简介:对含有动、静态背景的稳定图像处理时,对比了主成分追踪鲁棒主成分分析法(RPCA)、贝叶斯鲁棒主成分分析法(BayesianRPCA)和高斯混合模型的鲁棒主成分分析法(MoG-RPCA),3种方法对静态背景下的前景提取都较为完整.而动态背景下只有BayesianRPCA和MoG-RPCA提取出了完整的前景目标,但是BayesianRPCA计算速度很慢,且不能够处理复杂噪声.所以MoG-RPCA模型更具有对复杂噪声的适应性,动、静态背景情况下均提取出精度较高的前景目标,且具有较快的计算速度.当图像不稳定时,采用改进的MoG-RPCA模型对非稳定拍摄的抖动视频进行前景目标提取,并在第197帧抖动图像中清晰地提取出显著前景目标,且运算速度较快.在为了快速找到目标出现的帧时,对高斯混合模型背景差分法进行改进,利用K-means聚类算法快速得到聚类中心点,然后作为高斯混合模型背景更新时的初始化均值参数,从而提高在复杂场景下前景目标的检测精度.对于多角度追踪任务,不同角度、近似同一地点的多个监控视频图像中前景目标的提取,可采用跨摄像头视角跟踪结果融合的方法,然后对目标进行匹配.
简介:在网络终端视频体验过程中,影响用户体验的两个关键指标为初始缓冲等待时间和卡顿缓冲时间,本文结合移动视频传输协议等相关知识,通过机理分析方法,对实验数据进行分析和挖掘,建立了初始缓冲时延映射模型与卡顿时长占比函数模型。并基于视频体验评分测试软件Speedvideo及其网络运营平台,对所在地多个区域进行了综合测试。
简介:[单元目标检测]代数初步知识目标检测1.∨∨∨∨∨;∨∨∨.二、1.6a2cm2,a3cm3;2.8cm;3.x(20-x)cm2;4.y与x的平方差与x、y的积.的商5.0;6.1,(可根据条件求得x=1,y=2);7.a=1;8.48x=1200.三、1.5(a3-b3)-9,2.12(2x-y2)3.3n+1和3n+2,4.(1+4.1×12‰)a,5.1(1a+1b);6.2S(Sx+Sy)千米时,7.(1+10%)(1-5%)a吨,8.n-n4-(n4-5)四、1.x=11;2.x=3;3.x=36;4.x=4.五、1.代数式的值为219,2.原式=3×4-12(