导读:本文包含了自适应背景更新论文开题报告文献综述及选题提纲参考文献,主要关键词:高斯背景,局部自适应,Kalman滤波,欧式距离
自适应背景更新论文文献综述
郑备,刘盛鹏,王军华[1](2018)在《基于背景局部自适应更新的通道堵塞检测》一文中研究指出针对火宅高危单位内通道堵塞问题,提出一种高斯背景模型局部更新的通道堵塞检测算法。首先对通道进行高斯背景建模,采取背景像素点的学习率不变,前景像素点的学习率随物体质心变化的局部自适应学习率的更新方法,检测通道背景与分割通道前景物体。然后,根据前景物体前后两帧图像,结合Kalman滤波,计算出其物体移动的欧式距离,更新前景像素点的学习率。最后,通过计算物体在通道的滞留时间和宽度占比,判断物体是否造成通道堵塞,该方法克服前景物体长时间静止出现消融问题和前景物体运动留下的残影问题。在通道搭建的火灾通道堵塞检测系统测试表明本方法的有效性。(本文来源于《电子测量技术》期刊2018年17期)
孙文华[2](2018)在《基于自适应Surendra背景更新的背景差分运动目标检测算法》一文中研究指出由于复杂场景中具有动态背景,里面存在着大量的伪目标,加上小运动目标具有距离远、面积小、纹理颜色特征不明显、细节特征部分丧失等特点,因此针对该问题,提出了一种改进算法,首先将第一帧图像作为初始化的背景图像;然后,用当前帧与背景帧图像做差分,得到差值图像;最后对差值图像基于OTSU的自适应二值化处理,实现背景更新。实验证明,与传统背景差分算法相比,改进的算法具有明显的优势,能够快速、准确、完整地从复杂场景中完成小运动目标的提取。(本文来源于《南昌工程学院学报》期刊2018年03期)
罗松飞,魏东,刘松,孟思瑞[3](2017)在《视频侦查中背景自适应更新研究》一文中研究指出随着社会的不断发展,视频监控遍布在我们生活的各个角落,它对违法犯罪行为起到很大的遏制效果,这也使视频侦查得到飞速的发展。计算机自动识别技术也相应的应用到了视频侦查中,如何快速的提取视频内的关键信息是一个研究热点,而去除背景信息是其中重要的一步。本文先是介绍了传统的视频背景提取算法,并对它们进行优缺点分析。在它们的基础之上,提出了以抽样统计结合灰度值的分布区间来提取视频背景的算法,以欧氏距离比较分析进行视频背景的自适应更新。(本文来源于《广东公安科技》期刊2017年04期)
黄晓凌[4](2017)在《自适应视觉背景更新的运动目标检测算法研究》一文中研究指出基于图像处理、计算机视觉的智能视频监控技术主要涉及目标检测、目标跟踪、行为学习、场景理解等方面,其中运动目标检测的效果直接决定了后续处理能否顺利完成,是智能视频监控中最为关键的一个步骤。如何在克服外界条件的干扰下提高检测的准确性是运动目标检测难点,因此,研究视频序列中运动目标检测具有重要的理论意义和应用价值。本文主要研究了自适应视觉背景更新的运动目标检测算法,以提高运动目标检测的准确率、实时性为研究重点,提出了结合时空域视觉背景提取算法来实现高效的检测。同时,利用像素的局部灵敏度信息以及局部二值相似模式描述算子消除外界条件的干扰,本文设计了一个运动目标检测系统,主要研究工作如下:1.研究智能视频监控中运动目标检测的国内外现状,对比现有的检测技术,并从鲁棒性、动态背景干扰、实时性与阴影等问题分析运动目标检测的难点,总结了现有的运动目标检测技术。2.本文深入研究并改进视觉背景提取算法,通过像素的时空域信息取代原算法中的空间域信息来实现背景模型的初始化。同时,利用24邻域作为样本点的选取范围,减少模型中错误样本点的数量,并采用标准偏差反映背景复杂度,实现分割阈值的自适应选取。本文的改进算法很好地解决了鬼影,提高了检测精度。3.本文对局部二值相似模式描述算子进行自适应调整,提升对光照变化的鲁棒性。同时,为每个像素定义运动熵来判定前景概率并结合闪烁像素特征,在不同环境下动态调整单个像素的分割阈值与更新率,有效地降低了闪烁像素的误检概率,提升了检测效果。4.研究自适应视觉背景更新的运动目标检测算法,本文设计并实现了运动目标检测系统,实验表明了该系统检测效果较好、计算复杂度低,满足运动目标快速准确检测的要求。(本文来源于《重庆邮电大学》期刊2017-05-18)
桑海峰,李伟,陈仲[5](2015)在《自适应权值的静态背景提取与更新算法》一文中研究指出对比了多种视频中的静态背景提取方法,针对这些方法各自的局限性,提出一种新型的背景提取更新方法。该方法通过引入新参数背景权值及其变化量,背景权值作为评判背景可靠程度的标准,以其数值大小控制背景的维持或者更新。对每一帧图像进行二次判定,将读入的图像元素进行分类,分别产生不同的背景权值变化量,通过背景权值变化量控制背景权值。实验验证表明该方法具有原理简单,运算快捷,更新速度较快且抗前景干扰能力强的优点,而且通过调节定值参数可以适应多种不同情况下的背景提取。(本文来源于《电子测量与仪器学报》期刊2015年03期)
王爱丽,董宝田,王泽胜,尹彪[6](2014)在《融合光流速度场与背景差分的自适应背景更新方法》一文中研究指出为利用视频监控系统识别铁路客运站的客流,根据车站监控环境的多变性特点,提出将光流速度场算法与背景差分算法相结合的自适应背景更新方法。将光流引入背景建模中,并与背景差分结果进行并运算,再通过"死角"灰度优化处理,实现背景的实时更新。以实录的北京南站视频对给出的自适应背景更新方法进行验证,并与均值背景法和高斯背景法的处理结果进行比较,结果表明,自适应背景更新方法较好地解决了背景的提取、实时更新及运动目标阴影扰动等问题,拟合的背景干净、虚影弱,描述的背景符合实际背景场景,用于动态场景的客流识别取得了较好的效果。(本文来源于《中国铁道科学》期刊2014年06期)
李新县,余烨[7](2014)在《随机图像选取与自适应背景更新的运动物体检测》一文中研究指出为克服运动目标检测中易出现的光照变化、遮挡、虚假目标等现象,提出了一种随机图像选取与自适应背景更新的运动物体检测方法。该方法从视频序列中随机选取一帧图像作为初始背景,根据变化标记矩阵对背景进行自适应迭代更新,以提取可靠的背景图像,实现运动物体的检测。实验结果表明,采用该算法提取的背景不存在混合现象,且在光照变化较大以及运动物体之间存在遮挡的情况下,能够构造出可靠的背景,检测出的目标物体清晰可见。(本文来源于《图学学报》期刊2014年04期)
张睿[8](2014)在《基于灰阶迁移统计法的背景模型自适应更新方法研究》一文中研究指出在智能视频监控技术中背景建模是一项位于底层的关键技术,其性能将直接决定上层各种智能视频分析功能的可实现性及鲁棒性。对背景建模技术的研究近十年来一直是视频分析与安防监控领域的研究热点与难点,因此开展与背景建模相关的研究具有重要理论意义和实际工程意义。目前,大多数背景建模方法在实用化程度上仍存在不足,具体表现为无法应对现实监控场景的复杂多样性,其核心问题在于:已构建的背景模型无法快速有效地学习场景在时空维度上的各种随机性变化。于是,对背景模型自适应更新问题的研究成为背景建模技术实用化的关键一步。现有的主流背景模型自适应更新方法存在以下不足:需人工设置背景模型的初始学习率,自适应性有待提升;背景模型学习率的调控策略依赖于具体的背景模型,通用性不高;逐点式地计算背景模型学习率,运算效率低。为克服传统方法的上述不足,本论文提出了一种新颖的背景模型自适应更新方法。论文的主要研究工作如下:①受物理学中原子能级跃迁模型启发,论文提出将视频中像素灰度变化理解为像素点样本在不同灰阶(即光强能级)间发生了迁移,进而提出了以视频灰阶为对象提取视频变化统计信息的视频低层数据挖掘新范式——灰阶迁移统计法。相比于传统视频低层数据挖掘叁大范式(即像素点分析范式、区域分析范式和子空间分析范式),灰阶迁移统计法能够从监控视频中挖掘出传统范式所无法获得的独特统计信息,该统计信息被证明可有效地用于控制背景模型的自适应更新过程。②针对传统背景模型自适应更新方法的不足,提出了一种基于灰阶迁移统计法的全局化背景模型自适应更新方法。该方法对视频中全局场景进行灰阶迁移统计,生成一种被称为全局灰阶迁移概率图的二维离散概率分布函数,然后将全局灰阶迁移概率图作为在线学习率查询表,以查表方式快速获取背景模型更新所需的学习率。该方法有以下优点:1)无需人工设置初始学习率,自适应程度高;2)学习率的产生不依赖具体背景模型,通用性好;3)学习率的产生由快速查表方式实现,运算效率高。实验表明,该方法可有效提高背景模型的自适应性与鲁棒性。③对于某些具有复杂局部动态性的监控场景,由②中方法计算出的全局灰阶迁移概率图可能出现误差。为此,通过对②中的全局化背景模型自适应更新方法进行改进,论文提出了一种基于灰阶迁移统计法的区域化背景模型自适应更新方法。该方法包含以下关键步骤:1)自适应的场景动态性估计;2)基于场景动态性的自适应场景区域分割;3)对不同的场景区域分别进行灰阶迁移统计,生成对应的区域灰阶迁移概率图;4)将区域灰阶迁移概率图作为对应区域内背景模型学习率的查询表。实验表明,区域化的方法能够有效地克服全局化方法存在的不足。④当场景中出现某些特殊事件(例如出现遗留物),在③中提出的区域化背景模型自适应更新方法将可能在特殊事件区域内失效。为此,论文提出了一种基于灰阶迁移统计法的特殊事件区域背景模型自适应更新方法,其由两部分组成:1)基于灰阶迁移概率图的非参数化特殊事件区域检测与分割;2)基于人类进行拼图游戏时的视觉感知机制对特殊事件区域内的背景模型进行自适应更新。最后,上述特殊事件区域背景模型自适应更新方法被整合到③中提出的区域化背景模型自适应更新方法中,从而有效地改进了区域化背景模型自适应更新方法的鲁棒性。通过在背景建模领域较权威的Changedetection标准测试数据集上的一系列实验表明:灰阶迁移统计法这种视频低层数据挖掘范式在应用上具有多样性,能有效挖掘出监控视频中隐藏的多种独特且有价值的统计信息,而基于灰阶迁移统计法的背景模型自适应更新方法明显优于传统的背景模型自适应更新方法。(本文来源于《重庆大学》期刊2014-03-01)
赵谦,周勇,侯媛彬,刘树林[9](2013)在《一种自适应码书模型背景更新算法》一文中研究指出因背景更新过程中运动信息不足,造成在处理缓慢移动目标和只有局部运动目标时常常发生误判,为解决上述问题,通过提取运动目标的空间整体信息,提出了一种自适应的码书模型背景更新算法。该方法通过对运动目标空间信息变化进行分析,寻找前景中潜在背景,然后联合像素时域统计信息,得到真正的背景模型。实验结果表明,该算法可以快速适应背景变化,能明显减少对运动信息不足目标的误判,同时保证目标检测的完整性。(本文来源于《电视技术》期刊2013年13期)
卢官明,谢双[10](2013)在《自适应背景更新及运动目标检测算法》一文中研究指出从视频中检测运动目标是智能视频监控应用中的一项关键技术。文中提出了一种基于区域的自适应背景更新及运动目标检测算法,首先使用高斯模型建立初始的静态背景图像,通过背景减法得到差值图像;然后使用自适应阈值对差值图像进行二值化,并利用形态学滤波和连通区域面积检测进行后处理,得到运动目标区域掩模;最后,根据运动目标区域掩模检测出运动目标,同时使用基于区域的自适应背景更新算法动态更新背景图像。实验结果表明,该算法能够自适应地对背景模型进行更新,对于背景的扰动、光线的渐变等带来的影响有很好的抑制作用,可以有效地检测出运动目标。(本文来源于《南京邮电大学学报(自然科学版)》期刊2013年03期)
自适应背景更新论文开题报告
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
由于复杂场景中具有动态背景,里面存在着大量的伪目标,加上小运动目标具有距离远、面积小、纹理颜色特征不明显、细节特征部分丧失等特点,因此针对该问题,提出了一种改进算法,首先将第一帧图像作为初始化的背景图像;然后,用当前帧与背景帧图像做差分,得到差值图像;最后对差值图像基于OTSU的自适应二值化处理,实现背景更新。实验证明,与传统背景差分算法相比,改进的算法具有明显的优势,能够快速、准确、完整地从复杂场景中完成小运动目标的提取。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
自适应背景更新论文参考文献
[1].郑备,刘盛鹏,王军华.基于背景局部自适应更新的通道堵塞检测[J].电子测量技术.2018
[2].孙文华.基于自适应Surendra背景更新的背景差分运动目标检测算法[J].南昌工程学院学报.2018
[3].罗松飞,魏东,刘松,孟思瑞.视频侦查中背景自适应更新研究[J].广东公安科技.2017
[4].黄晓凌.自适应视觉背景更新的运动目标检测算法研究[D].重庆邮电大学.2017
[5].桑海峰,李伟,陈仲.自适应权值的静态背景提取与更新算法[J].电子测量与仪器学报.2015
[6].王爱丽,董宝田,王泽胜,尹彪.融合光流速度场与背景差分的自适应背景更新方法[J].中国铁道科学.2014
[7].李新县,余烨.随机图像选取与自适应背景更新的运动物体检测[J].图学学报.2014
[8].张睿.基于灰阶迁移统计法的背景模型自适应更新方法研究[D].重庆大学.2014
[9].赵谦,周勇,侯媛彬,刘树林.一种自适应码书模型背景更新算法[J].电视技术.2013
[10].卢官明,谢双.自适应背景更新及运动目标检测算法[J].南京邮电大学学报(自然科学版).2013