传统纹理特征的背景建模算法具有模型的维数过高、计算复杂等缺点,加大了运动目标检测的难度,提取精确细致的纹理特征建立背景模型,并且提高算法的处理速度,是运动目标检测技术的关键。文章对比了几种经典的纹理算子,采用了提取纹理信...传统纹理特征的背景建模算法具有模型的维数过高、计算复杂等缺点,加大了运动目标检测的难度,提取精确细致的纹理特征建立背景模型,并且提高算法的处理速度,是运动目标检测技术的关键。文章对比了几种经典的纹理算子,采用了提取纹理信息更加细致的纹理提取算子,使用统计学习方式建立背景模型,又利用像素的空间信息,增加了随机更新机制去更新背景模型,提出了基于扩展中心对称局部二值纹理模式(extended center-symmetric local binary pattern,XCS-LBP)纹理特征背景建模算法并通过实验验证该算法检测效果好,避免了模型的维数过高,减少了复杂计算,处理速度满足实时处理的需求。展开更多
文摘传统纹理特征的背景建模算法具有模型的维数过高、计算复杂等缺点,加大了运动目标检测的难度,提取精确细致的纹理特征建立背景模型,并且提高算法的处理速度,是运动目标检测技术的关键。文章对比了几种经典的纹理算子,采用了提取纹理信息更加细致的纹理提取算子,使用统计学习方式建立背景模型,又利用像素的空间信息,增加了随机更新机制去更新背景模型,提出了基于扩展中心对称局部二值纹理模式(extended center-symmetric local binary pattern,XCS-LBP)纹理特征背景建模算法并通过实验验证该算法检测效果好,避免了模型的维数过高,减少了复杂计算,处理速度满足实时处理的需求。