简介:近年来,目标显著性检测引起了众多学者的极大关注,并涌出了一些基于低秩矩阵恢复理论的检测方法.在这些方法中,人们一般使用核范数约束低秩部分.但是,由于秩函数是非凸且不连续的,由此导致核范数不能很好地逼近秩函数,使得检测效果往往不佳.为解决上述问题,现提出基于加权Schatten-p范数与低秩树结构的稀疏分解模型.一方面,利用加权Schatten-p范数对图像背景进行低秩约束.另一方面,采用具有树结构稀疏特性的l2,1范数和图像拉普拉斯正则化对显著性目标进行稀疏约束,以此提高显著性检测精准度.经过与4种已有的常用显著性检测方法在3个不同数据库中的实验结果对比,证实现提出的方法具有更好的检测性能.
简介:对运动车辆抖动以及摄像头平移运动引起的一些干扰问题进行了研究,提出了在求和绝对误差(SumofAbsoluteDifference,SAD)算法的基础上运用光流法,以此来消除平移运动及抖动产生的视频干扰信号,从而获得稳定的视频流,实现在运动车辆上用摄像头对动态目标的准确检测。结果表明,该方法能够有效地检测出运动目标,并且满足实时性。
简介:介绍和分析了在当前成像跟踪系统中常用的几种点目标滤波检测算法。为了满足图像处理实时性要求,设计了一套针对图像滤波算法的FPGA硬件实现结构。该结构具有FPGA高速并行计算能力,能在信号读出的过程中实时地完成多种滤波处理。成像实验证明该方案切实可行,具有良好的实时滤波效果。
简介:目标跟踪系统中比较难解决的一个问题就是遮挡,当一个目标被另一个物体部分或全部遮挡时,跟踪的特性就会不完整或彻底消失,导致目标跟踪失败。为了解决这一问题,采用不变矩和归一化相关(NCC)对目标遮挡进行判断,然后采用目标位置和速度进行航迹外推,对大量外场视频进行仿真并把算法移植到硬件平台。结果表明,通过上述方法可以有效解决目标跟踪遇到的遮挡问题。
简介:摘要:随着大数据时代的到来和计算机能力的提升,传统的目标检测方法难以处理庞大的图像数据以及无法满足人们对目标检测精度和速度上的要求,而卷积神经网络具有强大的特征学习能力,突破了传统目标检测方法的瓶颈,基于卷积神经网络的图像目标检测技术在诸多领域掀起了新的应用热潮。首先,文中介绍了卷积神经网络在目标检测任务上的优越性;其次,梳理了基于卷积神经网络的图像目标检测在医学、工业、农业领域中的典型应用,并对其中几种典型卷积神经网络的结构进行归纳总结分析;最后,讨论了目标检测的应用方面仍然存在的问题,并对基于卷积神经网络的图像目标检测应用的未来研究发展方向进行展望。
简介:介绍了车载红外告警系统中多目标的航迹建立及目标从图像坐标到载体坐标的转换方法。系统在方位360°视场内均匀布置了6个红外传感器,天顶方向布置1个红外传感器,形成360°全半球视场。每个传感器对应1个目标检测板,系统设计有1个系统控制板,用于对目标进行坐标转换、航迹管理以及向各个检测板发送控制命令。当目标检测板完成目标检测后,便向控制板发送7个传感器中的目标信息,控制板对目标进行坐标转换使之统一于载体坐标系,在载体坐标系建立目标航迹并对航迹进行预测管理,最后通过串口向上位机输出目标在载体坐标系的位置信息并报警。实验证明,转换后的目标位置完全正确,且误差小于1°,满足系统指标要求。