本文選題：復(fù)雜背景 + 前景檢測　； 參考：《計(jì)算機(jī)應(yīng)用研究》2017年04期

【摘要】：針對視覺背景提取模型存在的鬼影抑制效果差、動(dòng)態(tài)背景適應(yīng)能力不足等問題,提出了一種改進(jìn)的視覺背景提取模型算法。在模型構(gòu)建階段,該算法充分融合時(shí)空域信息初始化背景模型,避免了樣本的重復(fù)選取,提高了鬼影抑制能力;在像素分類階段,根據(jù)背景動(dòng)態(tài)程度,引入自適應(yīng)距離閾值代替全局固定閾值,增強(qiáng)了模型對動(dòng)態(tài)背景的適應(yīng)性;在背景更新階段,對連續(xù)多幀判定為前景的像素點(diǎn)進(jìn)行閾值判斷,并及時(shí)更新到背景模型,消除了運(yùn)動(dòng)背景與靜止前景造成的虛影現(xiàn)象。多個(gè)公開視頻數(shù)據(jù)的測試結(jié)果表明,該算法相比典型算法在復(fù)雜背景下檢測的準(zhǔn)確性和魯棒性都有了很大提高。
[Abstract]:An improved visual background extraction model algorithm is proposed to solve the problems of poor ghost suppression and insufficient dynamic background adaptation in the visual background extraction model. In the stage of model construction, the algorithm fully integrates space-time domain information to initialize the background model, avoids the repeated selection of samples, and improves the ability of ghost image suppression. In the pixel classification stage, according to the dynamic degree of background, The adaptive distance threshold is introduced to replace the global fixed threshold, which enhances the adaptability of the model to the dynamic background. The virtual shadow caused by moving background and static foreground is eliminated. The experimental results of several open video data show that the proposed algorithm is much more accurate and robust than the typical algorithm in complex background.
【作者單位】： 火箭軍工程大學(xué)502教研室;天津津航技術(shù)物理研究所;
【基金】：國家自然科學(xué)基金資助項(xiàng)目(61501470)
【分類號】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張曉麗;智敏;;網(wǎng)球視頻中慢鏡頭的自適應(yīng)閾值探測法[J];計(jì)算機(jī)工程與科學(xué);2013年04期

2 陳敏;一種自適應(yīng)閾值選擇方法[J];成都信息工程學(xué)院學(xué)報(bào);2005年03期

3 黃茜;王少龍;徐道磊;廖婷婷;;云的自適應(yīng)閾值檢測方法[J];中國圖象圖形學(xué)報(bào);2012年08期

4 焦莉莉;劉麗;馬苗;;改進(jìn)的自適應(yīng)閾值小波圖像抑噪算法[J];中國體視學(xué)與圖像分析;2009年02期

5 曹敏;程東年;張建輝;吳曦;;基于自適應(yīng)閾值的網(wǎng)絡(luò)流量異常檢測算法[J];計(jì)算機(jī)工程;2009年19期

6 楊俊;呂偉濤;馬穎;姚雯;李清勇;;基于自適應(yīng)閾值的地基云自動(dòng)檢測方法[J];應(yīng)用氣象學(xué)報(bào);2009年06期

7 李美玲;陳俊琰;郁崇文;;基于自適應(yīng)閾值的棉網(wǎng)圖像中結(jié)雜的識別[J];東華大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年02期

8 曹瑩慧;閆建國;;基于矩和自適應(yīng)閾值的迭代分割算法研究[J];計(jì)算機(jī)仿真;2011年08期

9 李丹霞;韋玉科;;基于自適應(yīng)閾值的舌像分割方法[J];計(jì)算機(jī)技術(shù)與發(fā)展;2011年09期

10 胡珂立;趙魯陽;林振華;王營冠;;一種改進(jìn)的自適應(yīng)閾值前景提取方法[J];計(jì)算機(jī)應(yīng)用研究;2011年12期

相關(guān)會(huì)議論文 前7條

1 焦莉莉;劉麗;馬苗;;自適應(yīng)閾值小波圖像去噪算法的改進(jìn)[A];第八屆全國信號與信息處理聯(lián)合學(xué)術(shù)會(huì)議論文集[C];2009年

2 魯劍鋒;吳川;;基于模糊理論的自適應(yīng)閾值實(shí)時(shí)DSP系統(tǒng)[A];2007年光電探測與制導(dǎo)技術(shù)的發(fā)展與應(yīng)用研討會(huì)論文集[C];2007年

3 馬洪連;李棟;丁男;謝海潮;齊偉;魏戰(zhàn)宇;;基于FPGA的多運(yùn)動(dòng)目標(biāo)實(shí)時(shí)檢測系統(tǒng)的研究[A];2009年中國智能自動(dòng)化會(huì)議論文集（第三分冊）[C];2009年

4 楊居義;;基于第二代Bandelet變換的自適應(yīng)閾值去噪算法[A];2009年全國開放式分布與并行計(jì)算機(jī)學(xué)術(shù)會(huì)議論文集(上冊)[C];2009年

5 彭莎;吳效明;楊榮騫;;基于數(shù)字摳圖的ROI提取方式改進(jìn)及其在CT圖像中的應(yīng)用[A];中國生物醫(yī)學(xué)工程學(xué)會(huì)成立30周年紀(jì)念大會(huì)暨2010中國生物醫(yī)學(xué)工程學(xué)會(huì)學(xué)術(shù)大會(huì)青年優(yōu)秀論文[C];2010年

6 劉冠洲;;復(fù)雜礦石圖像自適應(yīng)閾值化算法[A];中國計(jì)量協(xié)會(huì)冶金分會(huì)2014年會(huì)暨能源計(jì)量與綠色冶金論壇論文集[C];2014年

7 賈曉未;王純;賈克斌;;基于運(yùn)動(dòng)特征的鏡頭切變檢測算法[A];全國第五屆信號和智能信息處理與應(yīng)用學(xué)術(shù)會(huì)議專刊(第一冊)[C];2011年

相關(guān)碩士學(xué)位論文 前9條

1 羅澤;船載熱成像中海面遠(yuǎn)程目標(biāo)自適應(yīng)閾值檢測方法研究[D];大連海事大學(xué);2016年

2 劉思延;基于自適應(yīng)閾值的三維塊匹配降噪算法研究[D];中北大學(xué);2016年

3 錢一名;航空數(shù)據(jù)鏈的認(rèn)知抗干擾技術(shù)研究與FPGA實(shí)現(xiàn)[D];北京工業(yè)大學(xué);2016年

4 沈春裕;自適應(yīng)閾值的運(yùn)動(dòng)目標(biāo)檢測技術(shù)研究[D];浙江工業(yè)大學(xué);2012年

5 秦雙勇;基于自適應(yīng)閾值的冶煉耗氧數(shù)據(jù)突變點(diǎn)檢測[D];大連理工大學(xué);2014年

6 黃令允;基于自適應(yīng)閾值的SIFT算法研究及應(yīng)用[D];大連理工大學(xué);2010年

7 吳經(jīng)緯;基于Gauss分布的自適應(yīng)閾值高光譜圖像分類研究[D];南京理工大學(xué);2014年

8 龍永紅;數(shù)字視頻內(nèi)容篡改的被動(dòng)取證[D];湖南大學(xué);2013年

9 張明吉;自適應(yīng)人體膚色檢測中的若干關(guān)鍵技術(shù)研究[D];中國科學(xué)院研究生院（計(jì)算技術(shù)研究所）;2005年

，

本文編號：1803196