导读:本文包含了运动检测算法论文开题报告文献综述及选题提纲参考文献，主要关键词:运动目标检测,高斯混合模型,均值
运动检测算法论文文献综述
吕苗苗,孙建明[1]（2019）在《基于改进高斯混合模型的运动图像目标检测算法》一文中研究指出运动图像目标检测指的是从序列图像中将变化的目标从背景中分离出来,高斯混合模型可以对视频序列图像的前景和背景进行分类,再利用背景减除实现运动目标的检测。提出一种基于改进高斯混合模型的优化背景建模方法,该方法首先利用3×3模板对序列图像帧中的像素进行类似卷积的均值计算,然后利用相邻均值的差提取均差因子自适应更新图像的均值。在此基础上,设计了自适应学习率和学习速率,利用改进高斯混合模型实现序列图像的背景建模。改进模型不仅能有效减少数据计算量,同时可以降低在相似区域像素计算的时长,大大加快背景建模速度。实验结果表明,改进模型在目标检测、算法执行速率等性能指标上都有更好的表现,能满足实时检测要求。(本文来源于《半导体光电》期刊2019年06期）
孙怡峰,吴疆,黄严严,汤光明[2]（2019）在《一种视频监控中基于航迹的运动小目标检测算法》一文中研究指出针对视频监控中运动小目标难以检测的问题,该文提出一种基于航迹的检测算法。首先,为了降低检测漏警率,提出区域纹理特征与差值概率融合的自适应前景提取方法;其次,为了降低检测虚警率,设计航迹关联的概率计算模型以建立疑似目标在视频帧间的关联,并设置双门限以区分疑似目标中的真实目标与虚假目标。实验结果表明,与多种经典算法相比,该算法能对定量范围内的运动小目标以更低的漏警率和虚警率实施准确检测。(本文来源于《电子与信息学报》期刊2019年11期）
丁业兵[3]（2019）在《运动目标检测算法综述》一文中研究指出运动目标检测是将感兴趣的动态目标从图像背景中分割出来,主要应用于图像分析和目标跟踪中。该文主要介绍了几种常用经典运动目标检测算法,即基本差分法、高斯模型法和Ada boost检测算法原理,并给出了相应实验结果,最后总结了算法的应用场景和优劣性。(本文来源于《科技资讯》期刊2019年30期）
胡均平,蔡韬,李勇成[4]（2019）在《一种区块特征匹配与边缘差分结合的运动目标检测算法》一文中研究指出由于动态背景中存在运动目标检测准确率不高、耗时过长,提出一种区块特征匹配结合边缘特征的运动目标检测算法。首先将视频图像目标检测块与背景块分离,对相邻帧背景块进行运动补偿;进而对连续多帧图像进行边缘特征提取,最后对多帧的边缘图像差分,经由形态学处理和阈值分割得到运动目标区域。该算法能有效减少特征提取耗时,降低背景噪声的干扰。实验结果表明,该算法检测运动目标的准确性较好,且抗噪表现较好。(本文来源于《制造业自动化》期刊2019年09期）
林俪,王斌[5]（2019）在《基于特征金字塔网络的运动目标检测算法》一文中研究指出目前,国内外已有许多背景建模算法都取得了不错的成果,但与基于神经网络进行运动目标检测的算法相比,它们的综合性能指标F-Measure仍偏低。基于特征金字塔网络的结构提出了一种通用后处理方法,即残差背景网络,以提高现有的背景建模算法对各类困难场景的处理能力。通过在CDnet2014数据集上的实验可证明该后处理方法能有效地提升现有的大多数背景建模法的整体性能。(本文来源于《工业控制计算机》期刊2019年08期）
侯宏录,李媛,李光耀[6]（2019）在《改进SIFT匹配的动态背景下运动目标检测算法》一文中研究指出无人机/车载运动目标检测与识别系统由于存在摄像机运动,使得场景中的背景与前景目标同时发生运动,增加了运动目标检测的难度。目前,动态背景下运动目标检测的主要方法是利用特征点的运动估计来补偿背景的运动。针对尺度不变特征变换(SIFT)特征匹配算法存在耗时长、误匹配率大,使得背景运动估计不准确,进而影响运动目标检测效果。提出了一种改进的SIFT特征匹配算法——先剔除容易丢失的边缘特征点,再利用最近邻点与次近邻点的欧式距离比确定匹配点,并用RANSAC删除运动目标上和误匹配点对,进一步实现背景运动的准确估计,从而检测得到运动目标的准确位置。试验结果表明:改进的特征点匹配算法在匹配准确度和运算速度上均优于传统SIFT特征匹配算法的性能。最终,通过背景补偿,有效消除了相机运动引入的动态误差,提高了运动目标检测的实时性和精度。(本文来源于《自动化仪表》期刊2019年08期）
周力,姚茂群,周旋[7]（2019）在《基于Hi3519的实时监控系统设计及运动检测算法改进》一文中研究指出设计实现了基于Hi3519的实时监控系统.在硬件部分,选择海思的视频监控芯片Hi3519作为核心处理芯片,并采用AR0130作为本系统的图像传感器.在软件部分,完成了在监控服务器端对媒体处理软件的开发,包括视频的采集、处理、压缩编码、区域管理.在应用层移植RTSP协议,以保证视频的实时传输,最后通过无线网络将视频传输至VLC监控端进行解码显示.在VLC监控端显示出来的图像清晰流畅,性能稳定,具有高压缩性和实时性,同时,通过对运动检测算法的研究,提炼出适用于本系统改进后的运动检测算法.实验结果表明,改进后的运动检测算法与原来的相比具有更高的准确性,体现了智能视频监控系统的特点.(本文来源于《杭州师范大学学报(自然科学版)》期刊2019年04期）
朱善良,王浩宇,高鑫,赵玉,谢秋玲[8]（2019）在《一种基于改进混合高斯模型的运动目标检测算法》一文中研究指出针对运动目标检测中ViBe算法的鬼影、阴影和噪声干扰问题,本研究提出一种融入改进混合高斯模型(GMM)的ViBe算法。该算法改进混合高斯模型的自适应性,使混合高斯模型的K值与学习率对背景进行自适应调节;对视频帧进行训练,构造"虚拟"背景代替第一帧图像进行背景建模,算法能够有效地提取背景建模初始化的视频运动目标,从而消除鬼影现象。该算法用像素分类法提取前景目标,经形态学处理得到完整的运动目标。实验结果表明:与几种运动目标检测算法相比,本研究提出的算法不仅能够有效地抑制鬼影、阴影和噪声干扰,而且该算法自适应性强、检测速度快、检测结果可靠。(本文来源于《青岛科技大学学报(自然科学版)》期刊2019年04期）
方岚,于凤芹[9]（2019）在《去除鬼影及阴影的视觉背景提取运动目标检测算法》一文中研究指出针对视觉背景提取(Vibe)运动目标检测算法存在的鬼影及阴影问题,利用鬼影与背景相似而运动目标与背景差异大的特点,提出了一种基于前景和邻域背景像素直方图相似度匹配的方法,快速检测鬼影并更新背景模型;利用阴影的颜色特性和纹理不变性,提出在亮度和色度分离的YCbCr色彩空间中先根据颜色特性得到候选阴影区域,再利用完全局部二值模式算子(CLBP)提取区域的详细纹理特征,进一步检测与去除阴影。在公开视频数据库CDnet-2012上进行仿真,仿真结果表明,该算法能够保证运动目标被完整检测的同时快速去除鬼影和阴影,其检测精度比原Vibe算法提高了21.53%。(本文来源于《激光与光电子学进展》期刊2019年13期）
韩悦,金晅宏,郭旭,陈佳倩[10]（2019）在《视频序列中的运动目标检测算法研究》一文中研究指出视频序列中前景目标的提取存在因光线发生突变而漏检前景目标,以及背景包含动态信息时识别错误等问题。由于光线突变会产生大面积的阴影,并且包含动态信息的背景会产生干扰和噪声,提出了一种Vibe算法的改进应用,Vibe能够快速有效地抑制阴影,并且结合了帧间差分法对突变不敏感性的特点,使检测前景目标更加准确。分别针对光线突变以及背景包含动态信息的2种情况进行实验验证,同时用光流法、GMM合背景建模、codobook算法、传统Vibe算法与改进的Vibe算法分别对2种情况视频序列进行处理,之后对各个算法进行定量分析,提取结果和定量分析结果是相匹配的。实验结果表明,改进的Vibe方法可以使在前景目标在光线突变或背景包含动态信息的情况下,不被漏检并且可以更好地去噪,提取更加完整的前景目标。(本文来源于《电子测量技术》期刊2019年13期）
运动检测算法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对视频监控中运动小目标难以检测的问题,该文提出一种基于航迹的检测算法。首先,为了降低检测漏警率,提出区域纹理特征与差值概率融合的自适应前景提取方法;其次,为了降低检测虚警率,设计航迹关联的概率计算模型以建立疑似目标在视频帧间的关联,并设置双门限以区分疑似目标中的真实目标与虚假目标。实验结果表明,与多种经典算法相比,该算法能对定量范围内的运动小目标以更低的漏警率和虚警率实施准确检测。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
运动检测算法论文参考文献
[1].吕苗苗,孙建明.基于改进高斯混合模型的运动图像目标检测算法[J].半导体光电.2019
[2].孙怡峰,吴疆,黄严严,汤光明.一种视频监控中基于航迹的运动小目标检测算法[J].电子与信息学报.2019
[3].丁业兵.运动目标检测算法综述[J].科技资讯.2019
[4].胡均平,蔡韬,李勇成.一种区块特征匹配与边缘差分结合的运动目标检测算法[J].制造业自动化.2019
[5].林俪,王斌.基于特征金字塔网络的运动目标检测算法[J].工业控制计算机.2019
[6].侯宏录,李媛,李光耀.改进SIFT匹配的动态背景下运动目标检测算法[J].自动化仪表.2019
[7].周力,姚茂群,周旋.基于Hi3519的实时监控系统设计及运动检测算法改进[J].杭州师范大学学报(自然科学版).2019
[8].朱善良,王浩宇,高鑫,赵玉,谢秋玲.一种基于改进混合高斯模型的运动目标检测算法[J].青岛科技大学学报(自然科学版).2019
[9].方岚,于凤芹.去除鬼影及阴影的视觉背景提取运动目标检测算法[J].激光与光电子学进展.2019
[10].韩悦,金晅宏,郭旭,陈佳倩.视频序列中的运动目标检测算法研究[J].电子测量技术.2019