正文內容

稀疏表示目標關聯-wenkub.com

2026-06-17 23:57 本頁面

　　

【正文】 , Performance of optical flow techniques, Computer Vision and Pattern Recognition, 1992. Proceedings CVPR 39。 , Modeling pixel process with scale invariant local patterns for background subtraction in plex scenes, CVPR 2010 [10] Barron, .。 Guoying Zhao。 , Moving targets detection algorithm based on background subtraction and frames subtraction, Industrial Mechatronics and Automation (ICIMA), 2010 2nd International Conference on , , no., , 3031 May 2010[6] V. Reddy, C. Sanderson, and B. C. Lovell. Robust foreground object segmentation via adaptive regionbased background modelling. In International Conference on Pattern Recognition (ICPR), Turkey, 2010.6參考文獻[1] TAN Jiyuan, WU Chengdong, ZHOU Yun,HOU Jun,WANG Qiaoqiao,Research of abnormal target algorithm in intelligent surveillance system, Mechanical amp。通過對多目標關聯的難點及其相關方法的分析，多目標關聯技術研究未來的發展方向為：一、結合模式識別和機器學習相關算法提高決策準確率；二、研究更為準確的目標表現模型。 Javed 等人[4142]也針對目標的顏色直方圖建立了不同視頻之間的亮度轉移函數（BTF），他們的函數包含光照、場景幾何，以及攝像機的焦距、光圈和曝光時間等參數。例如：Orwell 等人[34]采用兩種方法對目標的顏色直方圖進行建模，一種是混合高斯參數化和交叉熵距離測量相結合的方法，另一種則是最大熵編碼和χ 2 距離測量相結合的方法，實驗表明這兩種方法都具有不錯的效果。Cheng[3032]和Madden[33, 34]等人研究室內監控環境下行人的關聯跟蹤。文獻[2628]在基于線特征的方法基礎上，首次融合點特征、區域特征等特征共同建立表現模型對車輛進行關聯。Shan[2325]和Guo[2629]等人的研究組近幾年一直在研究高速公路環境中多攝像機監控下的車輛關聯和跟蹤問題。在特征提取的過程中，某些特征需要先對攝像機進行標定，例如：點特征、幾何特征[22]；然而，考慮到隨著攝像機數量的急劇增加，對每個攝像機都進行標定和對應變得愈發困難，所以現有的研究工作大都采用不事先標定攝像機的方法進行特征抽取與關聯。目前已有的關聯方法主要包括對目標建立表現模型（Appearance Model），目標在不同攝像機中的表現模型之間的轉移模型（Transfer Model）的估計，以及表現模型相似度的估計等研究內容。采用一階動態模型傳遞狀態，利用此狀態參數得到模擬二值圖，同時對背景建模，利用背景差分法得到背景提取二值圖，計算兩個二值圖相交區域像素點個數與相并區域像素點個數的比值，此值作為狀態權值，選擇權值大的部分粒子的狀態平均和作為目標的最優位置估計。3D 模型可有效地處理目標分裂與合并問題，文獻[19]提出了基于MCMC 的3D 多目標跟蹤算法。因此，有些研究者對基于3D的多目標跟蹤算法[1719]進行了研究。利用背景差分法,差分值分別代表背景和目標。基于運動信息的多目標跟蹤算法目標總數可變一直是多目標跟蹤中的難點，有效地對可變數量目標的判定取決于目標檢測的準確度。文獻[14]為了提高算法的實時性，基于在線自適應模板選擇特征個數，計算量大大降低。單攝像頭目標跟蹤基于多特征融合與自適應模板的多目標跟蹤算法視覺特征對于跟蹤算法的性能有很重要的影響，所選的視覺特征應該能很好的區分跟蹤目標與背景。(3)光流法：基于光流法的運動目標檢測是利用了運動目標隨時間變化的光流特性，為視頻序列中每一個像素點賦予一個速度矢量，從而對應產生一個運動場，一般情況下認為光流場對應于運動場，研究光流場就是為了從圖像序列中近似計算得到運動場的信息，然后根據各個像素點的速度矢量特征，實現圖像序列的動態分析。最簡單方法是直接從視頻中抽取一幀圖像或者對一段時間內的視頻序列中每個像素做均值濾波或中值濾波，然后將得到的圖像作為參考背景圖像。優點是實時性好，算法復雜性比較小，容易實現。運動目標檢測的主要任務是在圖像中檢測出各個獨立的運動目標，便于后續的特征提取和關聯等過程。3多目標關聯方法概述正是由于上述問題的存在，研發具有魯棒性、實用性的多目標關聯算法一直是無重疊視域目標跟蹤的難點。目標外觀變化和不同目標外觀的區分：目標外觀特征包括目標形狀和紋理等信息，對于非剛性目標，由于目標比例和形狀的變化以及目標運動的不確定性(機動目標)，導致目標信息的丟失，很容易發生跟蹤失敗。目標總數的變化來自于新目標的隨機出現、舊目標的消失以及由于舊目標的分裂與合并(即遮擋)。目標被遮擋的過程一般可分為兩個階段：一是目標進入遮擋過程，這期間目標信息丟失越來越嚴重，二是目標出離遮擋過程，也即目標漸漸離開遮擋，這期間目標信息逐漸得到恢復。本文主要針對無重疊視域多目標關聯技術的研究現狀進行了系統的介紹,包括問題描述、一般框架、關鍵問題、主要方法介紹，并分析了各方法的優缺點。關鍵字：視頻監控、無重疊視域多攝像頭、目標關聯Abstract: With the rapid development of visual surveillance technology, the research abou

點擊復制文檔內容

黨政相關相關推薦

稀疏表示目標關聯-wenkub.com

多傳感器多目標航跡關聯與融合算法研究碩士學位論文-資料下載頁

關聯交易管理辦法-資料下載頁

灰色預測灰色關聯分析-資料下載頁

關聯企業借款合同范文-資料下載頁

五十音圖關聯單詞-資料下載頁

企業價值關聯分析模型-資料下載頁

關聯詞造句大全-資料下載頁

關聯業務往來報告表-資料下載頁

常見關聯詞例句-資料下載頁

項目的設立和關聯-資料下載頁

關聯交易的會計規定-資料下載頁

關聯交易同期資料模板-資料下載頁

常見關聯詞、句子-資料下載頁

關聯詞主旨題-資料下載頁

關聯方認定及ipo同業競爭、關聯交易問題-資料下載頁

稀疏表示目標關聯(文件)

稀疏表示目標關聯-全文預覽

稀疏表示目標關聯-預覽頁

稀疏表示目標關聯-免費閱讀

稀疏表示目標關聯(存儲版)