本文選題：顯著性 + 運動目標(biāo)��； 參考：《計算機工程與應(yīng)用》2017年05期

【摘要】：從序列圖像中提取變化區(qū)域是運動檢測的主要作用,動態(tài)背景的干擾嚴(yán)重影響檢測結(jié)果,使得有效性運動檢測成為一項困難工作。受靜態(tài)圖像顯著性檢測啟發(fā),提出了一種新的運動目標(biāo)檢測方法,采用自底向上與自頂向下的視覺計算模型相結(jié)合的方式獲取圖像的空時顯著性:先檢測出視頻序列中的空間顯著性,在其基礎(chǔ)上加入時間維度,利用改進的三幀差分算法獲取具有運動目標(biāo)的時間顯著性,將顯著性目標(biāo)的檢測視角由靜態(tài)圖像轉(zhuǎn)換為空時性均顯著的運動目標(biāo)。實驗和分析結(jié)果表明:新方法在攝像機晃動等動態(tài)背景中能較準(zhǔn)確檢測出空時均顯著的運動目標(biāo),具有較高的魯棒性。
[Abstract]:Extracting the region of change from the sequence image is the main role of motion detection, and the interference of dynamic background seriously affects the detection results, which makes effective motion detection a difficult task. A new method of moving target detection is proposed, which is inspired by the salience detection of static image. The space-time significance of images is obtained by combining bottom-up and top-down visual computing models. Firstly, the spatial significance of video sequences is detected, and the time dimension is added to it. The improved three-frame difference algorithm is used to obtain the temporal significance of the moving target, and the detection angle of the salient target is transformed from the static image to the moving target with significant space-time. The experimental and analytical results show that the new method can accurately detect the moving targets with significant space-time in the dynamic background such as camera sloshing, and has high robustness.
【作者單位】： 昆明理工大學(xué)信息工程與自動化學(xué)院;
【基金】：國家自然科學(xué)基金(No.61462052) 云南省自然科學(xué)基金(No.KKSY201403049)
【分類號】：TP391.41

【相似文獻】

相關(guān)期刊論文 前10條

1 李倩;李金屏;;動態(tài)背景下具有偽裝色的運動目標(biāo)檢測[J];濟南大學(xué)學(xué)報(自然科學(xué)版);2011年02期

2 洪宇,高廣珠,余理富,何智勇;一種基于動態(tài)背景的運動車輛跟蹤算法[J];計算機應(yīng)用研究;2004年06期

3 徐克虎;王天召;陳金玉;張波;;動態(tài)背景下的運動目標(biāo)檢測定位算法研究[J];計算機測量與控制;2013年12期

4 宋春玉;;動態(tài)背景下圖像的分割[J];計算機應(yīng)用與軟件;2014年04期

5 王天召;徐克虎;黃大山;;動態(tài)背景下的運動目標(biāo)檢測[J];計算機技術(shù)與發(fā)展;2013年07期

6 毛文;朵天林;;電視節(jié)目片頭中常用動態(tài)背景制作解析[J];中國有線電視;2007年Z2期

7 劉英霞;賀長偉;王欣;;基于貝葉斯模型的動態(tài)背景檢測[J];系統(tǒng)仿真學(xué)報;2007年21期

8 宦若虹;王浙滬;唐曉梅;陳慶章;;動態(tài)背景下基于粒子濾波的運動目標(biāo)跟蹤方法[J];計算機應(yīng)用與軟件;2011年05期

9 崔智高;李艾華;姜柯;;雙目協(xié)同動態(tài)背景運動分離方法[J];紅外與激光工程;2013年S1期

10 丁茂實;徐貴力;謝非;賈愛芹;;一種基于動態(tài)背景的運動目標(biāo)提取方法[J];佳木斯大學(xué)學(xué)報(自然科學(xué)版);2009年02期

相關(guān)會議論文 前2條

1 白建華;李翠華;吳琦穎;;基于動態(tài)背景的運動車輛檢測算法[A];第十二屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2005年

2 李金屏;李倩;;基于Laws能量和變化頻次的偽裝色移動目標(biāo)檢測研究[A];第十五屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2010年

相關(guān)重要報紙文章 前1條

1 MXC;讓網(wǎng)頁背景飄起來[N];電腦報;2005年

相關(guān)碩士學(xué)位論文 前10條

1 趙坤;基于模型共享機制的前景檢測算法[D];北京理工大學(xué);2015年

2 馮艷;動態(tài)背景下基于SIFT特征匹配的目標(biāo)檢測算法[D];西安電子科技大學(xué);2014年

3 王奧雨;基于視頻的目標(biāo)檢測與跟蹤方法的研究[D];河北工業(yè)大學(xué);2015年

4 于少波;面向虛實合作的動態(tài)背景分離技術(shù)研究[D];北方工業(yè)大學(xué);2016年

5 韓立媛;移動機器人運動圖像捕捉、識別與跟蹤[D];燕山大學(xué);2016年

6 李恒年;動態(tài)背景下的視頻目標(biāo)檢測與跟蹤研究[D];鄭州大學(xué);2016年

7 蘇杭;動態(tài)背景多目標(biāo)檢測與跟蹤技術(shù)研究[D];電子科技大學(xué);2016年

8 張苑欣;動態(tài)背景下運動目標(biāo)的檢測與跟蹤[D];西安電子科技大學(xué);2015年

9 劉永鵬;高清視頻監(jiān)控系統(tǒng)動態(tài)背景去除研究[D];天津理工大學(xué);2014年

10 范五東;動態(tài)背景下的多目標(biāo)檢測與跟蹤的研究[D];重慶大學(xué);2012年

，

本文編號：1839038