基于改进Surendra背景更新算法的视频火灾检测

针对目前视频火灾检测误检率高以及计算量大而需要高性能硬件支持的工程应用需求,提出了采用改进的Surendra背景更新算法实时提取视频背景。采用迭代法实时求取当前的最佳阀值,以及Surendra背景更新算法获取背景,依据背景求得图像中的运动区域,形态学处理后通过火焰颜色统计模型判别是否是火灾。实验表明,文中采取的检测算法快速高效,具有良好的市场应用前景。

基于改进surendra背景更新算法的运动目标检测算法

提出了一种改进的surendra运动目标检测算法,该算法可以自适应的调整背景更新速度。首先将第一帧图像作为背景图像,并利用改进的surendra背景更新算法根据每帧图像对背景图像进行更新获得可靠的背景。然后,将当前帧与背景作差,得到差值图像。使用自适应阈值对差值图像进行二值化处理,并利用形态学滤波对二值图像进行适当处理,这样运动目标就被准确地提取出来。

背景提取与更新算法在滞留黄网格违章车辆的视频检测系统的应用

随着城市建设步伐不断加快，人们的生活质量迅速提高，私家车的数量日益增多，道路上不断激增的车辆出现拥堵，给人们日常生活出行都造成了不便。黄色网格区域的设立有效控制了交叉方向车辆的拥堵，违章停车即时检测，从而缓解了交通的压力，避免了时间和燃油的浪费。同时，在交通的管理过程中，如何利用现代科技的力量，有效的减少交通人员人力的投入，是我们科研力量的使命之一。本文中用到的算法，可以移植到类似的智能系统中，对于智能交通系统的研发起到一定的积极意义。

相关滤波目标跟踪算法研究

近年来,相关滤波目标跟踪在视觉领域中受到了越来越多的关注,并取得了令人瞩目的成果。该文对目前基于相关滤波的跟踪算法进行分析研究,首先提出了一个通用的相关滤波目标跟踪框架,然后讨论几种经典的跟踪算法,并对其改进算法进行分析归类,主要分为尺度更新、背景遮挡;最后通过仿真实验对几种算法性能进行分析,并提出相关滤波跟踪技术存在的问题。