资源简介
基于GMM(Gaussian Mixture Model,混合高斯模型)的物体识别基础上,利用GLCM(Gray-level co-occurrence matrix,灰度共生矩阵)及基于GLCM提取的纹理特征来解决当前运动目标检测所存在的问题,如动态场景的变化,光照突变及天气变化等。GLCM在局部区域的往复运动具有相对不变性,因此利用这个特点对基于GMM检测的前景进行再判断以解决动态场景的问题,将检测窗口中当前帧和前两帧的GLCM特征值进行比较,如果其GLCM特征值的差值小于给定的阈值,那么可以判断当前区域为背景,反之则为前景。图像的纹理特征具有抗光照突变性,经过分析其中的4个特征值并阈值化
代码片段和文件信息
相关资源
- 基于codebook的运动目标检测和追踪+演
- 用于运动目标检测的视频。
- 基于canny算子和光流法的运动目标检测
- 基于背景差法的运动目标检测
- 可用于视频运动目标检测的视频
- 提取视频前景背景/运动目标检测
- 图像灰度共生矩阵的C源代码,计算灰
- 基于背景累积的运动目标检测
- 基于灰度共生矩阵的图像分割方法研
- 论文研究-改进的Vibe运动目标检测算法
- 输入多幅图像实现帧间差分实现运动
- 背景差分与三帧差分结合的运动目标
- 基 于OpenCV 的动态背景下的运动目标检
- 基于视频的运动目标检测与识别
- 基于背景差分的运动目标检测方法
- 运动目标波门跟踪
- 灰度共生矩阵纹理分割
- 自己写的运动目标检测算法汇总
- 基于灰度共生矩阵的图像匹配算法
- 一种运动目标检测与跟踪快速算法的
- 基于vibe背景建模的目标检测算法
- 基于视频的运动目标检测
- DM642上实现运动目标检测与跟踪
- 灰度共生矩阵获取纹理特征
- 运动目标检测源代码opencv
- 基于混合高斯背景模型的背景差检测
评论
共有 条评论