导读:本文包含了动态背景补偿论文开题报告文献综述及选题提纲参考文献,主要关键词:SURF特征提取,背景补偿,目标检测
动态背景补偿论文文献综述
王朋月,杨俊强,毛征,张晨,张广申[1](2019)在《动态背景下基于运动矢量补偿的目标检测》一文中研究指出在动态场景下,为了降低背景运动对目标检测产生误差的影响,针对视频序列图像,提出基于运动矢量补偿的目标检测算法。采用背景运动补偿方法来完成目标检测,利用SURF特征点来获取精确的匹配点对,从而获取准确的运动矢量;根据运动目标和背景运动矢量位移的不同来区分出前景和背景区域,将背景运动矢量代入模型进行参数估计,提高背景补偿的精度;用帧差法检测出运动目标。实验结果表明:该算法具有鲁棒性,能够准确检测出动态背景下的运动目标。(本文来源于《兵工自动化》期刊2019年04期)
赖飞[2](2018)在《动态背景下的背景运动补偿算法研究》一文中研究指出背景运动的存在使得在动态背景下进行运动目标检测的难度大大增加,常见的帧间差分、背景减除等方法不能得到准确的检测结果,因此在使用传统方法前消除背景运动带来的影响显得尤为重要。针对背景运动参数估计过程中涉及的特征点匹配、外点去除以及参数的鲁棒性估计做出重要研究,提出一种精确度较高的背景运动参数估计方法。通过实验对比可以看到背景补偿后检测到的运动目标准确度有明显改进。(本文来源于《现代计算机(专业版)》期刊2018年08期)
宗鑫,赵龙,王光耀,韦惠兰[3](2016)在《生态补偿的复制动态及其进化稳定策略研究——以黄河流域上游青藏高原区为分析背景》一文中研究指出以黄河流域上游青藏高原区建立流域生态补偿的必要性为分析背景,将保护者(破坏者)和受益者(受害者)视作补偿客体和补偿主体利益群体,依托地方政府,引入第叁方NGO组织作为"惩罚"和"支付"平台,构建了博弈双方收益矩阵。运用有限理性非对称博弈模型分析了补偿客体和补偿主体的复制动态和进化稳定策略,并借助雅可比矩阵及其迹对均衡点抗扰动的稳定性进行了分析。结果表明:在第叁方NGO组织的"双向惩罚"约束机制下,补偿客体和补偿主体之间的非对称博弈系统在关系1下才存在唯一的具有抗扰动的稳定性的均衡点,即(保护,支付),而且补偿客体的长期和短期经济收益(L1和S1)及策略选择在该博弈系统中起着决定性的作用;不管博弈双方在该非对称博弈系统中的初始状态处于何种位置,通过第叁方NGO组织的"双向惩罚"约束(或刺激)博弈双方的策略选择行为,均可增加博弈双方中的一方或双方向均衡点(保护,支付)调整的比重。(本文来源于《干旱区资源与环境》期刊2016年09期)
王闪,吴秦[4](2016)在《全局运动补偿的动态背景下运动轨迹跟踪算法》一文中研究指出针对动态背景下,一般跟踪算法存在着被动跟踪的滞后或偏移的问题,提出了一种结合Kalman滤波器的Mean-Shift跟踪算法。对运动矢量进行预处理,得到一个平稳更能反映运动信息的矢量场;利用Mean-Shift搜索算法精确地确定对象位置;此基础上,利用Kalman滤波器算法进行运动估计预测,来确定运动的轨迹。实验表明:与现有的方法相比,该方法可从复杂场景中更准确地对运动对象进行轨迹的跟踪。(本文来源于《传感器与微系统》期刊2016年08期)
王栋,朱虹,康凯,赵永飞[5](2014)在《基于背景补偿引导的动态场景下目标跟踪算法》一文中研究指出针对动态场景的目标跟踪中,目标的尺度及姿态变化使得跟踪过程易出现误差累积导致跟踪失败的问题,以及可能出现的遮挡、粘连等复杂运动情况,提出了一种背景补偿引导的搜索及目标模型更新的策略,采用基于Random ferns的特征描述方法,实现动态场景下的运动目标跟踪。实验结果证明,该方法能对目标的姿态变化有较好地适应性,在遮挡、粘连现象存在的情况下,能在动态场景下较好的实现运动目标跟踪。(本文来源于《仪器仪表学报》期刊2014年06期)
贾贵浩[6](2013)在《城镇化背景下粮食主产区利益动态补偿问题研究》一文中研究指出要提高种粮积极性,确保"碗里放入自己的粮食",应根据各省市区上年工业总产值从各地上缴的国税收入中提取一定比例建立粮食生产发展基金,改善产区基础设施。整合种粮农民现行各种补贴和资金来源,建立新型粮食直补基金,依据当年物价上涨幅度、粮食生产成本对种粮农民实行动态直补。对从土地出让收益中提取10%用于农田水利建设的资金,改由中央统筹分配使用,主要用于粮食主产区和中西部农田水利建设任务重的地区。延长义务教育时间,培养有文化、懂技术、善经营、会管理的新型农民。多策并举,从根本上调动粮食主产区发展粮食生产的积极性。(本文来源于《宏观经济研究》期刊2013年12期)
于明,孙炜烨,阎刚,于洋[7](2013)在《动态场景下基于精确背景补偿的运动目标检测》一文中研究指出针对动态场景下因背景补偿效果欠佳而不能准确检测运动目标的问题,提出一种基于精确背景补偿的运动目标检测算法。算法采用加入对称约束的SURF特征点匹配算法,以获得稳健的匹配点对。同时利用自适应外点滤除法去除目标点对全局运动估计的影响,显着地提高了背景补偿的精度。最后用帧差法准确地检测出运动目标。实验结果表明,该算法具有很好的鲁棒性,能够在背景复杂且摄像机运动的环境下准确地提取出运动目标。(本文来源于《计算机应用与软件》期刊2013年10期)
周斌,王军政,沈伟[8](2010)在《动态跟踪中背景补偿与目标运动估计》一文中研究指出针对目标的观测位置信息中混入了背景运动的问题,提出一种特征点集与稀疏光流场相结合的背景补偿方法.通过Harris算子找出一组特征点,在相邻帧中通过计算每个特征点的局部最优匹配区域得到稀疏点集的光流向量.根据其光流方向概率分布,最终计算出背景的偏移量.通过背景补偿,得到目标的真实偏移量序列,带入Kalman滤波方程,对下一帧中目标的运动状态进行实时估计.实验表明,背景补偿后的预测精度在10个像素之内,每个均值迁移跟踪单元大约需要10ms,提高了跟踪的稳定性,有效减少了迭代次数.新的跟踪器能满足动态实时跟踪的要求.(本文来源于《北京理工大学学报》期刊2010年11期)
王洪斌[9](2010)在《基于全局运动补偿的动态背景下目标检测与轨迹跟踪方法研究》一文中研究指出动态背景下的目标检测与跟踪技术是计算机视觉领域占有重要地位的课题之一。在精确制导武器、交通监控、移动机器人视觉导航、智能车辆等领域有着广泛的应用前景。研究由于摄像机运动引起了背景运动,检测并跟踪其中的运动目标具有重要的实践意义和理论价值。本文对动态背景下多运动目标检测和轨迹跟踪技术进行了深入研究。主体上分为两大部分,前一部分深入分析了基于全局运动补偿的动态背景下运动目标检测方法,后一部分则在此基础上,进一步提出了基于粒子滤波器的目标轨迹跟踪问题的解决方案。在运动目标检测部分,本文采用了基于宏块匹配的六参数全局运动估计的方法进行全局运动补偿,有效的消除了摄像机在非稳定情况下对目标检测和跟踪性能带来的不利影响。同时,在宏块匹配前对图像序列采取了图像剪裁和边缘信息提取,通过宏块预判剔除纹理信息不丰富的宏块。在宏块匹配搜索过程中,本文提出了一种九点十字搜索法,相对传统的搜索法,减小了数据量,提高了算法的实时性。得出摄像机全局运动参数后,在双线性插值理论的基础上对背景运动进行了补偿。补偿后运用静态背景下帧间差分的方法提取运动目标区域,并在此过程中,提出了一种基于形态学处理和小区域去噪相结合的小目标检测方法。实验结果表明,该算法能够在动态背景下正确的提取到运动目标区域。在运动目标跟踪部分,为了使目标跟踪方法对目标的旋转、形变以及颜色非单一等各种复杂情况具有较强的鲁棒性,本文结合粒子滤波技术采用了一种基于加权颜色直方图的目标跟踪方法。将目标的加权颜色直方图作为目标的颜色模型,并利用Bhattacharyya距离描述粒子与目标颜色模型的相似性,为粒子权值的更新提供了有力依据。通过对实验结果的进一步分析和讨论,论证了所提方法的有效性和实用性。(本文来源于《天津大学》期刊2010-06-01)
动态背景补偿论文开题报告
(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:
背景运动的存在使得在动态背景下进行运动目标检测的难度大大增加,常见的帧间差分、背景减除等方法不能得到准确的检测结果,因此在使用传统方法前消除背景运动带来的影响显得尤为重要。针对背景运动参数估计过程中涉及的特征点匹配、外点去除以及参数的鲁棒性估计做出重要研究,提出一种精确度较高的背景运动参数估计方法。通过实验对比可以看到背景补偿后检测到的运动目标准确度有明显改进。
(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。
动态背景补偿论文参考文献
[1].王朋月,杨俊强,毛征,张晨,张广申.动态背景下基于运动矢量补偿的目标检测[J].兵工自动化.2019
[2].赖飞.动态背景下的背景运动补偿算法研究[J].现代计算机(专业版).2018
[3].宗鑫,赵龙,王光耀,韦惠兰.生态补偿的复制动态及其进化稳定策略研究——以黄河流域上游青藏高原区为分析背景[J].干旱区资源与环境.2016
[4].王闪,吴秦.全局运动补偿的动态背景下运动轨迹跟踪算法[J].传感器与微系统.2016
[5].王栋,朱虹,康凯,赵永飞.基于背景补偿引导的动态场景下目标跟踪算法[J].仪器仪表学报.2014
[6].贾贵浩.城镇化背景下粮食主产区利益动态补偿问题研究[J].宏观经济研究.2013
[7].于明,孙炜烨,阎刚,于洋.动态场景下基于精确背景补偿的运动目标检测[J].计算机应用与软件.2013
[8].周斌,王军政,沈伟.动态跟踪中背景补偿与目标运动估计[J].北京理工大学学报.2010
[9].王洪斌.基于全局运动补偿的动态背景下目标检测与轨迹跟踪方法研究[D].天津大学.2010