發(fā)布時間：2021-04-06 03:20

　　針對運動目標檢測,當(dāng)前算法具有一定的適用性和局限性,以及檢測信息不完整等問題,在幀間差分法和混合高斯模型的基礎(chǔ)上,提出了一種改進的混合高斯模型的目標檢測算法,用來解決幀間差分法造成的運動目標背景輪廓不完整的問題.該方法是在傳統(tǒng)的混合高斯模型的基礎(chǔ)上,在一定幀數(shù)內(nèi),檢查所有的高斯分布的權(quán)重,對滿足條件的高斯分布進行刪除操作,最終得到輪廓較為清晰的運動目標.實驗結(jié)果表明,本文算法充分的考慮了背景人物對于運動目標監(jiān)測產(chǎn)生的影響,實驗過程中使用了真實的電網(wǎng)數(shù)據(jù),從而說明該算法在準確度上相比于其他算法提高了3.37%,具有更好的準確性和對環(huán)境的適應(yīng)能力. 

【文章來源】：計算機系統(tǒng)應(yīng)用. 2020,29(10)

【文章頁數(shù)】：6 頁

【參考文獻】：
期刊論文
[1]融入幀間差分法的深度學(xué)習(xí)目標識別仿真研究[J]. 王輝,于立君,孫蓉,劉朝達,高天禹.  實驗技術(shù)與管理. 2019(12)
[2]融合背景差分法和幀間差分法的運動目標檢測[J]. 陳媛,胡娜,余秋月.  現(xiàn)代計算機. 2019(34)
[3]網(wǎng)絡(luò)視頻監(jiān)控系統(tǒng)現(xiàn)狀與發(fā)展[J]. 王曉強.  現(xiàn)代工業(yè)經(jīng)濟和信息化. 2019(08)
[4]基于幀間差分累積的鐵路限界異物檢測提取算法[J]. 郭碧,丁春平.  鐵道標準設(shè)計. 2019(09)
[5]基于改進混合高斯模型的車輛多目標檢測方法[J]. 李珣,南愷愷,景軍鋒.  西安工程大學(xué)學(xué)報. 2017(06)
[6]高斯混合模型的運動目標檢測與跟蹤算法[J]. 杜鵑,吳芬芬.  南京理工大學(xué)學(xué)報. 2017(01)
[7]一種結(jié)合幀差法和混合高斯的運動檢測算法[J]. 於正強,潘赟,宦若虹.  計算機應(yīng)用與軟件. 2015(04)
[8]連續(xù)幀間差分與背景差分相融合的運動目標檢測方法[J]. 屈晶晶,辛云宏.  光子學(xué)報. 2014(07)
[9]改進的基于高斯混合模型的運動目標檢測算法[J]. 李明,趙勛杰.  計算機工程與應(yīng)用. 2011(08)
[10]改進的光流法用于車輛識別與跟蹤[J]. 胡覺暉,李一民,潘曉露.  科學(xué)技術(shù)與工程. 2010(23)



本文編號：3120652