搜索资源列表
BlockMotionestimation
- 本代码计算帧间光流场，通过阈值分割获得运动矢量，对当前帧进行补偿，配置差分后实现运动目标分割，解决复杂背景下运动目标的检测问题。-This code interframe optical flow field calculated by threshold segmentation to obtain motion vectors, to compensate for the current frame, after the implementation differential configu
motiondetect
- 基于OpenCV(开源计算机视觉平台)，通过边缘检查，实现运动目标的检测。程序运行前须安装（1）OpenCV: ttp://opencvlibrary.sourceforge.net （2）在vc6.0的Tools|Options|Directories标签下添加如下路径：C:\Program files\OpenCV\Cxcore\include C:\Program files\OpenCV\include C:\Program files\OpenCV\cvaux\include
opticalflowsimplized
- opencv下的光流计算，提取运动目标光流，供参考学习。-opencv optical flow under the terms of extracting moving target optical flow for the reference study.
1
- 运动模板检测，能通过锁定运动区域而计算出目标的运动方向-Campaign template detection, through the locked region and the calculated movement direction of movement goals
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。
tracking
- 本文提出了一种复杂条件下基于子空间梯度方向直方图跟踪的方法,通过大量样本的离线训练构建目标的投影子空间,并用梯度方向直方图在子空间的投影作为新的目标描述特征. 为了满足实时性的要求,采用积分直方图方法 提高粒子特征的计算速度 然后结合粒子滤波方法在子空间中计算粒子与训练样本集之间的相似度,进而估计目标的运动参数.-A subspace t racking method is proposed to t rack target s under complex environment s. Fi
optical
- 计算感兴趣区域内的光流特征，建立加权方向直方图，根据直方图统计感兴趣区域的主运方向和速度幅值。读取视频流，得到一段时间内运动目标的速度大小和方向变化。-Optical flow characteristics within the region of interest is calculated, and establish a weighted direction histogram, according to the master of the histogram region of int
1
- 本文提出了一种复杂条件下基于子空间梯度方向直方图跟踪的方法，通过大量样本的离线训练构建目标的投影子 空间，并用梯度方向直方图在子空间的投影作为新的目标描述特征．为了满足实时性的要求，采用积分直方图方法 提高粒子特征的计算速度；然后结合粒子滤波方法在子空间中计箅粒子与训练样本集之间的相似度，进而估计目标 的运动参数．实验结果表明，该方法能够在光照变化、噪声干扰、模糊、目标姿态和尺度改变，以及部分遮捎等恶劣条 件下实现准确跟踪，比传统的跟踪方法具有更高的跟踪精度和跟踪鲁棒性，能够满足
3
- 运动目标跟踪在工业过程控制、医学研究、成像制导等领域具有重要的实用价值。目前的研究多基于背景静止的情况，对背景发生移动的情况研究较少。提出了一套完整的移动背景下的目标跟踪算法，首先使用基于互信息的方法配准序列图像的背景。然后使用差分的方法进行运动区域检测，并将其与图像分割技术相结合，得到目标跟踪模板。目标的跟踪基于Kalman滤波的预测，其匹配过程仍基于互信息理论，实验结果证明：该算法具有较高的计算效率和准确性，应用前景广泛。-it is of important practical value
MeanShift-matlab
- MeanShift运动目标跟踪 matlab程序 思路： 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。 -MeanShift moving target tracking matlab program
background-model4
- 提出了一种基于模型切换的背景建模方法(M SBM ).该方法以嫡图像为纽带, 实现了不同精细程度的背景模型在空间上的自适应选取和在时间上的自适应切换.对于亮度分布复杂度高的背景区域采用精细的模型以保证运动目标检测的精度,反之采用简单的模型以降低计算量 .通过模型结构自适应结合参数自适应, 很好地兼顾了检测精度和计算代价.墓于高斯混合模型和时间平均模型的双模型切换式运动目标检测算法被用于实验研究, 结果表明这种算法的检测效果和单独采用高斯混合模型的检测效果相当, 而计算速度却比后者提高很多-P
m9
- 基于像素的背景建模方法速度较快但不能很好地描述背景运动，光流能准确描述物体运动但计算量大，难以满足实时的要求．提出一种结合基于像素的背景建模方法速度快以及光流描述物体运动准确优点的背景建模和目标检测方法．具体来说，为静止背景建立传统基于像素的灰度背景模型，为运动背景建立光流背景模型，通过２种背景模型的有效结合快速准确地实现目标检测．实验结果表明，提出的方法建模速度与基于像素背景建模方法相当，同时，又有光流准确描述背景运动的优点，综合性能超越上述２种方法．-Faster but not a goo
m10
- 背景建模是实现运动目标检测与跟踪的关键技术之一。在实时视频监控系统中，对背景建模算法的运行时间及所提取出的背景图像的实时性有很高的要求，针对这一问题，提出了一种基于切比雪夫不等式的自适应阈值背景建模算法。算法利用切比雪夫不等式计算像素点色度变化的概率估计值，提出了一种自适应阈值分类方法，它将像素点快速分类为前景点、背景点及可疑点，再利用核密度估计方法对可疑点进行进一步分类，最后利用背景更新算法提取实时背景图像。实验结果证明，该算法能快速有效地区分特征明显的背景点与前景点，提高了背景图像提取的速
sanzhenchafen
- 三帧差分算法是相邻两帧差分算法的一种改进方法，它选取连续三帧视频图像进行差分运算，消除由于运动而显露背景影响，从而提取精确的运动目标轮廓信息。该算法的基本原理是是先选取视频图像序列中连续三帧图像 并分别计算相邻两帧的差分图像，然后将差分图像通过选取适当的阈值进行二值化处理，得到二值化图像，最后在每一个像素点得到的二值图像进行逻辑与运算，获取共同部分，从而获得运动目标的轮廓信息。-Three differential algorithm is an improved method of two
test_depth
- 通过光流计算视屏中的运动显著目标 目标检测 异常运动检测-optical flow motion saliency
Moving-Target-Detection-Method-
- 针对成像平台运动情况下的运动目标检测问题，提出了一种从特征点稀疏运动场估计到运动分类的目标检测算法。 首先通过快速特征点检测与跟踪恢复出图像稀疏运动场；然后依据特征点之间运动一致性关系实现属于同一运动模式的特征 点分类，根据分类得到的各组特征点计算场景图像重建误差，剔除重建误差最小的特征点组，实现对前景目标的检测。仿真实 验对该算法在复杂场景中检测运动目标的有效性进行了验证。-】In order to detect target in the background motion vi