本文選題：視頻 + Codebook背景建模　； 參考：《傳感器與微系統(tǒng)》2017年03期

【摘要】：針對(duì)視頻序列,Codebook背景建模算法能檢測(cè)出其中的運(yùn)動(dòng)物體,但卻無(wú)法識(shí)別行人。而大部分基于支持向量機(jī)(SVM)訓(xùn)練的行人分類器,需要通過(guò)滑動(dòng)窗口遍歷圖像檢測(cè)行人。為加快行人檢測(cè)的速度,提出將傳統(tǒng)的行人分類器融入到Codebook背景建模算法中,通過(guò)背景建模算法為行人檢測(cè)提供候選區(qū)域,減少搜索范圍,降低了行人誤檢率;并根據(jù)行人的特點(diǎn),構(gòu)建臨時(shí)塊模型定期將滿足條件的前景區(qū)域更新到背景模型中,解決了Codebook背景建模算法不能應(yīng)對(duì)光照突變的問(wèn)題。實(shí)驗(yàn)結(jié)果表明:所提算法能應(yīng)對(duì)光照突變所帶來(lái)的干擾,實(shí)現(xiàn)視頻行人實(shí)時(shí)檢測(cè)。
[Abstract]:Codebook background modeling algorithm for video sequences can detect moving objects, but it can not recognize pedestrians. Most pedestrian classifiers based on support vector machine (SVM) training need to use sliding window to traverse images to detect pedestrians. In order to accelerate the speed of pedestrian detection, the traditional pedestrian classifier is integrated into Codebook background modeling algorithm, which can provide candidate areas for pedestrian detection, reduce the search range and reduce the pedestrian false detection rate. According to the characteristics of pedestrians, the temporary block model is constructed to update the foreground region to the background model periodically, which solves the problem that the Codebook background modeling algorithm can not cope with the sudden change of illumination. The experimental results show that the proposed algorithm can deal with the interference caused by sudden illumination and realize real-time detection of video pedestrians.
【作者單位】： 電子科技大學(xué)自動(dòng)化工程學(xué)院;國(guó)家電網(wǎng)四川省電力公司樂(lè)山電業(yè)局;
【分類號(hào)】：TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前3條

1 程添;楊思思;馮蓉;周泓;;基于雙目標(biāo)定的獨(dú)居老人摔倒檢測(cè)算法[J];傳感器與微系統(tǒng);2014年10期

2 霍東海;楊丹;張小洪;洪明堅(jiān);;一種基于主成分分析的Codebook背景建模算法[J];自動(dòng)化學(xué)報(bào);2012年04期

3 程廣濤;陳雪;郭照莊;;基于HOG特征的行人視覺(jué)檢測(cè)方法[J];傳感器與微系統(tǒng);2011年07期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陳鵬;涂亞慶;童俊平;趙運(yùn)勇;;可穿戴式跌倒檢測(cè)智能系統(tǒng)設(shè)計(jì)[J];傳感器與微系統(tǒng);2017年02期

2 賈阿麗;;視頻監(jiān)控領(lǐng)域非時(shí)序性視頻摘要的生成[J];運(yùn)城學(xué)院學(xué)報(bào);2016年06期

3 秦明;陸耀;邸慧軍;呂峰;;基于誤差補(bǔ)償?shù)膹?fù)雜場(chǎng)景下背景建模方法[J];自動(dòng)化學(xué)報(bào);2016年09期

4 蔣泳森;肖泉;王守覺(jué);;基于矢量方向特征的非參數(shù)動(dòng)態(tài)背景建模[J];計(jì)算機(jī)科學(xué);2016年03期

5 焦松;李偉;楚威;毛少杰;;情報(bào)數(shù)據(jù)驅(qū)動(dòng)的在線仿真系統(tǒng)動(dòng)態(tài)修正方法[J];系統(tǒng)工程與電子技術(shù);2016年05期

6 潘堅(jiān)躍;麻立群;彭斌;李敏;陳希;;人體及穿戴特征識(shí)別在電力設(shè)施監(jiān)控中的應(yīng)用[J];電子設(shè)計(jì)工程;2015年10期

7 靳海偉;彭力;盧曉龍;;基于幀間差分和粗糙熵的運(yùn)動(dòng)目標(biāo)檢測(cè)算法[J];江南大學(xué)學(xué)報(bào)(自然科學(xué)版);2015年01期

8 張紅穎;李志忠;;基于區(qū)域信息的自適應(yīng)碼本目標(biāo)檢測(cè)算法[J];科學(xué)技術(shù)與工程;2015年05期

9 趙曉梅;孫建德;張?jiān)?;基于分層匹配五元組Codebook的運(yùn)動(dòng)目標(biāo)檢測(cè)算法[J];計(jì)算機(jī)工程與應(yīng)用;2016年07期

10 李偉;焦松;陸凌云;楊明;;基于特征差異的仿真模型驗(yàn)證及選擇方法[J];自動(dòng)化學(xué)報(bào);2014年10期

【二級(jí)參考文獻(xiàn)】

相關(guān)期刊論文 前5條

1 王榮;章韻;陳建新;;基于三軸加速度傳感器的人體跌倒檢測(cè)系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J];計(jì)算機(jī)應(yīng)用;2012年05期

2 王永忠;梁彥;潘泉;程詠梅;趙春暉;;基于自適應(yīng)混合高斯模型的時(shí)空背景建模[J];自動(dòng)化學(xué)報(bào);2009年04期

3 王彥霞;王震洲;劉教民;;基于雙目立體視覺(jué)的三維建模算法[J];河北科技大學(xué)學(xué)報(bào);2008年03期

4 趙春暉;張洪才;陸朝霞;;一種基于三角特征的行人檢測(cè)算法[J];計(jì)算機(jī)工程與應(yīng)用;2008年07期

5 賈慧星;章毓晉;;車輛輔助駕駛系統(tǒng)中基于計(jì)算機(jī)視覺(jué)的行人檢測(cè)研究綜述[J];自動(dòng)化學(xué)報(bào);2007年01期

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 金俁欣;陶霖密;徐光yP;彭玉新;;攝像機(jī)自由運(yùn)動(dòng)環(huán)境下的背景建模[J];中國(guó)圖象圖形學(xué)報(bào);2008年02期

2 王智靈;周露平;陳宗海;;針對(duì)不同信息特征的魯棒背景建模技術(shù)分析[J];模式識(shí)別與人工智能;2009年02期

3 姜忠民;趙建民;朱信忠;;基于最大間隔聚類的背景建模方法[J];計(jì)算機(jī)技術(shù)與發(fā)展;2009年10期

4 余孟澤;劉正熙;駱健;楊丹;;基于塊背景建模的運(yùn)動(dòng)目標(biāo)檢測(cè)[J];四川大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年03期

5 葛海淼;戴學(xué)豐;王成琳;;一種新型移動(dòng)物體檢測(cè)及背景建模系統(tǒng)[J];電子技術(shù)應(yīng)用;2013年01期

6 桑農(nóng);張濤;李斌;吳翔;;基于字典學(xué)習(xí)的背景建模[J];華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年09期

7 左軍毅;潘泉;梁彥;張洪才;程詠梅;;基于模型切換的自適應(yīng)背景建模方法[J];自動(dòng)化學(xué)報(bào);2007年05期

8 張水發(fā);丁歡;張文生;;雙模型背景建模與目標(biāo)檢測(cè)研究[J];計(jì)算機(jī)研究與發(fā)展;2011年11期

9 楊敏;安振英;;基于低秩矩陣恢復(fù)的視頻背景建模[J];南京郵電大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年02期

10 李子龍;劉偉銘;張陽(yáng);;基于自適應(yīng)模糊估計(jì)的背景建模方法[J];華南理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年09期

相關(guān)會(huì)議論文 前5條

1 王智靈;陳宗海;周露平;;基于多信息層次的魯棒背景建模方法[A];2007系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2007年

2 李霞;董雁冰;王亞輝;王俊;;空間光學(xué)輻射背景建模研究[A];2007年光電探測(cè)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 何強(qiáng);林宏基;;基于蟻群算法的自適應(yīng)背景建模[A];第十一屆中國(guó)體視學(xué)與圖像分析學(xué)術(shù)會(huì)議論文集[C];2006年

4 李恒暉;楊金鋒;任小慧;吳仁彪;;一種多約束條件的混合高斯背景建模方法[A];全國(guó)第二屆信號(hào)處理與應(yīng)用學(xué)術(shù)會(huì)議專刊[C];2008年

5 韓穎婕;張海;李琳怡;;基于混合高斯背景建模的陰影抑制算法[A];第十四屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2008年

相關(guān)博士學(xué)位論文 前4條

1 葉芳芳;監(jiān)控視頻中的異常行為檢測(cè)研究[D];浙江大學(xué);2014年

2 鄒騰躍;復(fù)雜環(huán)境目標(biāo)檢測(cè)與跟蹤關(guān)鍵技術(shù)研究及應(yīng)用[D];華中科技大學(xué);2013年

3 何志偉;基于模型的目標(biāo)提取及其在智能交通中的應(yīng)用[D];浙江大學(xué);2006年

4 江疆;基于稀疏表達(dá)的若干分類問(wèn)題研究[D];華中科技大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 劉雨辰;復(fù)雜背景中的多目標(biāo)檢測(cè)與跟蹤[D];內(nèi)蒙古大學(xué);2015年

2 胡婷;基于視頻技術(shù)的車輛檢測(cè)跟蹤及分類算法研究與實(shí)現(xiàn)[D];長(zhǎng)安大學(xué);2015年

3 楊文幫;基于視頻分析的人群流量檢測(cè)[D];貴州民族大學(xué);2015年

4 賴文杰;基于ARM-FPGA的視覺(jué)追蹤系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];哈爾濱工業(yè)大學(xué);2015年

5 宋歡歡;復(fù)雜場(chǎng)景下背景建模方法的研究與實(shí)現(xiàn)[D];南昌大學(xué);2015年

6 蘇建安;面向智能視頻監(jiān)控的高動(dòng)態(tài)場(chǎng)景建模和修復(fù)[D];電子科技大學(xué);2014年

7 滕琳琳;基于高階擴(kuò)展FMM和低秩矩陣恢復(fù)的信號(hào)重建研究[D];河北工業(yè)大學(xué);2015年

8 張?bào)@州;復(fù)雜場(chǎng)景下基于視頻的行人流量統(tǒng)計(jì)算法研究[D];電子科技大學(xué);2014年

9 陳星明;基于背景建模的運(yùn)動(dòng)目標(biāo)監(jiān)控視頻檢測(cè)算法[D];南京大學(xué);2015年

10 柯太清;基于快速背景建模的人物越界檢測(cè)系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D];電子科技大學(xué);2014年

，

本文編號(hào)：1990508