论文基于改进高斯混合模型的运动目标检测和跟踪是关于高斯方面的论文题目、论文提纲、高斯论文开题报告、文献综述、参考文献的相关大学硕士和本科毕业论文。
摘 要： 为了提高运动目标检测与跟踪的精确性与可靠性,提出一种基于改进高斯混合模型的运动目标检测与跟踪方法.首先,建立改进高斯混合背景模型,对运动目标图像进行分块处理,利用相连帧的连续性对运动目标图像的参数更新,提取完整的运动目标并进行分割；其次,将给定的当前帧像素点与目标图像进行匹配,减少高斯混合模型的分布数量和计算量,根据分块处理后的运动目标的大小、形状以及颜色信息完成运动目标全局匹配,实现运动目标的实时检测与跟踪.实验结果表明,与目前的高斯混合模型对运动目标检测与跟踪的方法相比,所提方法计算过程较为简单,具有更快的检测速度和更可靠的检测结果.
关键词： 运动目标检测； 全局匹配； 改进高斯混合模型； 分块处理
中图分类号： TN911.73?34； TP391 文献标识码： A 文章编号： 1004?373X（2017）21?0069?04
Moving target detection and tracking based on improved Gaussian mixture model
ZHI Jixin
（College of Physical Education, Zhengzhou University, Zhengzhou 450044, China）
Abstract： In order to improve the accuracy and reliability of moving object detection and tracking, a moving object detection and tracking method based on improved Gaussian mixture model is proposed. The improved Gaussian mixture background model is established to segment the moving target image into blocks. The continuity of the neighborhood frames is utilized to update the parameters of the moving target image, and then the whole moving target is extracted for segmentation. The given pixel of current frame is matched with the target image to reduce the distribution quantity and calculated amount of the Gaussian mixture model. According to the size, shape and color information of the moving target after block processing, the global matching for moving target is conducted to realize the real?time detection and tracking of moving object. The experimental results show that, in comparison with the current moving target detection and tracking methods based on Gaussian mixture model, the proposed method has simpler calculation process, faster detection speed, and more reliable detection results.
Keywords： moving target detection； global matching； improved Gaussian mixture model； block processing
0 引 言
运动目标检测与跟踪[1]在计算机交互式领域和人类视觉领域具有至关重要的地位.通过对视频图像的跟踪检测,可以确切地掌握目标图像的运动信息和运动特征,为后续运动目标的检测与跟踪问题提供更为详细的信息参考.基于高斯混合模型[2]的目标检测与跟踪,国内外很多学者对其进行了大量实验与研究.根据目标检测的范围,可以分为静态目标检测[3?4]和动态目标检测[5?6],其中,动态目标检测依赖于目标的运动性特征.在现实操作中,由于场景不同、光线的改变[7]等问题给运动目标的检测与跟踪工作的实施带来了一定的困难和挑战.因此,提高改进高斯混合模型的运动目标检测的精确度具有现实意义.
其中文献[8]提出基于高斯混合模型的帧间差分法,该方法利用图像序列中相连的几帧图像的关联性进行帧间差分变化检测,最后通过确定阈值找到运动目标所在区域的位置,对运动目标进行检测跟踪.但是该方法的缺点是不能准确提取出所有存在关联性特点的像素点,而且检测效率太低,提取目标不够完整,也不能对运动目标进行实时检测与跟踪.文献[9]提出一种高斯混合模型光流检测法,该方法利用图像中像素数据的相关性变化,并通过图像灰度在时间上的处理变化与图像中运动目标物体结构之间的关系确定运动目标.但是该方法的计算过程复杂,耗时太长,容易出现偏差,实用性不好.文献[10]提出基于自适应高斯背景减除检测运动目标与跟踪的方法,该方法通过改变视频图像的排列方式整合运动信息进行差分,确定出当前区域的差值,快速检测运动目标,但是该方法在检测过程中受外界干扰严重,检测精度不高.
总结:这是一篇与高斯论文范文相关的免费优秀学术论文范文资料,为你的论文写作提供参考。
参考文献：
1、 基于弯曲高斯过程组合方法光伏出力预测 摘 要：针对光伏发电功率受多种天气因素影响造成预测难度大的现状，提出了一种基于弯曲高斯过程的混合模型，可以实现一天内任意时刻的光伏出力的概率预测。
2、 去高斯双模压缩真空场光子分布 摘要：研究了去高斯双模压缩真空场的光子分布，并以J-C模型计算分析了场到量子比特的纠缠传输 采用负度表征纠缠 研究表明减光子双模压缩真空场在较低。
3、 基于改进高斯混合模型的体育视频运动目标检测和跟踪 摘 要： 针对当前体育视频运动目标检测存在的弊端，提出改进高斯混合模型的体育视频运动目标检测与跟踪方法。通过分析高斯混合模型的弊端，保留原有的“。
4、 基于改进高斯混合回归球磨机料位软测量 摘 要： 针对球磨机系统多模态复杂过程中的料位不确定性，球磨机振动信号存在非线性、噪声和外界干扰等问题，采用一种基于改进的高斯混合回归（GMR）。
5、 基于复杂网络模型的运动损伤程度评估模型 摘 要： 现有的运动损伤程度评估模型不能有效地描述运动强度与损伤程度之间的关系。为了解决此问题，通过对致伤因子的研究、对损伤基函数的选取，达到了。
6、 面板数据下线性混合模型其在车险费率厘定中应用 摘 要：精算师在进行车险净保费信度厘定时可采用关于面板数据的线性混合模型，本文采用每次交通事故平均损失额和事故发生频率作为车险净保费的计算指标。。