视频流中运动物体的抽象检测是许多计算机视觉应用中信息提取的第一步。除了能够将视频流分割为移动和背景组件的内在有用性外,检测移动对象为识别、分类和活动分析提供了一个关注焦点,使这些后续步骤更加有效。我们提出了一种基于人工神经网络自组织的方法,广泛应用于人类图像处理系统,更广泛地应用于认知科学。该方法可以处理包含移动背景、渐变光照变化和伪装的场景,没有自举限制,可以将移动对象投射到背景模型阴影中,实现对固定摄像机拍摄的不同类型视频的鲁棒检测。我们将我们的方法与其他建模技术进行了比较,并报告了代表视频监控系统关键典型情况的彩色视频序列在检测精度和处理速度方面的实验结果。
视觉监控是计算机视觉领域的一个非常活跃的研究领域,由于监控摄像机数量的快速增长,对其输出的自动处理方法提出了强烈的要求。科学的挑战是设计和实现能够检测和跟踪运动物体的自动系统,并解释它们的活动和行为。世界各地都强烈感受到这种需要,不仅是私营公司,而且是政府和公共机构,其目的是提高人们的安全和服务效率。视觉监控确实是打击恐怖主义和犯罪、公共安全(如交通网络、城镇中心、学校和医院)以及高效管理交通网络和公共设施(如交通灯、铁路道口)的关键技术。
视觉监控系统的主要任务包括运动检测、目标分类、跟踪、活动理解,
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
全部0条评论
快来发表一下你的评论吧 !