一种改进的基于ViBe的运动目标检测方法

ViBe运动检测算法消除鬼影的速度慢,并且在分类像素点的时候由于距离阈值固定导致检测结果的准确率下降。文章对ViBe算法存在的这两个问题做出改进。样本的选取范围由8邻域扩大到24邻域,避免选择重复的样本,加快鬼影的消除过程;在像素分类的时候根据背景动力学自适应地确定距离阈值,增强算法抗背景干扰的能力,并选用2组视频来验证改进后的算法。从检测结果可以看出,改进后的算法去除鬼影的速度更快,并且检测结果更加准确。

基于深度学习的快速图像超分辨率方法

图像超分辨率技术通过软件处理的方式,将输入的低分辨率的图片转化为相应的高分辨率图片,同时预测缺失的细节信息。针对现有的图像超分辨率模型重构效果较差、计算量较大等缺点,提出一种基于深度学习框架的快速超分辨率方法。模型的输入采用原始尺寸的低分辨率图片,大大减少了网络计算量。在特征提取阶段,采用循环卷积提取输入图像的特征信息;在图像重构阶段,采用并行的1×1卷积层对提取到的特征进行降维,并通过亚像素卷积得到相应的高分辨率图像。实验结果表明,相比现有的算法,提出的算法在超分辨率重构效果上更佳,且满足实时重构的要求。