检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于混合高斯背景模型的SF6泄漏自动检测

西北大学学报（自然科学版） 2014年第3期44卷 379-382页

作者：蔺丽华吴冬梅李杰刘健西安科技大学通信与信息工程学院陕西西安710054 陕西电力科学研究院陕西西安710054

为了能够针对可能发生的SF6泄漏情况,进行连续及时的无人监测,基于红外辐射成像技术提出一种自动检漏方法。利用SF6泄漏在红外视频中类似烟雾的动态特性,采用混合高斯背景建模的方法进行SF6气体的泄漏检测,并基于数学形态学方法去除斑... 详细信息

为了能够针对可能发生的SF6泄漏情况,进行连续及时的无人监测,基于红外辐射成像技术提出一种自动检漏方法。利用SF6泄漏在红外视频中类似烟雾的动态特性,采用混合高斯背景建模的方法进行SF6气体的泄漏检测,并基于数学形态学方法去除斑点等噪声,完成对泄漏区域的自动标记定位。通过对多个红外气体成像检漏仪采集到的SF6视频进行泄漏检测,实验结果表明,该方法能克服光线变化等背景扰动影响,实现泄漏点的检测和定位。

关键词：高压电气设备 SF6气体红外视频图像泄漏检测混合高斯背景模型

在线全文

学校读者我要写书评

暂无评论

自适应混合高斯背景模型的改进

计算机应用 2007年第8期27卷 2014-2017页

作者：李全民张运楚山东建筑大学信息与电气工程学院济南250101

对自适应混合高斯背景模型进行了改进,将背景重构和前景消融时间控制机制整合到传统自适应混合高斯背景模型中,以提高运动分割的质量。背景重构算法从含有运动物体的动态场景视频序列中重构静态背景图像,然后用重构的静态背景图像初始... 详细信息

对自适应混合高斯背景模型进行了改进,将背景重构和前景消融时间控制机制整合到传统自适应混合高斯背景模型中,以提高运动分割的质量。背景重构算法从含有运动物体的动态场景视频序列中重构静态背景图像,然后用重构的静态背景图像初始化自适应混合高斯背景模型;而前景消融时间控制机制则使运动物体停止时的前景消融时间独立于背景模型的学习速率,从而可以根据需要调节前景消融的持续时间。实验结果表明了算法的有效性。

关键词：视觉监控运动分割混合高斯背景模型背景重构

在线全文

学校读者我要写书评

暂无评论

动态场景中的改进混合高斯背景模型

计算机工程 2012年第8期38卷 10-12,15页

作者：何亮明覃荣华巩思亮王营冠中国科学院上海微系统与信息技术研究所上海200050

提出一种应用于运动目标检测的改进混合高斯背景模型。在背景模型更新过程中,通过调整阈值,降低单模态背景的误检率。在运动目标检测时,融合统计差分法和时域差分法,降低多模态背景像素的误检率。实验结果表明,改进模型能有效解决由复... 详细信息

提出一种应用于运动目标检测的改进混合高斯背景模型。在背景模型更新过程中,通过调整阈值,降低单模态背景的误检率。在运动目标检测时,融合统计差分法和时域差分法,降低多模态背景像素的误检率。实验结果表明,改进模型能有效解决由复杂动态背景引起的误检问题,具有较好的检测性能。

关键词：目标检测混合高斯背景模型多模态背景参数估计数据融合

在线全文

学校读者我要写书评

暂无评论

基于混合高斯背景模型的运动目标检测

无线互联科技 2012年第9期9卷 112-112,114页

作者：刘娜长江师范学院重庆408100

运动目标检测是计算机视觉、图像理解、目标跟踪等领域非常重要的研究内容。为了能够及时检测到图像场景中的运动目标,本文选择建立混合高斯背景模型作为检测运动目标的方法,该方法能有效的提取出运动的目标及其携带的运动信息,取得比... 详细信息

运动目标检测是计算机视觉、图像理解、目标跟踪等领域非常重要的研究内容。为了能够及时检测到图像场景中的运动目标,本文选择建立混合高斯背景模型作为检测运动目标的方法,该方法能有效的提取出运动的目标及其携带的运动信息,取得比较好的效果。

关键词：混合高斯背景模型运动目标背景建模

基于深度学习的循环水养殖鳗鲡(Anguilla)行为状态识别的研究

在线全文

学校读者我要写书评

暂无评论

海洋与湖沼 2023年第6期54卷 1746-1755页

作者：许志扬江兴龙林茜李凯集美大学水产学院福建厦门361021 鳗鲡现代产业技术教育部工程研究中心福建厦门361021

对鱼类的行为进行智能监测,精准地量化与识别其健康状态,已成为研究热点。为实现养殖鳗鲡行为状态精准识别,提出一种基于DenseNet双流卷积神经网络的鳗鲡行为状态检测方法。利用混合高斯背景模型进行前景提取构建数据集,针对传统卷积神... 详细信息

对鱼类的行为进行智能监测,精准地量化与识别其健康状态,已成为研究热点。为实现养殖鳗鲡行为状态精准识别,提出一种基于DenseNet双流卷积神经网络的鳗鲡行为状态检测方法。利用混合高斯背景模型进行前景提取构建数据集,针对传统卷积神经网络对于时间动态信息提取能力有限的问题,搭建关联空间特征与时间特征的双流网络结构(Two-stream),并使用DenseNet-121网络替换原网络,对比VGGNet、ResNet等网络,通过密集连接实现特征重用,在搭建更深的网络结构基础上加强了运动特征传递并减少了参数量,更好地提取具有代表性的行为特征。传统双流网络在两端的softmax层仅作简单的决策层平均融合,无法更深程度关联时空高级特征,提出在网络卷积层提取空间特征与时间特征后,加上一层卷积层将时空特征进行卷积融合以提升模型识别精度。实验结果表明:文中提出的基于DenseNet双流卷积神经网络对6种鳗鲡行为状态检测方法准确率达到96.8%,相较于单通道的空间流与时间流网络,准确率分别提升了10.1%和9.5%;相较于以VGGNet、ResNet搭建的双流网络,准确率分别提升了12.4%和4.2%;与决策层平均融合、特征层拼接融合的方式相比,时空特征卷积融合方式准确率分别提升了2.5%和1.7%。

关键词：鳗鲡行为状态混合高斯背景模型 DenseNet-121 双流网络结构卷积融合

在线全文

学校读者我要写书评

暂无评论

采用颜色混合模型和特征组合的视频烟雾检测

光电子．激光 2017年第7期28卷 751-758页

作者：唐杰周洋杨萌唐向宏杭州电子科技大学通信工程学院浙江杭州310018

提出了一种采用烟雾颜色混合模型和多特征组合的视频烟雾检测算法。首先利用混合高斯背景模型提取烟雾视频的运动区域;然后使用新的烟雾颜色混合模型从运动区域中确定出疑似烟雾区域;最后采用烟雾的动态特征(运动速度均值和方差,运动方... 详细信息

提出了一种采用烟雾颜色混合模型和多特征组合的视频烟雾检测算法。首先利用混合高斯背景模型提取烟雾视频的运动区域;然后使用新的烟雾颜色混合模型从运动区域中确定出疑似烟雾区域;最后采用烟雾的动态特征(运动速度均值和方差,运动方向,面积增长率)组合分析对疑似烟雾区域进行烟雾识别,剔除非烟雾区域。通过不同类型烟雾视频的实验结果表明:对于光照正常,烟雾浓的烟雾类型,本文算法取得了96.57%平均检测成功率;对于光照弱或烟雾浓度稀薄的烟雾类型,本文算法取得了87.67%平均检测成功率。

关键词：烟雾检测混合高斯背景模型烟雾颜色混合模型动态特征

在线全文

学校读者我要写书评

暂无评论

主动轮廓模型在运动舰船目标跟踪中的应用

舰船科学技术 2016年第1X期38卷 166-168页

作者：袁静王茂发防灾科技学院灾害信息工程系河北燕郊065201

应用数字图像处理技术对视频监控系统中的舰船目标进行运动检测与跟踪。针对水面环境存在的复杂变化,选用混合高斯背景模型的方法构建实时背景模型,应用背景差分法检测出监控画面中的运动舰船区域,并得到舰船目标的初始轮廓,再利用主动... 详细信息

应用数字图像处理技术对视频监控系统中的舰船目标进行运动检测与跟踪。针对水面环境存在的复杂变化,选用混合高斯背景模型的方法构建实时背景模型,应用背景差分法检测出监控画面中的运动舰船区域,并得到舰船目标的初始轮廓,再利用主动轮廓模型方法,提取运动舰船目标轮廓,并利用舰船轮廓实现目标跟踪。实验表明,算法可对目标轮廓进行较好地跟踪,并且复杂度较低。

关键词：主动轮廓模型混合高斯背景模型目标跟踪

在线全文

学校读者我要写书评

暂无评论

一种自适应的双门限场面运动目标检测方法

计算机科学 2015年第1期42卷 312-316页

作者：吴敏吴宏刚姚辉王凯蒋李中国民用航空总局第二研究所科研开发中心成都610041 四川大学电气信息学院成都610065

为了有效解决在复杂环境下机场场面运动目标的精确检测问题,提出了一种自适应的双门限场面运动目标检测方法。首先采用混合高斯背景模型的方法来提取背景图像,然后使用两个门限值对差分图像进行前景目标分割,低门限阈值用于粗分割以检... 详细信息

为了有效解决在复杂环境下机场场面运动目标的精确检测问题,提出了一种自适应的双门限场面运动目标检测方法。首先采用混合高斯背景模型的方法来提取背景图像,然后使用两个门限值对差分图像进行前景目标分割,低门限阈值用于粗分割以检测出较明显的运动目标,在粗分割的基础上再用高门限阈值进行细分割以去除噪声目标和伪目标,最终得到场面运动目标的准确检测和分割结果。在复杂条件下的场景进行的实验,验证了该方法具有良好的噪声抑制能力和对慢目标良好的鲁棒性,同时能有效地分割出前景目标。

关键词：双门限混合高斯背景模型背景图像差分图像前景目标

在线全文

学校读者我要写书评

暂无评论

天空背景下红外目标的检测

电光与控制 2015年第6期22卷 44-46页

作者：王保曾万晓冬付琳南京航空航天大学南京210016

在噪声和云层背景的干扰下,为了有效地从红外图像序列中检测到低信噪比的运动小目标,采用形态学Tophat滤波滤除低频背景部分以增强目标;并通过混合高斯背景模型进行背景估计和自适应背景更新,将前景部分和背景部分差分。实验表明,Topha... 详细信息

在噪声和云层背景的干扰下,为了有效地从红外图像序列中检测到低信噪比的运动小目标,采用形态学Tophat滤波滤除低频背景部分以增强目标;并通过混合高斯背景模型进行背景估计和自适应背景更新,将前景部分和背景部分差分。实验表明,Tophat滤波和混合高斯模型算法相结合能够准确实现天空背景下红外目标的检测。

关键词：红外目标目标检测天空背景 Tophat 混合高斯背景模型