使用OpenCV和Visual C++ 6.0构建了智能监控系统。采用了能够实现背景自动更新的背景建模算法对监控区域内的运动物体进行实时检测,实现了快速检测监控区域内的运动物体,在检测到运动物体进入监控区域时自动进行视频录制,运动物体离开...使用OpenCV和Visual C++ 6.0构建了智能监控系统。采用了能够实现背景自动更新的背景建模算法对监控区域内的运动物体进行实时检测,实现了快速检测监控区域内的运动物体,在检测到运动物体进入监控区域时自动进行视频录制,运动物体离开监控区域后能够自动停止视频录制的功能。展开更多
针对视频处理中运动目标的精确检测这一问题,提出了一种自适应的低秩稀疏分解算法。该算法首先用背景模型与待求解的帧向量构建增广矩阵,然后使用鲁棒的主成分分析(robust principal component analysis,RPCA)对降维后的增广矩阵进行低...针对视频处理中运动目标的精确检测这一问题,提出了一种自适应的低秩稀疏分解算法。该算法首先用背景模型与待求解的帧向量构建增广矩阵,然后使用鲁棒的主成分分析(robust principal component analysis,RPCA)对降维后的增广矩阵进行低秩稀疏分解,分离出的低秩部分和稀疏噪声分别对应于视频帧的背景和运动前景,然后使用增量奇异值分解方法用当前得到的背景向量更新背景模型。实验结果表明,该算法能更好地处理光线变化、背景运动等复杂场景,并有效降低算法的延迟和内存的占用。展开更多
文摘针对视频处理中运动目标的精确检测这一问题,提出了一种自适应的低秩稀疏分解算法。该算法首先用背景模型与待求解的帧向量构建增广矩阵,然后使用鲁棒的主成分分析(robust principal component analysis,RPCA)对降维后的增广矩阵进行低秩稀疏分解,分离出的低秩部分和稀疏噪声分别对应于视频帧的背景和运动前景,然后使用增量奇异值分解方法用当前得到的背景向量更新背景模型。实验结果表明,该算法能更好地处理光线变化、背景运动等复杂场景,并有效降低算法的延迟和内存的占用。
