在许多计算机视觉应用中,视频流中运动物体的检测是信息抽取分析的第一个相关步骤。除了能够将视频流分割成运动的和背景的部分之外,检测运动物体为识别、分类和活动分析提供了一个重点,使这些后续步骤更加有效。提出了一种基于人工神经网络的自组织方法,该方法广泛应用于人类图像处理系统和认知科学中。该方法可以处理包含运动背景、渐变光照和伪装的场景,没有自举限制,可以将运动物体投射的阴影纳入背景模型中,并对固定摄像机拍摄的不同类型的视频实现鲁棒检测。我们比较了我们的方法与其他建模技术和报告的实验结果,无论是在检测准确性和处理速度方面,对于彩色视频序列,代表了视频监控系统的典型情况至关重要。
和语义描述。我们在这里的重点是检测阶段的一般视觉监视系统使用静态凸轮时代。在许多计算机视觉应用中,视频流中运动物体的检测是信息抽取分析的第一个相关步骤。除了能够将视频流分割为前景和背景组件的内在有用性之外,检测运动物体还提供了识别、分类和活动分析的重点,使这些后续步骤更有效,因为只需要考虑运动像素。
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
全部0条评论
快来发表一下你的评论吧 !