基于改进单高斯模型法的交通背景提取

在分析交通背景提取的特点和单高斯模型法的不足的基础上,提出了一种改进的单高斯模型法.该算法利用均值法初始化背景模型,引入判断值进行背景更新,运用邻域判别法实现干扰点抑制.不同天气条件,不同交通场景下的实验表明:与单高斯模型法相比,改进算法在提取背景时可以随车辆的走停及时更新,并且抑制了非静止背景物体的干扰.

背景提取算法在雷达视频图像中的应用

论文将三种典型的背景提取算法应用在雷达视频图像中,并且对各种算法进行仿真分析,通过比较各种算法的性能,找出现有的视频背景提取算法在雷达视频背景提取中的优缺点,为进一步的研究奠定基础。

视频监控系统中的背景提取算法

介绍了几种常用的背景提取算法,提出一种新的算法,利用图像块能量、高阶累积量建立背景约束的准则。考虑到能量块门限为定值的不足,对能量块门限进行自适应估计,实验结果表明这种算法兼顾了实时性和精确性,能有效地对静止背景进行提取。该算法得到的背景效果良好,适用于视频系统。

实时视频图像的清晰度检测算法研究

针对实时视频图像的清晰度检测问题,提出了一种背景提取和Sobel算子清晰度检测相结合的方法。采用多帧图像叠加平均的方法获取背景图片,然后将边缘检测中经典的Sobel算子应用于视频图像清晰度检测。为提高评价值的精确度,计算模板由2个增加到4个。实验结果表明,此方法具有良好的检测效果,计算速率可以满足系统实时性的要求。

视频智能监控检测道路拥挤度方法

近年来,视频监控系统已经广泛应用于道路交通管控中。本文通过检测移动物体的图像序列估算交通拥挤度。该算法是通过拥挤度估算模型计算单位时间内检测移动物体数量,得到实时的交通信息。本文应用MATLAB实现了这一估算方法,并在实际道路测试验证了该计算方法的可靠性。