前景检测
前景检测的相关文献在2004年到2022年内共计189篇,主要集中在自动化技术、计算机技术、无线电电子学、电信技术、公路运输
等领域,其中期刊论文83篇、会议论文4篇、专利文献1104675篇;相关期刊63种,包括大众科技、西安交通大学学报、中国图象图形学报等;
相关会议4种,包括第八届中国计算机图形学大会、2009年通信理论与信号处理学术年会、第十三届全国图象图形学学术会议等;前景检测的相关文献由450位作者贡献,包括廖娟、李勃、陈启美等。
前景检测—发文量
专利文献>
论文:1104675篇
占比:99.99%
总计:1104762篇
前景检测
-研究学者
- 廖娟
- 李勃
- 陈启美
- 周航
- 周艳
- 王江
- 邵荃
- 陈星明
- 张文韬
- 杨林权
- 邱中亚
- 隆迪
- 黄英
- 刘旭
- 刘明
- 刘晓炯
- 卢婷舒
- 张德馨
- 明安龙
- 曲中鑫
- 王明江
- 秦娜
- 邹见效
- 金炜东
- 马华东
- 高飞
- 黄进
- 丁保阔
- 丁嵘
- 丁晓青
- 丁美玉
- 不公告发明人
- 余慧
- 储珺
- 党建波
- 刘冬冬
- 刘威
- 刘明华
- 刘玉宇
- 刘玉强
- 刘纯平
- 刘高强
- 吕琪菲
- 吴剑清
- 吴旭宾
- 吴易达
- 吴晶
- 周翠翠
- 周赞
- 周雪
-
-
张国庭;
陈利霞;
周泽锋
-
-
摘要:
传统背景减除模型在背景静止和前景对象移动较快时提取到的前景效果较好,但当背景变化或前景对象移动缓慢时容易将动态背景误判为前景或检测出的前景有较多空洞。针对传统背景减除模型在动态背景和前景对象移动缓慢条件下存在前景检测精度下降的问题,提出一种基于l_(1/2)范数与显著性约束的背景减除模型。将观测数据分为低秩背景、运动前景和动态干扰3类,利用l_(1/2)范数约束运动前景加强前景稀疏性,有效抑制动态背景对前景提取造成的干扰,提高运动前景在动态背景中的检测精度。引入视频每一帧的显著性约束,通过对每一帧图像进行低秩稀疏分解来检测移动缓慢的目标。实验结果表明,该模型对于复杂场景具有较强的适应能力,可有效去除动态背景对前景的干扰,快速检测出移动缓慢的前景对象,相比于l_(1/1/2)-RPCA背景减除模型的平均查全率、查准率和调和平均值分别提升了9、14和10个百分点。
-
-
赵谦;
邓宇豪;
马文越;
贺顺
-
-
摘要:
针对视频前景提取(ViBe)算法在模型初始化时因前景像素干扰导致的“鬼影”问题,面对复杂背景环境的更新策略问题,提出利用图像像素均值作为参考对ViBe算法模型进行初始化优化;同时,提出随背景模型复杂度变化的自适应更新策略。利用邻域像素和连续帧背景像素的相似性进行背景模型初始化;然后通过计算样本间各像素的方差判定背景模型是否稳定,建立自适应的更新策略;最后提取运动目标。通过CDnet2014数据集验证表明:该算法有效改善了“鬼影”现象,提高了背景模型在复杂环境下的鲁棒性,各项客观评价指标也有所提升。
-
-
井明涛;
于腾;
冯梦瑶;
杨国为
-
-
摘要:
针对传统的前景检测方法在复杂场景下存在精度低、速度慢且不能有效检测目标动作轮廓等问题,本文主要对改进的Mask R-CNN 的游泳池溺水检测进行研究.采用实例分割网络Mask R-CNN进行检测与分割,实现溺水检测,在Mask分支引入空间注意力引导模块,设计了深度注意力分割模型SAG-Mask R-CNN,并在训练Mask R-CNN 网络时,严格按照视频顺序帧的顺序输入进行训练,确保Mask R-CNN 网络能学到溺水动态特征.同时,将前景检测方法和模型Mask R-CNN进行对比实验.实验结果表明,与Mask R-CNN相比,深度注意力分割模型SAG-Mask R-CNN,在保持检测高速度的同时,分割精度提升了 15%?20%,提高了溺水检测的准确性.该研究对减少游泳池中溺水事故的发生意义重大.
-
-
成科扬;
孙爽;
王文杉;
师文喜;
李鹏;
詹永照
-
-
摘要:
目的 在视频前景检测中,像素级的背景减除法检测结果轮廓清晰,灵活性高.然而,基于样本一致性的像素级分类方法不能有效利用像素信息,遇到颜色伪装和出现静止前景等复杂情形时无法有效检测前景.为解决这一问题,提出一种基于置信度加权融合和视觉注意的前景检测方法.方法 通过加权融合样本的颜色置信度和纹理置信度之和判断前景,进行自适应更新样本的置信度和权值;通过划分子序列结合颜色显著性和纹理差异度构建视觉注意机制判定静止前景目标,使用更新置信度最小样本的策略保持背景模型的动态更新.结果 本文方法在CDW2014(change detection workshops 2014)和SBM-RGBD(scene background modeling red-green-blue-depth)数据集上进行检测,相较于5种主流算法,本文算法的查全率和精度相较于次好算法分别提高2.66%和1.48%,综合性能最优.结论 本文算法提高了在颜色伪装和存在静止前景等复杂情形下前景检测的精度和召回率,在公开数据集上得到更好的检测效果.可将其应用于存在颜色伪装和静止前景等复杂情形的视频监控中.
-
-
刘伟铭;
温俊锐;
郑仲星;
戴愿;
李泓道
-
-
摘要:
针对地铁站屏蔽门与列车门间隙空间异物检测问题,提出了一种结合语义分割与背景参考的前景检测方法.该方法通过深度神经网络DifferentNet检测图像中的异物区域,首先,在列车停靠站台的过程中采集背景图片和待检测图片,通过网络的编码部分提取图像的特征信息得到特征金字塔,将两幅图片的特征图连接,再由解码部分计算特征差异得到待检测图片的前景热力图,最后经阈值分割和轮廓筛选得到检测结果.实验结果表明,该方法的前景交并比(cIoU)达81.2%,调和均值F1达89.5%,运行速率为30帧/s,与传统方法及无背景参考的图像分割网络相比,取得了更好的效果.
-
-
-
王洪雁;
张海坤
-
-
摘要:
针对背景运动引起动目标检测精度显著下降的问题,该文提出一种基于低秩及稀疏分解的动目标检测方法.所提方法首先引入伽马范数(°?norm)近乎无偏地逼近秩函数以解决核范数过度惩罚较大奇异值从而导致所得最小化问题无法获得最优解进而降低检测性能的问题,而后利用L1=2范数抽取稀疏前景目标以增强对噪声的稳健性,同时基于虚警像素所具有稀疏且空间不连续特性提出空间连续性约束以抑制动态背景像素,进而构建目标检测模型.最后利用基于交替方向最小化(ADM)策略扩展的增广拉格朗日乘子(ALM)法对所得优化问题求解.实验结果表明,与现有主流算法对比,所提方法可显著改善动态背景情况下动目标检测精度.
-
-
赖少川;
王佳欣;
马翠霞
-
-
摘要:
针对以往的前景检测方法对场景信息依赖较多的问题,提出了一种实时的无需迭代更新背景模型的前景检测深度学习模型ForegroundNet.ForegroundNet首先通过骨干网络从当前图像和辅助图像中提取语义特征,辅助图像为相邻的图像帧或者是自动生成的视频背景图像;然后将提取得到的特征输入到包含短连接的反卷积网络中,使得最终特征图在与输入图像具有相同的大小,并且包含不同尺度的语义及动态特征;最后使用softmax层进行二值分类,得到最终检测结果.在CDNet数据集上进行的实验结果表明,相比于当前F值为0.82的次优方法,ForegroundNet能够获得0.94的F值,具有更高的检测精度;同时ForegroundNet检测速度达到123 fps,具有良好的实时性.
-
-
-
-
Liu Le Yuan;
刘乐元;
Sang Nong;
桑农
- 《2009年通信理论与信号处理学术年会》
| 2009年
-
摘要:
提出了一种基于形状信息的前景检测方法.在对场景进行边缘检测的基础上,以由形状上下文(Shape Context)描述的局部形状信息作为特征建立背景模型,并用背景消减法(background subtraction)来检测前景.与高斯混合模型(Gaussian Mixture Model,GMM)和局部二进制模式(Local Binary Pattern,LBP)的比较实验表明,该方法具有较好的鲁棒性,精确性和实时性.
-
-
李小鹏;
严严;
章毓晋
- 《第十三届全国图象图形学学术会议》
| 2006年
-
摘要:
前景检测是视频监控系统的一个基本要求,也是进一步进行目标分析的基础.视频监控系统中前景检测常用的方法是背景相减,而背景相减的关键是如何从视频序列中建立背景模型.针对不同的应用环境,人们已提出了多种背景建模的方法,常用的如基于单高斯模型的方法,基于混合高斯模型的方法,基于统计的背景建模方法,基于码本的方法等.本文借助开放的微软通用视频库,对若干现有的背景建模方法进行了实现和实验比较.在此基础上,对各种方法的相对性能和适用性进行了分析和讨论。
-
-
-
-
-