目標檢測系統(tǒng)中背景建模算法研究及DSP實現(xiàn).pdf_第1頁
已閱讀1頁,還剩77頁未讀 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、在很多計算機視覺和數字圖像處理的應用中,從視頻序列中提取出運動目標都是一項基礎而關鍵的任務。而運動目標檢測融合了模式識別、數學和計算機科學等許多領域的先進技術,已經在視頻監(jiān)控、智能運輸和行為分析等領域得到了廣泛應用。隨著數字信號處理設備的高速發(fā)展,人們對實時視頻目標檢測設備的需求日益提高。本文主要研究了基于背景建模的前景檢測問題,并且探討了在DM642數字信號處理器上的算法實現(xiàn)。非參數核密度模型是現(xiàn)在最常用的背景模型之一,其能快速的適應

2、動態(tài)場景的變化,對運動的目標更為敏感。然而該模型算法復雜度大,對硬件存儲量要求較高,很難用于實時系統(tǒng)。
  本文深入研究了非參數核模型,其根據像素的一組歷史采樣值估計像素的概率模型。然而,原始采樣集中包含著很多冗余信息和噪聲點,導致了大量的重復計算和估計誤差。針對這一問題,本文提出了一種基于聚類的非參數核背景模型。原始采樣集通過聚類,生成包含背景模型最重要、頻率最高特征的小樣本子集。不同顏色分量的核帶寬被用于區(qū)分小樣本集中不同的特

3、征樣本。另外,模型使用了色度坐標來抑制陰影。實驗證明,本文提出的背景建模方法能有效的檢測出運動目標并降低在目標檢測時的計算量和存儲要求。使用自適應圖像差分的預處理技術來減少需進行非參數核估計的像素數。研究了最小平方中值(LMedS)算法的原理,來計算差分圖像的噪聲方差。從而得到時間背景差分的自適應閾值。實驗表明,大量因圖像噪聲導致顏色分量變化的背景像素被濾除了,為后續(xù)的處理降低了計算量。將本文所述算法移植到了基于TMS320DM642的

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論