【摘要】：運動目標(biāo)物體檢測是計算機視覺領(lǐng)域的熱門研究方向之一。該方向的一些復(fù)雜問題,例如:環(huán)境光照變化、目標(biāo)物體部分/全遮擋、目標(biāo)物體剛性/非剛性形變等,仍極具挑戰(zhàn)性,并制約檢測算法效果的進一步提高。為此,提出了一種新穎的運動目標(biāo)物體檢測算法。該算法采用了增量學(xué)習(xí)技術(shù),融合了視頻相鄰幀在空間和時間上的高相關(guān)性,在每個測試幀上都利用其相鄰幀的訓(xùn)練數(shù)據(jù)進行模型的自學(xué)習(xí)與更新,從而保證了模型在不同環(huán)境或復(fù)雜背景下能自動調(diào)整。為了實現(xiàn)模型學(xué)習(xí),還提出并采用了一種新穎的譜聚類技術(shù)。該算法通過一個由1 000多幀的視頻數(shù)據(jù)庫驗證,采用統(tǒng)計學(xué)中的方差分析和多重對比等實驗手段,綜合分析了該算法與其他同類經(jīng)典算法的效果。通過大量統(tǒng)計分析,結(jié)果表明,該新穎檢測算法比傳統(tǒng)算法在運動目標(biāo)物體檢測的準(zhǔn)確性和魯棒性上都有明顯提高。
[Abstract]:Moving object detection is one of the hot research directions in the field of computer vision. Some complex problems in this direction, such as environmental illumination variation, partial / total occlusion of target object, rigid / non-rigid deformation of target object, etc., are still very challenging, and restrict the further improvement of detection algorithm. Therefore, a novel object detection algorithm is proposed. The algorithm adopts incremental learning technology, which combines the high spatial and temporal correlation of adjacent frames, and uses the training data of adjacent frames for model self-learning and updating in each test frame. This ensures that the model can be adjusted automatically in different environments or complex backgrounds. In order to realize model learning, a novel spectral clustering technique is proposed and adopted. The algorithm is verified by a video database of more than 1,000 frames, and the effect of this algorithm and other similar classical algorithms is analyzed synthetically by means of variance analysis and multiple comparison in statistics. Through a lot of statistical analysis, the results show that the accuracy and robustness of the new detection algorithm are obviously improved compared with the traditional algorithm.
【作者單位】： 南昌大學(xué)信息工程學(xué)院;江西農(nóng)業(yè)大學(xué)軟件學(xué)院;華中光電技術(shù)研究所;西安通信學(xué)院;
【基金】：國家自然科學(xué)基金(61403182、61363046)資助
【分類號】：TP391.41

【相似文獻】

相關(guān)期刊論文 前10條

1 朱方文,李德強,袁政鵬,吳家麒;一種用于目標(biāo)物體跟蹤的人工標(biāo)志[J];計算機工程與應(yīng)用;2004年31期

2 王運生;聶芬;王黎明;;基于明暗恢復(fù)形狀的目標(biāo)物體深度信息提取算法設(shè)計[J];機械管理開發(fā);2011年03期

3 李文濤;馬鉞;;基于智能相機的目標(biāo)物體的定位[J];控制工程;2011年S1期

4 張冬芳;王向周;;基于數(shù)學(xué)形態(tài)學(xué)的圖像邊緣處理[J];微計算機信息;2006年22期

5 孔祥勤;;SoftPOSIT方法在PNP問題中的應(yīng)用[J];計算機光盤軟件與應(yīng)用;2012年11期

6 張耀平;岳曉峰;鄭春妍;甘立杰;趙黎黎;;基于視覺技術(shù)的圓柱內(nèi)壁小目標(biāo)物體精確測量[J];機械工程師;2009年05期

7 羅志增,蔣靜萍;應(yīng)用模糊信息融合實現(xiàn)目標(biāo)物體的分類[J];儀器儀表學(xué)報;1999年04期

8 張耀平;岳曉峰;鄭春妍;甘立杰;;基于視覺技術(shù)的圓柱內(nèi)壁小目標(biāo)物體精確測量[J];微型電腦應(yīng)用;2009年09期

9 張申華;祝軒;雷文娟;王蕾;;一種改進的基于樣例的目標(biāo)物體移除方法[J];計算機工程與應(yīng)用;2011年07期

10 李東;倉吉;夏新星;李海峰;劉向東;劉旭;;基于壓縮感知的后調(diào)制遠(yuǎn)距離三維成像研究[J];光學(xué)學(xué)報;2014年01期

相關(guān)重要報紙文章 前2條

1 房琳琳;牽引激光束能直接移動目標(biāo)物體[N];科技日報;2014年

2 記者 張夢然;“牽引光束”實現(xiàn)1.5米外隔空取物[N];科技日報;2010年

相關(guān)博士學(xué)位論文 前1條

1 荊偉;自閉癥譜系障礙兒童詞語習(xí)得中“快速映射”能力的實驗研究[D];華東師范大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 曹雄;面向視頻內(nèi)容的廣告定向投放方法研究[D];哈爾濱工業(yè)大學(xué);2014年

2 崔行悅;基于激光自混合干涉的絕對距離測量研究[D];東北石油大學(xué);2016年

3 彭壯;空間在軌維護用五指靈巧手抓取方案研究[D];南京航空航天大學(xué);2016年

4 王雯霞;目標(biāo)物體的形態(tài)譜分析與識別[D];蘇州大學(xué);2004年

5 陳彬彬;運動目標(biāo)的識別與跟蹤[D];華中科技大學(xué);2012年

6 雷麗充;基于Kinect靈巧手智能抓捕策略[D];石家莊鐵道大學(xué);2014年

7 全亞芝;靈長類動物腦認(rèn)知實驗研究系統(tǒng)的設(shè)計與實現(xiàn)[D];華中科技大學(xué);2014年

8 劉冬梅;嵌入式小零件高速檢測方法的研究[D];天津理工大學(xué);2010年

9 萬里進;基于結(jié)構(gòu)化組合哈希函數(shù)簇的物體檢索和定位系統(tǒng)[D];中山大學(xué);2013年

10 胡偉r;基于圖像的植物建模技術(shù)的研究[D];浙江大學(xué);2005年

，

本文編號：2326859