咨询与建议

看过本文的还看了

相关文献

该作者的其他文献

文献详情 >采用多组单应约束和马尔可夫随机场的运动目标检测算法 收藏

采用多组单应约束和马尔可夫随机场的运动目标检测算法

A Moving Object Detection Algorithm Using Multi-frame Homography Constraint and Markov Random Fields Model

作     者:崔智高 李艾华 冯国彦 Cui Zhigao;Li Aihua;Feng Guoyan

作者机构:第二炮兵工程大学502教研室西安710025 西安交通大学机械工程学院西安710049 

出 版 物:《计算机辅助设计与图形学学报》 (Journal of Computer-Aided Design & Computer Graphics)

年 卷 期:2015年第27卷第4期

页      面:621-632页

核心收录:

学科分类:08[工学] 080203[工学-机械设计及理论] 0835[工学-软件工程] 0802[工学-机械工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术(可授工学、理学学位)] 

基  金:国家自然科学基金(61021063 61225008) 

主  题:运动目标检测 运动轨迹 多组单应约束 轨迹分离 马尔可夫随机场模型 像素标记 

摘      要:针对现有动态背景下目标检测算法的局限性,提出一种基于多组单应约束和马尔可夫随机场的运动目标检测算法.该算法以视频序列多帧跟踪的运动轨迹为基础,通过轨迹分离和像素标记2个阶段实现运动目标的检测:在轨迹分离阶段,利用多组单应约束对视频序列的背景运动进行建模,并基于该约束通过累积确认的策略实现背景轨迹和前景轨迹的准确分离;在像素标记阶段,以超像素为节点建立时空马尔可夫随机场模型,将轨迹分离信息以及超像素的时空邻域关系统一建模在马尔可夫随机场的能量函数中,并通过最小化能量函数得到每个像素的前背景标记结果.与现有基于运动轨迹的方法相比,文中算法不需要仿射摄像机模型的假设,有效地解决了运动轨迹等长带来的轨迹点区域缺失问题,并可同时处理静态背景和动态背景2种类型的视频;在多个公开数据集的测试结果表明,该算法在轨迹分离准确性、轨迹点密度以及像素标记准确率等方面均优于现有方法.

读者评论 与其他读者分享你的观点

用户名:未登录
我的评分