基于蛙眼视觉特性的运动目标模糊化区域理解跟踪方法

动态场景下的运动目标检测与跟踪是计算机视觉研究的前沿方向,对场景的背景突变和目目标的外观突变的鲁棒性是当前研究的难点所在,针对这种情形,本文提出一种基于蛙眼视觉特性的鲁棒跟踪方法,该方法利用蛙眼视觉认知的生理特性和外部特性,设计了一种与之相应的模糊化区域理解的运动目标跟踪方法,针对实验室环境下的动态序列的实验结果验证了方法的有效性;并进一步将该方法与传统的Canny算子理解结果及经典的Mean shift算法理解结果进行对比,显示了方法的优越性。

基于生物视觉特性的背景减除算法

针对构建鲁棒的背景模型和背景模型更新问题,结合ViBe算法提出了一种基于生物视觉特性的背景减除算法.首先,借鉴蛙眼视觉外部特性中的近视特性,阐述了"区域模糊化理解"预处理操作的含义及其实现;其次,从人类对颜色的心理认知特性出发,给出了一种LUV颜色空间中基于韦伯定律的颜色差异度量准则;最后,从背景建模、前景检测以及背景模型更新三个主要方面,介绍了算法的具体实现.实验结果表明,该算法能够提高运动目标检测的精度.