搜索资源列表
cardetection
- 1.24位真彩色->256色灰度图。 2.预处理:中值滤波。 3.二值化:用一个初始阈值T对图像A进行二值化得到二值化图像B。 初始阈值T的确定方法是:选择阈值T=Gmax-(Gmax-Gmin)/3,Gmax和Gmin分别是最高、最低灰度值。 该阈值对不同牌照有一定的适应性,能够保证背景基本被置为0,以突出牌照区域。 4.削弱背景干扰。对图像B做简单的相邻像素灰度值相减,得到新的图像G,即Gi,j=|Pi,j-Pi,j-1|i=0,1,…,439 j=0,1,…,63
ImprovementOfMotionDetection
- 于背景减除法和时域差分法,并对这两种算法加以了改进,综合二者优点,提出了一种新的运动检测方法。 以便于视觉监视中快速、准确地分割出运动目标。同时把分割出的运动目标用区域而不是轮廓二值图表示。以下的改进方案经实验证明可以实时地分割出运动目标,效果也较好。
HumanMotionDetection
- 从人流统计的实际工程出发,实现了基于计算机视觉的人体运动检测及跟踪系统,采用“差影法”滤掉静止帧,使用自适应的一阶递归滤波及帧差法提取运动区域,并通过数学形态滤波的开运算和闭运算改善运动区域提取效果。实验结果证明本运动跟踪方案处理简单高效 、抗噪能力强,可以完成复杂背景下运动目标的实时性检测与跟踪。
ImprovedPedestrianDetectionAlgorithminNighttime.ra
- 针对夜间动态背景下的行人检测中分割算法受光照条件影响大、误识别多等问题,提出双阈值分割算法和以多目标跟踪为核心的算法框架。新的分割算法解决了行人亮度分布不均时的分割问题,同时在新的框架下可以综合多帧的处理结果进行综合判断,通过将基于支持向量机的识别算法和多目标跟踪算法的融合,降低了系统的计算量,且比一般的系统具有更高的识别率。
mc-tutorial
- 这是关于模型检测方面的经典入门书,介绍了模型检测产生的背景,发展过程,看完此书,肯定对模型检测有比较深刻的认识。
Moving-Target-Detection
- 针对视频监控系统中运动目标的检测与跟踪技术研究,本文比较运动目标检测的各种方法,采用背景差法来对运动目标进行检测,并阈值化和二值化检测出运动目标区域,能达到很好的检测效果。同时,利用卡尔曼滤波器对检测出来的运动目标进行预测和跟踪,实验验证跟踪效果较好。 -To solve the moving target detection and tracking in video monitoring system,in this paper,the various methods of moving
06058517
- 基于VC++的运动检测与数字图象处理系统 采用VC++为开发工具,以Windows作为图像处理运行平台制作的数字图像运动检测系统,以及运动检测系统中运用到的数字图像处理技术及详细步骤。系统实现对一系列图像中的运动目标进行跟踪处理,提取出图片背景,对运动目标进行识别,进而实现对运动目标的跟踪,描绘出物体的运动轨迹。本文还描述了运动检测系统在现实生活和工作当中的应用,如作为监控系统的核心软件,应用到银行、市场等场所中;该系统也可以作为单独的图像处理工具应用,如对电影中一系列图片进行截取分析等。随
multiuserdetector
- 在码分多址系统中,求解多用户检测问题是重要环节,介绍了多用户检测问题的应用背景和发展 现状,重点综述基于半定规划模型寻求多用户检测问题次优解的几种重要方法,包括随机扰动法、 坐标下降法、半定规划的割平面法和二次规划的分枝定界法等。结合数值实验,评析比较了这些 方法的优缺点-Quasi-Maximum-Likelihood Multiuser Detection Using Semi-Definite Relaxation With Application to Synchro
chafen
- 运动检测的目的是从序列图像中将变化区域提取出来。运动区域的有效分割对于目标分 类、跟踪和行为理解等后期处理非常重要,因为后期处理过程仅仅考虑图像中对应于运动区 域的像素。然而,由于背景图像的动态变化,如天气、光照、影子及混乱干扰等的影响,使 得运动检测成为一项相当困难的工作。-The purpose of motion detection from image sequence changes in the region will be extracted. Sports region segm
lianxushipinfengeyucaiji
- 用matlab实现连续视频的分割与采集,其中用读视频指令把连续的视频转化为一帧一帧的图像,用帧间差分法和背景差分法实现-Matlab for continuous video with the segmentation and the acquisition, including video instruction with the reading of the continuous video into a frame of an image, with the frames and the
vad3
- 一种用于3G 系统中复杂背景噪声环境下的话音激活检测算法-One for 3G systems under complex background noise environment, voice activity detection algorithm
0010231
- 视频车辆检测识别系统设计论文,基于视频交通流检测,利用背景差法-Video vehicle detection and recognition system design papers, video-based traffic flow detection, the use of background subtraction
fdf
- 噪声背景下的单频信号检测方法.pdf 噪声背景下的单频信号检测方法.pdf 噪声背景下的单频信号检测方法.pdf-Background noise of single frequency signal detection method. Pdf background noise of single frequency signal detection method. Pdf background noise of single frequency signal detection me
dspmotion
- 基于背景差分法和帧间差分法的视频运动检测-Based on background difference and frame difference method of video motion detection
face-detection-based-on--YUV
- :根据肤色色度的分配比例,提出了一种改进YCbCr 的Bayesian 肤色检测方法,在肤色背景下,利用肤色和唇色在YUV 空 间分布特点,变换YUV 空间的坐标轴,增大唇色和肤色V 分量上的差异。提取了唇色的质心和旋转方向,根据人脸几何特征的先 验知识建立人脸定位模型。实验表明在改进的颜色空间内,肤色投影到CrCg 平面内得到更好的聚类效果。唇色定位人脸算法简 单,速度快,更具实效性,对旋转的人脸同样有效。-the files for the face recognization
papers
- 大量关于“运动目标在动态背景下的跟踪检测”的中文英文论文文献。这里的动态背景指的是相机移动造成的背景移动,而不仅仅是场景中的树叶随风而动等“动态”。也就是说,在目标和背景都在移动的情况下,进行目标跟踪检测。如果要进行这方面的研究,大量阅读这些文献是必不可少的。-papers about "object detection and tracking with highly dynamic backgrounds".
TEM
- 晚期瞬变电磁信号是大参数、 多频率、 且各频率分量未知的电磁信号, 特别在晚期还是强噪声背景下的微弱信号. 随机共振系统可以在极限信噪比的情况下提取微弱信号, 但仅适用于小参数、 单一频率或频率已知的高频信号的情况. 为此, 本文提出一种基于尺度变换的随机共振算法用于检测晚期瞬变电磁信号, 该方法充分利用了随机共振检测弱信号的优势, 通过引入尺度变换, 消除了随机共振系统对待测信号频率的限制, 在绝热近似理论下,实现了从强噪声中提取出微弱晚期瞬变电磁目标信号.-Transient Electro
Zivkovic04icpr
- Zoran Zivkovic 写的一篇关于混合高斯进行背景检测的改进论文-Zoran Zivkovic wrote an article on the Gaussian mixture background detection improvements papers
isvc09chen
- 通过循环混合模型,失控过滤和阴影消除进行视频背景检测-Background subtraction in video using recursive mixture models, spatio-temporal filtering and shadow removal
视觉检测跟踪
- 基于视觉的目标检测与跟踪是图像处理、计算机视觉、模式识别等众多学科的交叉研究课题, 在视频监控、虚拟现 实、人机交互、自主导航等领域, 具有重要的理论研究意义和实际应用价值. 本文对目标检测与跟踪的发展历史、研究现状以 及典型方法给出了较为全面的梳理和总结. 首先, 根据所处理的数据对象的不同, 将目标检测分为基于背景建模和基于前景建 模的方法, 并分别对背景建模与特征表达方法进行了归纳总结. 其次, 根据跟踪过程有无目标检测的参与, 将跟踪方法分为生 成式与判别式, 对基于统计的表观建