运动物体检测过程中,基于颜色信息的运动目标检测受光照突变、阴影以及噪声点大、彩色视频颜色易失真等问题影响。针对以上问题,提出了一种基于混合信息的优化算法。首先,在RGB色彩空间模型基础上采用SOFM(selforganizing feature maps...运动物体检测过程中,基于颜色信息的运动目标检测受光照突变、阴影以及噪声点大、彩色视频颜色易失真等问题影响。针对以上问题,提出了一种基于混合信息的优化算法。首先,在RGB色彩空间模型基础上采用SOFM(selforganizing feature maps)模型完成彩色视频颜色空间建模,改善颜色空间色彩的真实性;其次,分别利用颜色信息和深度信息为每一个像素设计颜色分类器(color of classifier, CLC)和深度信息分类器(depth information of classifier, CLD),按照对应像素点的混合信息特点再结合上一帧的检测信息以及像素的边缘区域特征,自适应地为分类器分配权重值,达到运动检测的要求效果。本文采用多组视频序列进行实验仿真,实验结果表明:文中改进算法对彩色视频检测过程中存在的问题进行了有效改善,且精度、召回率及F数对比其他算法有明显提高,对视频序列的噪声点有良好抑制作用。展开更多
文摘运动物体检测过程中,基于颜色信息的运动目标检测受光照突变、阴影以及噪声点大、彩色视频颜色易失真等问题影响。针对以上问题,提出了一种基于混合信息的优化算法。首先,在RGB色彩空间模型基础上采用SOFM(selforganizing feature maps)模型完成彩色视频颜色空间建模,改善颜色空间色彩的真实性;其次,分别利用颜色信息和深度信息为每一个像素设计颜色分类器(color of classifier, CLC)和深度信息分类器(depth information of classifier, CLD),按照对应像素点的混合信息特点再结合上一帧的检测信息以及像素的边缘区域特征,自适应地为分类器分配权重值,达到运动检测的要求效果。本文采用多组视频序列进行实验仿真,实验结果表明:文中改进算法对彩色视频检测过程中存在的问题进行了有效改善,且精度、召回率及F数对比其他算法有明显提高,对视频序列的噪声点有良好抑制作用。