期刊文献+

基于颜色和梯度特征的混合高斯模型的运动目标检测算法 被引量:1

Moving object detection algorithm based on color and gradient of gaussian mixture model
下载PDF
导出
摘要 运动目标检测是视频监控系统的重要组成部分,针对传统的基于混合高斯模型(GMM)的运动目标检测方法存在的不足,提出一种基于颜色和梯度特征相结合的混合高斯模型的运动目标检测算法。该算法首先基于像素的颜色特征建立混合高斯模型,进行运动目标初步检测;然后结合像素的梯度特征,建立像素梯度的混合高斯模型,实现运动目标精确检测。通过在室内和室外等不同场景下进行的运动目标检测实验,结果表明,该算法能有效消除光照变化影响,抑制运动目标的阴影干扰,对室内和室外环境的运动目标检测都具有较好的检测效果和鲁棒性。
出处 《制造业自动化》 北大核心 2013年第6期46-49,共4页 Manufacturing Automation
  • 相关文献

参考文献11

  • 1Huang T, Qiu J, Sakayori T, et al. Robust background segmentation using background models for surveillance application [C] // Conference on Machine Vision Application. Yokohama, Japan,2009: 402-405.
  • 2宋磊,黄祥林,沈兰荪.视频监控系统概述[J].测控技术,2003,22(5):33-35. 被引量:76
  • 3Barron J, Fleet D, Beaucemin S. Performance of opticalflow techniques [J].International Journal of Computer Vision, 1994, 12(1): 42-77.
  • 4潘薇,游志胜,吴鵾,王宁.基于模糊聚类和卡尔曼滤波的运动目标检测[J].计算机应用,2005,25(1):123-124. 被引量:10
  • 5李春明,李玉山,张大朴,刘洋.基于PCA/Snake混合模型的运动目标外轮廓求解[J].模式识别与人工智能,2007,20(3):313-318. 被引量:2
  • 6Toyama K, Krumm J, Brimitt B, et al. Wallflower: principles and practice of background maintenance [C]// Computer Vision, 1999. The Proceedings of the Seventh IEEE International Conference on. Kerkyra, 1999, I: 255-261.
  • 7Antoine Manzanera, Julien C. Richefeu. A new motion detection algorithm based on E- A background estimation [J]. Pattern Recognition Letters, 2007,28(3): 320-328.
  • 8原春锋,王传旭,张祥光,刘云.光照突变环境下基于高斯混合模型和梯度信息的视频分割[J].中国图象图形学报,2007,12(11):2068-2072. 被引量:24
  • 9Butler D E, Bove Jr V M, Sridharan S. Real-time adaptive foreground/background segmentation [J]. Eurasip Journal on Applied Signal Processing,2005,14( 1 ):2292-2304.
  • 10Tissainayagam P, Suter D. Object tracking in image sequences using point feature[J].Pattern Recognition, 2005,38(1):105-113.

二级参考文献29

  • 1林开颜,吴军辉,徐立鸿.彩色图像分割方法综述[J].中国图象图形学报(A辑),2005,10(1):1-10. 被引量:322
  • 2王泽兵,杨朝晖.彩色图像分割技术研究[J].电视技术,2005,29(4):20-24. 被引量:20
  • 3PAN J, LI S, ZHANG yQ. Automatic extraction of moving objects using multiple features and multiple frames[ A]. IEEE lnt Symposium on Circuits and Systems (ISCAS) 2000[ C]. Geneva, May2000.
  • 4HONG L, WANG WC, LOGAN M, et al. Muhiplatform Muhisensor Fusion with Adaptive - Rate Data Communication[ J]. IEEE Trans on Aerospace and Electronic Systems, 1997, 33(1) : 123 - 126.
  • 5HONG L, WANG WC, LOGAN M, et al. Muhiplatform Muhisensor Fusion with Adaptive - Rate Data Communication[ J]. IEEE Trans.on Aerospace and Electronic Systems, 1997, 33(1) : 123 - 126.
  • 6Chellappa R, Wilson C L, Sirohey S. Human and Machine Recognition of Faces: A Survey. Proc of the IEEE, 1995, 83(5):705-741
  • 7Wang Xiaogang, Tang Xiaoou. A Unified Framework for Subspace Face Recognition. IEEE Trans on Pattern Analysis and Machine Intelligence, 2004, 26(9):1222-1228
  • 8Turk M, Pentland A. Eigenfaces for Recognition. Journal of Cognitive Neuroscience, 1991, 3(1): 71-86
  • 9Fredembach C, Schroder M, Susstrunk S. Eigenregions for Image Classification. IEEE Trans on Pattern Analysis and Machine Intelligence, 2004, 26(12): 1645-1649
  • 10Yunen P C, Lai J H. Face Representation Using Independent Component Analysis. Pattern Recognition, 2002, 35(6): 1247-1257

共引文献108

同被引文献4

引证文献1

二级引证文献1

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部