改进的自适应混合高斯前景检测方法

来源 :计算机应用 | 被引量 : 10次 | 上传用户:wafh000
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
针对混合高斯背景模型计算量大、存在阴影和鬼影的不足,提出一种基于混合高斯模型的改进前景检测算法。通过分析背景的稳定性来选择连续或隔帧更新方式对背景模型中的参数进行更新,提高算法的运算速度。在背景更新方面,让更新率与权值相关联从而使更新率随权值改变并且对目标移动后显露的背景像素给予更大的更新率,提高背景的稳定性并解决鬼影现象及前景与背景转化的问题。对检测出的目标,用适应性更高的RGB颜色空间畸变模型进行阴影检测和消除,并进行高斯金字塔滤波和形态学滤波处理,以得到更好的前景目标。实验结果表明,该方法能提
其他文献
主动队列管理是目前的研究热点,随机早期检测(RED)算法是一种经典的队列管理算法。线性RED算法虽然简单且容易计算,但队列位于最小阈值和最大阈值附近时的丢包概率都不太合理。在论证了平均队列长度和丢包概率间为非线性性质后,提出了一种改进非线性RED算法——JRED。利用NS2对改进的算法进行仿真,结果表明,JRED算法提高了平均吞吐量,降低了丢包概率,增强了网络稳定性和可靠性。