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：基于减背景技术提出了一种改进的运动目标检测模型CW4,与原模型W4相比,CW4充分利用了图像的亮度、色度和饱和度等颜色信息,使得目标检测的结果更加准确。在对带有阴影的彩色图像的背景和前景的像素特点进行分析后,还设计了一种带权重的颜色计算模型的阴影去除算法。实验结果表明,基于CW4的算法显著提高了行人检测的精确性,阴影去除算法也能够有效地检测和去除阴影。

简介：讨论事故发生后道路的通行能力和车辆的排队现象对城市交通的管理有重要意义。以2013年全国大学生数学建模竞赛A题提供的视频数据为基础,对事故发生后不同车道被占用后道路的实际通行能力和车辆的排队过程进行建模和分析,并对竞赛中参赛同学所提供解答的优缺点给出简单的评注。