基于多算法融合的运动目标定位研究

孙一南; 韩晓明

Chinese

您当前的位置：

首页 >

文章列表页 >

基于多算法融合的运动目标定位研究

更新时间：2026-09-04

- 基于多算法融合的运动目标定位研究
- Research of Moving Object Localization Based on Multi Fusion Algorithm
- 微电子学与计算机 2017年34卷第8期页码：123-127
- 作者机构：
  
  太原理工大学信息工程学院,山西,太原,030024
- 作者简介：
- 基金信息：
  
  国家自然科学基金 61450011山西省自然科学基金 2015011052
- DOI：
  中图分类号：
- 纸质出版：2017
- 稿件说明：
移动端阅览
孙一南, 韩晓明. 基于多算法融合的运动目标定位研究[J]. 微电子学与计算机, 2017, 34(8): 123-127, 132.

SUN Yi-nan, HAN Xiao-ming. Research of Moving Object Localization Based on Multi Fusion Algorithm[J]. 2017, 34(8): 123-127.
孙一南, 韩晓明. 基于多算法融合的运动目标定位研究[J]. 微电子学与计算机, 2017, 34(8): 123-127, 132. DOI：

SUN Yi-nan, HAN Xiao-ming. Research of Moving Object Localization Based on Multi Fusion Algorithm[J]. 2017, 34(8): 123-127. DOI：

摘要

在固定摄像头的情况下，背景消减法是用来提取视频中运动目标的最有效方法之一，而背景消减法的关键在于背景建模算法和背景与前景的消减方式，针对背景消减法在复杂背景下目标提取时出现的目标缺损、空洞现象和相关背景建模方法计算复杂、背景模型提取时间长等不足，提出了一种多算法融合的背景消减法.该算法通过充分融合发挥RGB彩色模型的颜色特征、码本法的抗扰动性和三帧帧差法与Surendra法的快速性，提出了一种新的背景建模算法以及消减方式，使得在尽可能降低计算量的同时成功提高了算法对闪烁背景的耐受性，并解决了复杂背景条件下运动目标出现缺损与空洞的问题.

Abstract

In the case of a fixed camera

background subtraction method is one of the most effective method to extract moving objects in video

and the key of the background subtraction algorithm is the background modeling method and the subtraction method between background and foreground

when in complex background

the background subtraction method may leads to target defect

empty hole and related background modeling methods are complex

which causes long extraction time

so here proposes a multi fusion background subtraction algorithm.By exerting the color characteristics of RGB color model

anti disturbance of codebook method

and rapidity of three frame difference method and Surendra method fully

a new background modeling algorithm and its reduction method are proposed

which reduces the calculation quantity

improves the tolerance of twinkling background

and solves the problem of defect and cavity of moving object in complex background successfully.

关键词

Keywords

references

徐久强, 江萍萍, 朱宏博, 等. 面向运动目标检测的ViBe算法改进[J]. 东北大学学报(自然科学版), 2015(9): 1227-1231. DOI: 1227

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

纪青华, 禹素萍. 基于Surendra背景减除法和四帧差分法的目标检测算法[J]. 计算机应用与软件, 2014, 31(12): 242-244. DOI: 242

黄进, 金炜东, 秦娜. 基于三维高斯混合码本模型的运动目标检测算法[J]. 西南交通大学学报, 2012, 47(4): 662-668. DOI: 662

徐方明, 卢官明. 基于改进surendra背景更新算法的运动目标检测算法[J]. 山西电子技术, 2009, 36(5): 39-40. DOI: 39

李建, 蓝金辉, 李杰. 一种新型快速运动目标检测算法[J]. 中南大学学报(自然科学版), 2013, 44(3): 978-984. DOI: 978

甘明刚, 陈杰, 刘劲, 等. 一种基于三帧差分和边缘信息的运动目标检测方法[J]. 电子与信息学报, 2010, 32(4): 894-897. DOI: 894

李冠军, 丁喆. 视频多运动目标提取的新方法[J]. 微电子学与计算机, 2010, 27(1): 141-143. DOI: 141

姜柯, 李艾华, 苏延召. 基于改进码本模型的视频运动目标检测算法[J]. 电子科技大学学报, 2012(6): 932-936. DOI: 932

蓝章礼, 帅丹, 李益才. 基于帧间相关性的道路监控视频关键帧提取[J]. 微电子学与计算机, 2015, 32(5): 51-54. DOI: 51

杨燕妮, 吴向前, 刘鹏, 等. 基于帧间差分与码本模型的运动车辆检测算法[J]. 新疆大学学报(自然科学版), 2016, 33(2): 203-208. DOI: 203

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

注意力机制与改进密集卷积引导的信息隐藏模型

一种基于特征上下文理解与切片分析的肺结核检测算法

基于MSS-YOLO-MPHands融合架构的装配手部动作识别研究

基于多尺度融合与小目标增强的航拍车辆检测算法

面向处理器分支预测单元的Spectre攻击轻量化防御方法