空特征卷积融合方式准确率分别提升了2.5%和1.7%。

关键词：鳗鲡行为状态混合高斯背景模型 DenseNet-121 双流网络结构卷积融合

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：