吉林大学学报(工学版) ›› 2009, Vol. 39 ›› Issue (增刊2): 401-0405.

• 论文 • 上一篇    下一篇

基于视频流的目标检测反馈模型

于哲舟, 李江春, 周栩, 杨斌, 杨礼,黄岚   

  1. 吉林大学 计算机科学与技术学院|长春 130012
  • 收稿日期:2009-03-27 出版日期:2009-09-30 发布日期:2009-09-30
  • 通讯作者: 黄岚(1974-),女,副教授,博士.研究方向:智能算法及其应用.E-mail:huanglan@jlu.edu.cn E-mail:huanglan@jlu.edu.cn
  • 作者简介:于哲舟(1961-)|男|教授.研究方向:计算智能与生物特征识别技术.E-mail:yuzz@jlu.edu.cn
  • 基金资助:

    广东省教育部产学研结合项目(2007B090400031);吉林省信息产业厅专项基金项目(2007042)

Feedback model for object detection based on video stream

YU Zhe-zhou,LI Jiang-chun,ZHOU Xu,YANG Bin,YANG Li,HUANG Lan   

  1. College of Computer Science and Technology, Jilin University, Changchun 130012, China
  • Received:2009-03-27 Online:2009-09-30 Published:2009-09-30

摘要:

为了增强智能视觉监控系统的实时性,提出了一种反馈模型。首先采用基于混合高斯模型的减背景算法进行运动目标检测;然后采用Kalman滤波算法进行运动目标跟踪;进而提出了一种反馈模型,将跟踪阶段Kalman滤波的状态预测值反馈到检测阶段的减背景操作中来约束目标检测的有效范围。最后将本文方法(采用反馈模型)与一般方法(未采用反馈模型)进行了对比实验,结果表明,本文方法具有良好的目标检测与跟踪效果,在不影响准确性的前提下,显著降低了运算量,增强了系统的实时性,对于智能视觉监控系统的现实应用具有重要意义。

关键词: 计算机应用, 智能视觉监控, 运动目标检测, 目标跟踪, 混合高斯模型, Kalman滤波

Abstract:

A feedback model was put forward in order to improve the realtime capability of intelligent video surveillance. First, the background subtraction method based on Gaussian mixture model was adopted to detect moving objects. And the Kalman filter algorithm was adopted to perform the realtime object tracking. Then a feedback model was put forward. In the model, the results of tracking was fed back to the detection stage in order to restrict the detection regions. By experiments, the proposed method(which used the feedback model) was compared with the common method(which didn′t use the feedback model). The experimental results illustrate the good performance and enhanced realtime capability of the proposed method.

Key words: computer application, intelligent video surveillance, moving object detection, object tracking, Gaussian mixture model, Kalman fiter

中图分类号: 

  • TP391
[1] 刘富,宗宇轩,康冰,张益萌,林彩霞,赵宏伟. 基于优化纹理特征的手背静脉识别系统[J]. 吉林大学学报(工学版), 2018, 48(6): 1844-1850.
[2] 王利民,刘洋,孙铭会,李美慧. 基于Markov blanket的无约束型K阶贝叶斯集成分类模型[J]. 吉林大学学报(工学版), 2018, 48(6): 1851-1858.
[3] 金顺福,王宝帅,郝闪闪,贾晓光,霍占强. 基于备用虚拟机同步休眠的云数据中心节能策略及性能[J]. 吉林大学学报(工学版), 2018, 48(6): 1859-1866.
[4] 赵东,孙明玉,朱金龙,于繁华,刘光洁,陈慧灵. 结合粒子群和单纯形的改进飞蛾优化算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1867-1872.
[5] 刘恩泽,吴文福. 基于机器视觉的农作物表面多特征决策融合病变判断算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1873-1878.
[6] 李居朋,张祖成,李墨羽,缪德芳. 基于Kalman滤波的电容屏触控轨迹平滑算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1910-1916.
[7] 欧阳丹彤, 范琪. 子句级别语境感知的开放信息抽取方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1563-1570.
[8] 刘富, 兰旭腾, 侯涛, 康冰, 刘云, 林彩霞. 基于优化k-mer频率的宏基因组聚类方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1593-1599.
[9] 桂春, 黄旺星. 基于改进的标签传播算法的网络聚类方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1600-1605.
[10] 刘元宁, 刘帅, 朱晓冬, 陈一浩, 郑少阁, 沈椿壮. 基于高斯拉普拉斯算子与自适应优化伽柏滤波的虹膜识别[J]. 吉林大学学报(工学版), 2018, 48(5): 1606-1613.
[11] 车翔玖, 王利, 郭晓新. 基于多尺度特征融合的边界检测算法[J]. 吉林大学学报(工学版), 2018, 48(5): 1621-1628.
[12] 赵宏伟, 刘宇琦, 董立岩, 王玉, 刘陪. 智能交通混合动态路径优化算法[J]. 吉林大学学报(工学版), 2018, 48(4): 1214-1223.
[13] 黄辉, 冯西安, 魏燕, 许驰, 陈慧灵. 基于增强核极限学习机的专业选择智能系统[J]. 吉林大学学报(工学版), 2018, 48(4): 1224-1230.
[14] 傅文博, 张杰, 陈永乐. 物联网环境下抵抗路由欺骗攻击的网络拓扑发现算法[J]. 吉林大学学报(工学版), 2018, 48(4): 1231-1236.
[15] 曹洁, 苏哲, 李晓旭. 基于Corr-LDA模型的图像标注方法[J]. 吉林大学学报(工学版), 2018, 48(4): 1237-1243.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
No Suggested Reading articles found!