亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于對(duì)稱差分和背景減的運(yùn)動(dòng)目標(biāo)檢測(cè)

        2014-02-28 10:27:14邱光能全惠敏
        關(guān)鍵詞:差分法差分背景

        邱光能,全惠敏

        湖南大學(xué)電氣與信息工程學(xué)院,長(zhǎng)沙410082

        1 引言

        智能視頻監(jiān)控是圖像處理和計(jì)算機(jī)視覺(jué)領(lǐng)域的研究熱點(diǎn),具有十分廣泛的應(yīng)用領(lǐng)域,如交通場(chǎng)景中車輛和行人情況的監(jiān)控,超市和銀行等公共場(chǎng)所的監(jiān)控。智能視頻監(jiān)控主要包括運(yùn)動(dòng)目標(biāo)檢測(cè)、目標(biāo)分類、目標(biāo)跟蹤和行為理解四部分。其中運(yùn)動(dòng)目標(biāo)檢測(cè)是智能視頻監(jiān)控系統(tǒng)的關(guān)鍵部分,是目標(biāo)跟蹤和行為理解的基礎(chǔ)。

        常用的運(yùn)動(dòng)目標(biāo)檢測(cè)法有光流法、幀差法和背景減法?;诠饬鞣ǖ倪\(yùn)動(dòng)檢測(cè)由于孔徑及遮擋問(wèn)題計(jì)算復(fù)雜耗時(shí),其實(shí)時(shí)處理比較困難。

        幀間差分法通過(guò)序列圖像中相鄰兩幀圖像相減并且閾值化來(lái)提取運(yùn)動(dòng)目標(biāo)區(qū)域,算法簡(jiǎn)單,速度快,易于硬件實(shí)現(xiàn),對(duì)光線的變化不是非常敏感。相鄰兩幀差分法依賴于運(yùn)動(dòng)目標(biāo)的運(yùn)動(dòng)速度,速度過(guò)快或過(guò)慢都無(wú)法檢測(cè)出完整的運(yùn)動(dòng)目標(biāo)。

        背景減法是先構(gòu)建一個(gè)背景圖像,然后利用當(dāng)前圖像與背景圖像相減得到差分圖像,通過(guò)閾值分割來(lái)提取目標(biāo)。常用的背景建模算法有:時(shí)間平均法、W 4方法、碼本方法、核密度估計(jì)法、混合高斯模型法等[1]。時(shí)間平均法計(jì)算簡(jiǎn)單,但是當(dāng)運(yùn)動(dòng)目標(biāo)數(shù)量比較密集的情況下,容易將目標(biāo)誤檢為背景。文獻(xiàn)[2]利用改進(jìn)的W 4方法進(jìn)行背景建模,取得了良好的檢測(cè)效果。文獻(xiàn)[3]提出了一種改進(jìn)的碼本方法,可以處理背景運(yùn)動(dòng)和光照變化,具有背景訓(xùn)練不受限制、速度快等特點(diǎn)。文獻(xiàn)[4]利用核密度估計(jì)無(wú)參背景建模方法,樣本充分時(shí)能夠較快地適應(yīng)場(chǎng)景變化,可以處理多模態(tài)情況,但計(jì)算復(fù)雜,占用內(nèi)存多。文獻(xiàn)[5]利用混合高斯模型法對(duì)每個(gè)像素建立背景模型,能魯棒地克服光線、背景混亂等造成的影響,但對(duì)大而慢的運(yùn)動(dòng)目標(biāo)檢測(cè)效果較差,對(duì)全局亮度的突然變化非常敏感,對(duì)物體移入或移除背景更新速度慢。文獻(xiàn)[6]提出了一種基于塊的背景重構(gòu)算法,能有效分割出前景目標(biāo)并解決場(chǎng)景變化等問(wèn)題。文獻(xiàn)[7]提出了一種新算法ViBe,算法速度很快,而且對(duì)噪聲有一定的魯棒性,檢測(cè)效果不錯(cuò)。由于背景減法可直接給出目標(biāo)的位置、大小、形狀等信息,特別適用于攝像頭靜止的情況,不受目標(biāo)運(yùn)動(dòng)速度的限制,是實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)實(shí)時(shí)檢測(cè)和提取的首選方法。背景減法能夠較好地檢測(cè)出前景像素點(diǎn),但是對(duì)外界的的變化比較敏感。

        考慮到使用單一的算法很難適應(yīng)環(huán)境的變化或者不易于檢測(cè)出完整的運(yùn)動(dòng)目標(biāo),本文在比較各種算法的基礎(chǔ)上,提出了一種基于背景減和多重對(duì)稱差分的運(yùn)動(dòng)目標(biāo)檢測(cè)算法。該算法能自適應(yīng)地對(duì)背景進(jìn)行實(shí)時(shí)更新,并能有效地克服光照等外界條件變化對(duì)運(yùn)動(dòng)目標(biāo)檢測(cè)所帶來(lái)的影響。

        2 目標(biāo)檢測(cè)算法

        本文算法的運(yùn)動(dòng)目標(biāo)檢測(cè)主要包括預(yù)處理、背景建模、運(yùn)動(dòng)目標(biāo)提取等步驟。預(yù)處理對(duì)每一幀圖像進(jìn)行去噪和灰度化,以抑制噪聲的影響;背景建模則采用改進(jìn)的時(shí)間平均法初始化背景并不斷的實(shí)時(shí)更新,以克服環(huán)境的變化所產(chǎn)生的影響;目標(biāo)檢測(cè)是融合背景減和多重對(duì)稱差分法來(lái)獲取運(yùn)動(dòng)目標(biāo)。下面將詳細(xì)介紹算法的主要步驟。

        2.1 預(yù)處理

        因外界環(huán)境的影響采集的圖像中難免會(huì)存在一些噪聲,這些噪聲點(diǎn)會(huì)影響后續(xù)運(yùn)動(dòng)目標(biāo)的檢測(cè)準(zhǔn)確度,因此需要對(duì)視頻的每一幀圖像進(jìn)行平滑處理,本文采用經(jīng)典的中值濾波去噪,該方法不僅能濾除掉一些隨機(jī)噪聲,而且又能很好地保護(hù)圖像的邊緣信息。為了便于后續(xù)圖像處理,需把采集的彩色圖像轉(zhuǎn)換成灰度圖像,其灰度值Gray和RGB顏色的對(duì)應(yīng)關(guān)系為:

        Gray=0.299R+0.587G+0.114B

        2.2 背景建模

        2.2.1 背景初始化

        背景減法研究的主要問(wèn)題是背景圖像的提取,如何構(gòu)造出高效實(shí)用的背景模型獲取可靠的背景圖像是背景減法的研究重點(diǎn)。背景建模時(shí)需要考慮樹(shù)枝樹(shù)葉等背景擾動(dòng)、外界光線變化以及背景的更新等[8]。

        對(duì)于攝像頭靜止的情況,最簡(jiǎn)單的背景選擇方法是采用固定的某幀圖像作為背景,但這種方法受外界場(chǎng)景的影響較大,不適用于背景復(fù)雜及變化的環(huán)境。初始化背景圖像的獲取對(duì)于目標(biāo)檢測(cè)的準(zhǔn)確度以及背景圖像的更新起著至關(guān)重要的作用,一個(gè)好的背景模型要求在初始化過(guò)程中有目標(biāo)移入或者移出背景的情況下也能準(zhǔn)確提取出背景。傳統(tǒng)時(shí)間平均背景提取算法簡(jiǎn)單快速,但是在運(yùn)動(dòng)目標(biāo)較慢、目標(biāo)較密集等情況下不能準(zhǔn)確提取背景。本文在傳統(tǒng)時(shí)間平均法的基礎(chǔ)上,提出了一種有效的背景初始化算法,其基本思想是一般情況下,某個(gè)區(qū)域存在運(yùn)動(dòng)目標(biāo)的時(shí)間是有限的,那些差異較大的點(diǎn)是由運(yùn)動(dòng)目標(biāo)引起的。用相鄰幀間差分法獲取運(yùn)動(dòng)目標(biāo)區(qū)域,將運(yùn)動(dòng)目標(biāo)像素點(diǎn)丟棄,非運(yùn)動(dòng)目標(biāo)區(qū)域像素點(diǎn)灰度進(jìn)行多幀累積求平均,從而構(gòu)造出真實(shí)的背景。背景提取的主要步驟如下:

        步驟1 建立一個(gè)視頻流滑窗來(lái)緩存前L幀圖像。

        步驟2 順序讀取視頻幀,將當(dāng)前幀Ik(x,y)與前一幀Ik-1(x,y)做差分運(yùn)算,并二值化閾值。

        式中,T為閾值,其大小對(duì)當(dāng)前像素的提取有影響,本文采用最大類間方差法進(jìn)行自動(dòng)閾值分割,選取使類間方差最大和類內(nèi)方差最小的圖像灰度值作為最佳閾值[9]。

        步驟3形態(tài)學(xué)處理。由于相鄰幀間差分運(yùn)算時(shí)紋理相同的部分會(huì)得到空洞區(qū)域,這部分可能會(huì)被誤判為背景,因此可以采用形態(tài)學(xué)方法填充該區(qū)域。

        步驟4 返回步驟1進(jìn)行迭代直到讀取完L幀,對(duì)非運(yùn)動(dòng)區(qū)域像素值進(jìn)行累加,設(shè)定Cnt(x,y)為非運(yùn)動(dòng)點(diǎn)(x,y)的累積次數(shù),S(x,y)為非運(yùn)動(dòng)點(diǎn)(x,y)的灰度累加值,即當(dāng)ADk(x,y)=0時(shí),進(jìn)行如式(2)、(3)運(yùn)算:

        步驟5求取非運(yùn)動(dòng)區(qū)域每個(gè)像素的平均值,將該值作為初始化背景的像素值:

        改進(jìn)的背景提取算法只對(duì)非運(yùn)動(dòng)像素點(diǎn)進(jìn)行累積,去除了差異較大的點(diǎn),然后再求平均,繼承了平均法模型簡(jiǎn)單、計(jì)算方便等特點(diǎn),能得到更為準(zhǔn)確的背景圖像。

        2.2.2 背景更新

        在視頻運(yùn)動(dòng)目標(biāo)檢測(cè)的過(guò)程中,背景圖像往往由于環(huán)境光線、場(chǎng)景中背景像素輕微擾動(dòng)、目標(biāo)的存在等不確定因素會(huì)發(fā)生變化。這變化有兩種情況:一種是緩慢的,整個(gè)背景的變化趨勢(shì)相同;一種是突變的,像素值在很短的時(shí)間內(nèi)發(fā)生劇烈變化,且變化趨勢(shì)和整體的變化趨勢(shì)不相同。針對(duì)以上兩種情況,要實(shí)現(xiàn)對(duì)運(yùn)動(dòng)目標(biāo)的精確檢測(cè),需要在運(yùn)動(dòng)目標(biāo)檢測(cè)過(guò)程中對(duì)背景進(jìn)行更新,本文采用兩種不同的策略對(duì)背景進(jìn)行有效地實(shí)時(shí)更新,以提高系統(tǒng)的抗干擾性。

        (1)對(duì)于場(chǎng)景本身發(fā)生大范圍變化的情況,特別是場(chǎng)景中全局光線突變,如陽(yáng)光被云遮擋或者室內(nèi)突然開(kāi)關(guān)燈等。這種情況下可以考慮連續(xù)幾幀與背景幀的差分圖像,若連續(xù)幾幀的差分圖像發(fā)生變化的像素總數(shù)與全部像素總數(shù)的百分比都大于某個(gè)閾值(通常取80%),就可以認(rèn)為是背景發(fā)生較大變化[10],這時(shí)按照本文的背景提取算法重新提取背景圖像。

        (2)對(duì)于場(chǎng)景中光線緩慢變化或有目標(biāo)移出背景時(shí),已建立好的背景模型顯然不再適應(yīng)變化的環(huán)境,移出后的區(qū)域在一段時(shí)間內(nèi)可能會(huì)被誤檢為運(yùn)動(dòng)目標(biāo),因此需要重構(gòu)背景。此時(shí)如果持續(xù)不斷地利用背景初始化的方法對(duì)整個(gè)背景進(jìn)行更新,會(huì)占用較大的內(nèi)存并且需要較長(zhǎng)的處理時(shí)間,影響系統(tǒng)實(shí)時(shí)性。因此,可采用周期性方法對(duì)背景進(jìn)行更新,即間隔一定時(shí)間或一定幀數(shù)利用本文背景提取算法進(jìn)行背景提取,在進(jìn)行一次背景提取后的一個(gè)周期內(nèi)對(duì)背景結(jié)果進(jìn)行微小更新。

        2.3 多重對(duì)稱差分法

        對(duì)稱差分法是相鄰兩幀差分法的一種改進(jìn)方法,它對(duì)采集的連續(xù)三幀視頻圖像進(jìn)行相鄰幀差分運(yùn)算,然后將差分結(jié)果進(jìn)行“與”運(yùn)算,得到中間幀運(yùn)動(dòng)目標(biāo)信息。該方法克服了兩幀差分目標(biāo)拉長(zhǎng)的缺點(diǎn),從而提取到較為精確的運(yùn)動(dòng)目標(biāo)輪廓信息,但對(duì)緩慢的目標(biāo)仍然存在著很大空洞現(xiàn)象,對(duì)后續(xù)處理工作帶來(lái)很大的影響。為了能完整、準(zhǔn)確地檢測(cè)出運(yùn)動(dòng)目標(biāo),本文在現(xiàn)有對(duì)稱差分的基礎(chǔ)上加以改進(jìn),給出了一種多重對(duì)稱差分法,即通過(guò)求取多個(gè)三幀系列圖像對(duì)稱幀差所重合的部分來(lái)得到運(yùn)動(dòng)目標(biāo)的輪廓,能更準(zhǔn)確地獲取運(yùn)動(dòng)目標(biāo)信息,其原理如圖1所示。對(duì)原始對(duì)稱差分法的主要改進(jìn)有:

        (1)由于原始圖像清晰度質(zhì)量較低,采用直方圖均衡化處理以增強(qiáng)圖像整體對(duì)比度,使圖像細(xì)節(jié)變得清晰,也可以在一定程度上克服光線變化帶來(lái)的影響。

        (2)原始對(duì)稱差分法對(duì)幀間目標(biāo)重疊部分仍然不能得到完整運(yùn)動(dòng)目標(biāo),采用多重對(duì)稱差分圖像進(jìn)行信息融合能夠獲得更準(zhǔn)確的運(yùn)動(dòng)目標(biāo)區(qū)域。

        圖1 多重對(duì)稱差分算法流程圖

        2.4 融合多重對(duì)稱差分與背景減的目標(biāo)提取

        本文算法融合多重對(duì)稱差分與背景減法,其流程如圖2所示。

        圖2 本文運(yùn)動(dòng)目標(biāo)檢測(cè)算法

        針對(duì)場(chǎng)景的緩慢變化或者有目標(biāo)移入或移出背景時(shí),本文背景更新的基本思想:在每一個(gè)周期內(nèi),首先利用多重對(duì)稱差分和背景減相融合的方法找到運(yùn)動(dòng)區(qū)域,然后對(duì)運(yùn)動(dòng)區(qū)域的背景像素保持不變,而非運(yùn)動(dòng)區(qū)域的背景則用當(dāng)前像素進(jìn)行更新。具體步驟如下:

        步驟1對(duì)每一幀進(jìn)行去噪、灰度化和直方圖均衡化等預(yù)處理。

        步驟2 讀取連續(xù)的7幀分別求出中間幀Ik(x,y)與前后三幀Ik-3(x,y),Ik-2(x,y),…,Ik+3(x,y),背景幀Bk(x,y)差分圖像。

        步驟3 將步驟2的6個(gè)對(duì)稱差分和背景減結(jié)果進(jìn)行濾波、二值化處理,再進(jìn)行形態(tài)學(xué)開(kāi)運(yùn)算處理,將孤立的小區(qū)域、毛刺去除,填補(bǔ)目標(biāo)區(qū)域內(nèi)部的小孔改善視頻對(duì)象空間域連通性。

        步驟4 將步驟3的6個(gè)對(duì)稱差分作“與”運(yùn)算得到D17(x,y),D26(x,y),D35(x,y),同時(shí)分別與背景減法差分圖像作“與”運(yùn)算得到CD1、CD2、CD3:

        步驟5 將步驟4的結(jié)果進(jìn)行“或”運(yùn)算得到目標(biāo)區(qū)域D(x,y):

        步驟6 得到運(yùn)動(dòng)目標(biāo)區(qū)域D(x,y)以后,利用累積的方法消除噪聲的影響,進(jìn)而判斷各像素點(diǎn)是否存在運(yùn)動(dòng)目標(biāo)。定義Ak(x,y)為像素點(diǎn)(x,y)在第k幀時(shí)未產(chǎn)生連續(xù)變化累積次數(shù),若該點(diǎn)屬于運(yùn)動(dòng)區(qū)域,則將Ak(x,y)清零,否則Ak(x,y)自加1。

        步驟7 當(dāng)(x,y)點(diǎn)連續(xù)depth次沒(méi)有發(fā)生變化時(shí),說(shuō)明該點(diǎn)為非運(yùn)動(dòng)點(diǎn),更新當(dāng)前像素值為背景點(diǎn),否則說(shuō)明(x,y)點(diǎn)為運(yùn)動(dòng)點(diǎn),保持該點(diǎn)的背景像素灰度值不變。為提高對(duì)環(huán)境微小變化的適應(yīng)性,對(duì)于累積超過(guò)depth次沒(méi)有發(fā)生變化的背景像素點(diǎn),利用當(dāng)前幀和視頻序列中的當(dāng)前背景幀進(jìn)行加權(quán)平均來(lái)更新背景。

        步驟8 返回步驟1并判斷是否間隔了一定幀數(shù),若是則按本文背景提取算法更新背景;否則繼續(xù)循環(huán)。

        更新方法融合了多重對(duì)稱差分法和背景減法,能適應(yīng)外界環(huán)境的緩慢變化,特別是由于光照引起的緩慢變化,并用累積的方法消除了誤差。當(dāng)檢測(cè)場(chǎng)景中有物體移入或移除時(shí),能及時(shí)進(jìn)行背景更新,從而使得提取到的前景目標(biāo)更為精確。

        3 實(shí)驗(yàn)結(jié)果與分析

        實(shí)驗(yàn)測(cè)試環(huán)境是OpenCV VS2008,計(jì)算機(jī)配置為i5 2.27 GHz/2 GB,實(shí)驗(yàn)視頻分辨率均為352像素×240像素。首先對(duì)不同視頻使用本文目標(biāo)提取算法進(jìn)行測(cè)試,然后再對(duì)含有背景擾動(dòng)和光線變化的同一視頻進(jìn)行測(cè)試。

        圖3為背景提取算法所得的結(jié)果,其中(a)為視頻序列highway II.avi初始幀,(b)為第30幀傳統(tǒng)時(shí)間平均算法所得的背景,(c)為利用本文的背景提取算法所提到的背景。可以看出,利用傳統(tǒng)時(shí)間平均算法在運(yùn)動(dòng)目標(biāo)較密集時(shí)會(huì)出現(xiàn)拖影現(xiàn)象,而本文的改進(jìn)時(shí)間平均算法消除了該現(xiàn)象,能得到可靠的背景。

        圖3 背景提取

        圖4為在有風(fēng)情況下背景樹(shù)枝擾動(dòng)本文背景減法提取結(jié)果,其中(a)為原始視頻序列tree.avi的一幀,(b)為傳統(tǒng)的時(shí)間平均算法所提取到的運(yùn)動(dòng)目標(biāo),可以看出提出的目標(biāo)受背景擾動(dòng)的影響較大,(c)為本文背景減算法所得到的運(yùn)動(dòng)目標(biāo)。采用了形態(tài)學(xué)的方法消除了樹(shù)枝擾動(dòng)帶來(lái)的影響,可以有效地檢測(cè)出運(yùn)動(dòng)目標(biāo)。

        圖4 樹(shù)枝擾動(dòng)目標(biāo)提取

        圖5為光照變化條件下的運(yùn)動(dòng)目標(biāo)檢測(cè)結(jié)果,其中(a)、(b)為原始視頻序列光照變化前后的兩幀,(c)、(d)為使用混合高斯背景建模法所得到的運(yùn)動(dòng)目標(biāo),(e)、(f)為本文算法所得到的結(jié)果??梢钥闯?,混合高斯背景法對(duì)光照變化敏感,造成了誤檢,而本文算法可以在光照變化情況下檢測(cè)出運(yùn)動(dòng)目標(biāo),適應(yīng)性較好。

        圖5 光線變化下的運(yùn)動(dòng)目標(biāo)提取

        圖6為不同算法對(duì)highway II的運(yùn)動(dòng)目標(biāo)檢測(cè)結(jié)果,其中(a)從左至右依次為原始視頻序列的第273、349、497幀,圖(b)為采用對(duì)稱差分法所得的結(jié)果,運(yùn)動(dòng)目標(biāo)存在空洞,圖(c)為混合高斯背景法,檢測(cè)結(jié)果基本清晰,但是運(yùn)算時(shí)間較大,圖(d)為本文算法結(jié)果??梢钥闯?,運(yùn)動(dòng)目標(biāo)輪廓較完整,改善了對(duì)稱差分法的空洞現(xiàn)象,也克服了混合高斯背景法對(duì)環(huán)境敏感的問(wèn)題,使目標(biāo)區(qū)域更為準(zhǔn)確。

        圖7為不同算法對(duì)PetsD2TeC1視頻序列的運(yùn)動(dòng)目標(biāo)處理結(jié)果,該視頻背景加入了樹(shù)枝擾動(dòng)和光線漸變的影響,其中圖(a)、(b)分別為原始視頻的第950幀和2 777幀,圖(c)為本文算法的背景提取結(jié)果,圖(d)、(e)、(f)和圖(g)、(h)、(i)分別為對(duì)稱差分法、高斯背景法和本文算法對(duì)第950幀和2 777幀的目標(biāo)檢測(cè)結(jié)果。從圖中可以看出,本文算法在背景受外界環(huán)境的影響下能夠準(zhǔn)確地提取背景圖像并檢測(cè)出運(yùn)動(dòng)速度較慢的目標(biāo),相比于對(duì)稱差分法含有更多的運(yùn)動(dòng)目標(biāo)信息,運(yùn)算速度快于高斯背景法,具有很強(qiáng)的適應(yīng)性。

        圖6 highway II視頻序列的運(yùn)動(dòng)目標(biāo)檢測(cè)

        圖7 PetsD2TeC1視頻序列的運(yùn)動(dòng)目標(biāo)檢測(cè)

        4 結(jié)論

        針對(duì)靜態(tài)場(chǎng)景,提出了一種融合對(duì)稱差分與背景減法的運(yùn)動(dòng)目標(biāo)檢測(cè)算法。本文算法一定程度上克服了對(duì)稱差分目標(biāo)不完整和背景減法對(duì)環(huán)境敏感的缺點(diǎn),所采用的改進(jìn)的時(shí)間平均背景模型能提取出可靠的背景,并能根據(jù)不同的場(chǎng)景變化采用不同的自適應(yīng)背景更新策略,保證了背景圖像實(shí)時(shí)性和準(zhǔn)確性,解決了如背景全局光線突變、樹(shù)枝擾動(dòng)等問(wèn)題,提高了系統(tǒng)的穩(wěn)定性。本文方法計(jì)算簡(jiǎn)單有效,在復(fù)雜場(chǎng)景中可以準(zhǔn)確地提取和更新背景圖像,但并未考慮目標(biāo)陰影的情況,因此下一步將研究如何消除目標(biāo)陰影,以提高該方法的準(zhǔn)確性。

        [1]Piccardi M.Background Subtraction techniques:a review[C]//Proc of IEEE International Conference on System,Man and Cybernetics,Holland,2004:3099-3104.

        [2]張志付.基于背景減法的運(yùn)動(dòng)檢測(cè)算法研究[D].上海:上海交通大學(xué),2008.

        [3]Kim K,Chalidabhongse T H,Harwood D,et al.Background modeling and subtraction by codebook construction[C]//Proc of International Conference on Image Processing,Singapore,2004,5:3061-3064.

        [4]M ittal A,Paragios N.Motion-based background subtraction using adaptive kernel density estimation[C]//Proc of IEEE Conference on Computer Vision and Pattern Recognition,2004,2:302-309.

        [5]Lee D S,Hull J,Erol B.A Bayesian framework for Gaussian mixture background modeling[C]//Proc of IEEE International Conference on Image Processing,2003,2:973-976.

        [6]Kim H,Ku B,Han D K.Adaptive selection of model histograms in block-based background subtraction[J].Electronics Letters,2012,48(8):434-435.

        [7]Barnich O.ViBe:a universal background subtraction algorithm for video sequences[J].IEEE Transactions on Image Processing,2011,20(6):1709-1724.

        [8]Brutzer S,Hoferlin B,Heidemann G.Evaluation of background subtraction techniques for video surveillance[C]//Proc of IEEE Conference on Computer Vision and Pattern Recognition,Providence,2011:1937-1944.

        [9]Wang Hongzhi,Dong Ying.An improved image segmentation algorithm based on Otsu method[C]//Proc of SPIE,Beijing,2007,6625:662501.

        [10]侯志強(qiáng),韓崇昭.基于像素灰度歸類的背景重構(gòu)算法[J].軟件學(xué)報(bào),2005,16(9):1568-1576.

        猜你喜歡
        差分法差分背景
        二維粘彈性棒和板問(wèn)題ADI有限差分法
        “新四化”背景下汽車NVH的發(fā)展趨勢(shì)
        數(shù)列與差分
        《論持久戰(zhàn)》的寫(xiě)作背景
        晚清外語(yǔ)翻譯人才培養(yǎng)的背景
        基于差分隱私的大數(shù)據(jù)隱私保護(hù)
        基于SQMR方法的三維CSAMT有限差分法數(shù)值模擬
        相對(duì)差分單項(xiàng)測(cè)距△DOR
        太空探索(2014年1期)2014-07-10 13:41:50
        有限差分法模擬電梯懸掛系統(tǒng)橫向受迫振動(dòng)
        差分放大器在生理學(xué)中的應(yīng)用
        精品一区二区三区蜜桃麻豆| 亚洲色偷拍一区二区三区| av毛片一区二区少妇颜射| 亚洲乱码一区二区av高潮偷拍的| 白丝爆浆18禁一区二区三区| 亚洲欧美日韩综合久久久| 99久久99久久精品免观看| 男男做h嗯啊高潮涩涩| 亚洲av乱码一区二区三区林ゆな| 亚洲午夜福利在线观看| 亚洲AV肉丝网站一区二区无码| 青青草视频网站免费看| 天堂资源中文网| 99久久人人爽亚洲精品美女 | 无码免费一区二区三区| 亚洲熟妇色xxxxx欧美老妇| 美女偷拍一区二区三区| 天堂一区二区三区在线观看视频 | 人妻丰满少妇一二三区| 亚洲熟女少妇精品综合| 无码人妻av免费一区二区三区| 久久精品免费一区二区喷潮| 精品国产乱码一区二区三区| 美女露出自己的性感大胸一尤内衣| 特级做a爰片毛片免费看108| 加勒比黑人在线| 久久综合激情的五月天| 亚洲精品成人片在线观看精品字幕 | 亚洲欧美日韩综合一区二区| 亚洲精品无码不卡av| 久久久久国产精品四虎| 91久久综合精品久久久综合| 欧美性猛交xxxx富婆| JIZZJIZZ国产| 日本午夜理论一区二区在线观看| 欧美三级不卡在线观看| 亚洲另类国产综合第一| 久久国产精品av在线观看| 97久久婷婷五月综合色d啪蜜芽 | 国产精品99精品一区二区三区∴ | 免费人成视频网站网址|