搜索资源列表
gauss_model
- 高斯背景建模的程序。对于车辆检测比较有用
MovingDetect
- matlab的运动目标分割 车辆检测 平均建模背景差分-Moving object segmentation matlab Vehicle Detection average difference modeling background
Background-modeling
- 利用背景建模获得运动前景。本程序提取了运动的前景车辆。并对其二值化。-Using background modeling obtain movement prospects.
recognition-algorithm-design
- 运用帧差序列图像进行背景建模与更新，采用背景差分和LBP纹理分析法进行运动车辆的分割及阴影消除。提出车辆形状投影量的概念，将视频车辆二维形状信息降至一维，并设计二维输入模糊分类器，根据形状投影量和车高，车长比，完成车型的多种类精细识别。-Frame difference image sequence background modeling and updating, background subtraction and the LBP texture analysis method for th
picture--chasing
- 背景建模和前景分割的方式把运动车辆提取出来。并进行最近临关联，输出目标轨迹。 MeanShift运动目标跟踪 matlab程序 1.截取跟踪目标矩阵rect 2.求取跟踪目标的加权直方图hist1 3.读取视频序列中的一帧， 先随机取一块与rect等大的矩形，计算加权直方图hist2。 4.计算两者比重函数，如果后者差距过大， 更新新的矩阵中心Y，进行迭代（MeanShift是一种变步长可以迅速接近概率密度峰值的方法），直至一定条件后停止。
finally
- 实现了车辆目标的背景建模、前景检测、阴影消除、车辆跟踪-Achieve a vehicle target background modeling, foreground detection, shadow elimination, vehicle tracking
MovingDetect
- Matlab的运动目标分割 车辆检测 平均建模背景差分-Matlab moving object segmentation of vehicle detection modeling background difference on average
background-modeling
- 随着智能监控技术的快速发展, 基于数字视频的智能视频监控系统代替原来的人力监控在越来越多的公共场所获得了应用。然而, 在实际的户外监控环境下, 由于光线变化以及初始背景样本的多样性, 难以建立良好的背景样本。针对上述问题, 提出了一种自适应的背景建模方法。其中自适应指两个方面: 第一 背景的自动更新 第二, 不需要使用背景帧样本作为模型训练的输人。在此基础上, 建立了针对户外交通环境的智能车辆监控系统。实验结果表明, 上述方法在动态场景的车辆检测中取得了较好的效果。-With the rapid
classicalmog
- 根据GMM经典论文Adaptive background mixture models for real-time tracking写的matlab源码，利用GMM背景建模并提取车辆，完全忠实于原论文-According GMM classic paper Adaptive background mixture models for real-time tracking matlab source code written using GMM background modeling and ex
混合高斯
- 用于车辆检测背景建模 通过混合高斯将前景与北京分离(Vehicle tracking background modeling is used to extract foreground)