期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到4篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于视觉系统分层的小目标运动检测 被引量：9
1
作者 刘晓 崔光照 +1 位作者 李正周 熊伟奇 《光学精密工程》 EI CAS CSCD 北大核心 2019年第10期2251-2262,共12页
为了提升对光学遥感图像中弱小运动目标的检测能力,提出一种基于鹰眼视网膜视觉系统层次结构的运动检测方法。首先,基于鹰眼视网膜的分层特性,结合各层主体细胞的生理结构与功能,构建各层相应的滤波器,抑制背景微位移和杂散噪声;然后,在... 为了提升对光学遥感图像中弱小运动目标的检测能力,提出一种基于鹰眼视网膜视觉系统层次结构的运动检测方法。首先,基于鹰眼视网膜的分层特性,结合各层主体细胞的生理结构与功能,构建各层相应的滤波器,抑制背景微位移和杂散噪声;然后,在Reichardt运动检测模型的基础上增加时域高通滤波与ON-OFF双通道滤波来估计目标运动矢量,这样不仅能克服传统Reichardt运动检测器对阶跃边界响应复杂,而且能有效增强运动检测的敏感性;最后利用高级视觉神经系统的分层特点,以空域相似度大小为基准进行多尺度映射与运动矢量显著图融合,构建多尺度处理精细检测运动特征。试验结果表明,本文算法的平均信杂比改善为56.20 dB,正确率为99.71%,综合评价指标F1值为3.63e-02,相较于传统Reichardt模型的F1值提升了27.82%。本文方法较传统运动检测算法不仅能提高复杂背景的干扰抑制性能,而且能显著提升小目标小位移的检测能力。 展开更多
关键词 遥感图像 运动检测 运动显著图 鹰视觉通路 Reichardt运动检测器
下载PDF
基于运动显著图的人群异常行为检测 被引量：7
2
作者 胡学敏 易重辉 +2 位作者 陈钦 陈茜 陈龙 《计算机应用》 CSCD 北大核心 2018年第4期1164-1169,共6页
针对公共场所中人群监控准确性和实时性低的问题,提出一种基于运动显著图的人群异常行为检测方法。该方法首先利用Lucas-Kanade法计算稀疏特征点的光流场,并对光流场进行时间和空间上的滤波处理,然后计算特征点的运动方向、速度和加速... 针对公共场所中人群监控准确性和实时性低的问题,提出一种基于运动显著图的人群异常行为检测方法。该方法首先利用Lucas-Kanade法计算稀疏特征点的光流场,并对光流场进行时间和空间上的滤波处理,然后计算特征点的运动方向、速度和加速度。为了准确描述人群行为,将人群的速度幅值、运动方向变化量和加速度幅值分别映射为图像的R、G、B三个通道,并以此合成代表人群运动特征的运动显著图。最后,设计和训练面向人群运动显著图的卷积神经网络模型,并利用该模型检测人群中是否存在异常行为。实验结果表明,该方法能够有效、实时地检测人群异常行为,在UMN和PETS2009数据集的检测率均达到了97.9%以上。 展开更多
关键词 人群异常行为检测 光流法 运动显著图 卷积神经网络 视频监控
下载PDF
基于运动显著图和光流矢量分析的目标分割算法 被引量：3
3
作者 崔智高 李艾华 +1 位作者 王涛 李辉 《仪器仪表学报》 EI CAS CSCD 北大核心 2017年第7期1791-1797,共7页
为提高运动目标分割算法对多种复杂场景的自适应能力和分割精度,提出一种基于运动显著图和光流矢量分析的目标分割算法。该算法首先基于运动显著图提取运动目标的大致区域,然后利用光流矢量获得运动目标和背景区域的运动边界,并结合点... 为提高运动目标分割算法对多种复杂场景的自适应能力和分割精度,提出一种基于运动显著图和光流矢量分析的目标分割算法。该算法首先基于运动显著图提取运动目标的大致区域,然后利用光流矢量获得运动目标和背景区域的运动边界,并结合点在多边形内部原理得到运动目标内部精确的像素点,最后以超像素为基本分割单元,通过引入置信度的概念实现最终像素一级的目标分割。通过与典型算法进行多场景实验对比,表明该算法能够有效实现多种复杂场景下的运动目标分割,并且较现有算法具有更高的分割精度。 展开更多
关键词 目标分割 运动显著图 光流矢量分析 超像素 置信度
下载PDF
运动显著性概率图提取及目标检测
4
作者 王慧斌 陈哲 +1 位作者 卢苗 葛晨曦 《中国图象图形学报》 CSCD 北大核心 2018年第2期229-238,共10页
目的动态场景图像中所存在的静态目标、背景纹理等静态噪声,以及背景运动、相机抖动等动态噪声,极易导致运动目标检测误检或漏检。针对这一问题,本文提出了一种基于运动显著性概率图的目标检测方法。方法该方法首先在时间尺度上构建包... 目的动态场景图像中所存在的静态目标、背景纹理等静态噪声,以及背景运动、相机抖动等动态噪声,极易导致运动目标检测误检或漏检。针对这一问题,本文提出了一种基于运动显著性概率图的目标检测方法。方法该方法首先在时间尺度上构建包含短期运动信息和长期运动信息的构建时间序列组;然后利用TFT(temporal Fourier transform)方法计算显著性值。基于此,得到条件运动显著性概率图。接着在全概率公式指导下得到运动显著性概率图,确定前景候选像素,突出运动目标的显著性,而对背景的显著性进行抑制;最后以此为基础,对像素的空间信息进行建模,进而检测运动目标。结果对提出的方法在3种典型的动态场景中与9种运动目标检测方法进行了性能评价。3种典型的动态场景包括静态噪声场景、动态噪声场景及动静态噪声场景。实验结果表明,在静态噪声场景中,Fscore提高到92.91%,准确率提高到96.47%,假正率低至0.02%。在动态噪声场景中,Fscore提高至95.52%,准确率提高到95.15%,假正率低至0.002%。而在这两种场景中,召回率指标没有取得最好的性能的原因是,本文所提方法在较好的包络目标区域的同时,在部分情况下易将部分目标区域误判为背景区域的,尤其当目标区域较小时,这种误判的比率更为明显。但是,误判的比率一直维持在较低的水平,且召回率的指标也保持在较高的值,完全能够满足于实际应用的需要,不能抵消整体性能的显著提高。另外,在动静态噪声场景中,4种指标均取得了最优的性能。因此,本文方法能有效地消除静态目标干扰,抑制背景运动和相机抖动等动态噪声,准确地检测出视频序列中的运动目标。结论本文方法可以更好地抑制静态背景噪声和由背景变化(水波荡漾、相机抖动等)引起的动态噪声,在复杂的噪声背景下准确地检测出运动目标,提高� 展开更多
关键词 运动目标检测 时间序列组 运动显著性 运动显著性概率图 空间信息建模 噪声抑制
原文传递
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部