自适应的SILTP算法在运动车辆检测中的研究

为了提高复杂背景下运动车辆的检测效率,结合SILTP算法提出了一种自适应的SILTP算法。首先,对运动车辆图像进行二维离散小波变换,提取出两次低通滤波后的图像。其次,通过自适应的SILTP算法获得图像的纹理信息。然后,利用高斯混合模型进行背景建模,进而利用新图像的纹理信息动态更新背景。最后,与背景模型进行比较来获得运动车辆。对公路上运动车辆的测试表明,该检测算法在复杂背景尤其是树叶抖动等情况下能够取得较高的检测率,具有良好的自适应性。

基于自适应纹理特征和码本模型的分层运动目标检测算法研究

如何在复杂的环境中提高运动目标检测的准确率是视频分析领域的重要研究课题。提出一种自适应纹理特征(自适应SILTP算子)和码本模型(CodeBook)结合的分层运动目标检测的算法。首先在区域级利用自适应SILTP算子进行第一层运动目标检测,分析运动目标的像素间的空间分布相关性并具有光照变化鲁棒性,确定运动目标所在区域,然后进行精确检测,在像素级采用码本模型进行第二层运动目标检测,通过检测粒度的逐步细化,逐渐逼近运动目标,从而获得更为精确的运动目标。通过试验表明分层运动目标检测算法具有很好的准确度和鲁棒性,不仅保证了运动目标检测结果的准确和轮廓的完整,而且在光照、阴影等复杂环境中也有鲁棒的检测结果。