運(yùn)動(dòng)目標(biāo)檢測(cè)的任務(wù)就是將序列圖像中變化區(qū)域從背景中分割出來(lái)得到運(yùn)動(dòng)矢量信息,從而能夠?qū)\(yùn)動(dòng)目標(biāo)進(jìn)行進(jìn)一步的分類(lèi)和識(shí)別。
運(yùn)動(dòng)目標(biāo)檢測(cè)的任務(wù)就是將序列圖像中變化區(qū)域從背景中分割出來(lái)得到運(yùn)動(dòng)矢量信息,從而能夠?qū)\(yùn)動(dòng)目標(biāo)進(jìn)行進(jìn)一步的分類(lèi)和識(shí)別。
表1. 運(yùn)動(dòng)目標(biāo)檢測(cè)方法比較表
表2 常用運(yùn)動(dòng)目標(biāo)檢測(cè)算法比較
表3 三類(lèi)算法優(yōu)缺點(diǎn)比較
ViBe算法假定當(dāng)前待分類(lèi)的像素點(diǎn)為v(x),比較方法是定義一個(gè)二維歐式空間(C1,C2),并在該空間上定義一個(gè)以v(x)為中心半徑為R的球,根據(jù)預(yù)先建立的背景模型
通過(guò)以下公式進(jìn)行計(jì)算:
得到的結(jié)果如果大于2,則v(x)被劃分為背景,否則為前景,該過(guò)程如圖1所示。
圖1基于隨機(jī)理論背景模型更新準(zhǔn)則的示意圖
圖2 圖像序列中無(wú)運(yùn)動(dòng)目標(biāo)時(shí)利用兩次運(yùn)動(dòng)檢測(cè)結(jié)果求交集結(jié)果示意圖
圖3 圖像序列中出現(xiàn)運(yùn)動(dòng)目標(biāo)時(shí)利用兩次運(yùn)動(dòng)檢測(cè)結(jié)果求交集結(jié)果示意圖
免責(zé)聲明:本站所使用的字體和圖片文字等素材部分來(lái)源于互聯(lián)網(wǎng)共享平臺(tái)。如使用任何字體和圖片文字有冒犯其版權(quán)所有方的,皆為無(wú)意。如您是字體廠商、圖片文字廠商等版權(quán)方,且不允許本站使用您的字體和圖片文字等素材,請(qǐng)聯(lián)系我們,本站核實(shí)后將立即刪除!任何版權(quán)方從未通知聯(lián)系本站管理者停止使用,并索要賠償或上訴法院的,均視為新型網(wǎng)絡(luò)碰瓷及敲詐勒索,將不予任何的法律和經(jīng)濟(jì)賠償!敬請(qǐng)諒解!