[1]李国祥 夏国恩 齐天.非参数核密度估计的动态目标识别与定位[J].计算机技术与发展,2012,(05):113-115.
LI Guo-xiang,XIA Guo-en,QI Tian.Dynamic Object Recognition and Localization Based on Nonparametric Kernel Density Estimation[J].,2012,(05):113-115.
点击复制
非参数核密度估计的动态目标识别与定位(
)
《计算机技术与发展》[ISSN:1006-6977/CN:61-1281/TN]
- 卷:
-
- 期数:
-
2012年05期
- 页码:
-
113-115
- 栏目:
-
智能、算法、系统工程
- 出版日期:
-
1900-01-01
文章信息/Info
- Title:
-
Dynamic Object Recognition and Localization Based on Nonparametric Kernel Density Estimation
- 文章编号:
-
1673-629X（2012）05-0113-03
- 作者:
-
李国祥1 夏国恩1 齐天2
-
[1]广西财经学院国际教育学院[2]广西财经学院管理科学与工程学院
- Author(s):
-
LI Guo-xiang; XIA Guo-en1; QI Tian2
-
[1]International Education College, Guangxi University of Finance and Economics[2]School of Management Science and Engineering, Guangxi University of Finance and Economics
-
- 关键词:
-
非参数; 高斯核密度; 动态目标
- Keywords:
-
non-parametric ; Gaussian kernel density; moving target
- 分类号:
-
TP31
- 文献标志码:
-
A
- 摘要:
-
在充分研究现有运动目标检测算法的基础上，针对于传统的动态目标定位识别方法，提出了一种非参数核密度估计背景模型。应用高斯核密度估计进行背景建模，通过对视频序列中的像素点进行概率密度分析，提取其中的动态目标。同时改进模型的更新方式，采用连续视频序列中的多帧差分法，构建背景的自适应更新模型，克服了光照、抖动等因素对背景重建的影响。实验结果表明，该方法具有一定的通用性，在复杂环境中能够有效地识别视频序列中的动态目标
- Abstract:
-
In the full study of existing moving target detection algorithm compared of the traditional identification methods,present a non -parametric kernel density estimation model. Apply a Gaussian kernel density estimation for background modeling and extract moving target by analysing the pixel probability density of video sequence. At the same time using a continuous multi-frame difference method to achieve the background adaptive update model. Experiments show that the method has high accuracy and can effectively detect moving target in the video seouence
备注/Memo
- 备注/Memo:
-
教育部科学技术研究重点项目（210160）李国祥（1984-），男，硕士，研究方向为机器视觉、数据挖掘
更新日期/Last Update:
1900-01-01