擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真。

擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真。

针对经典自适应背景差分法中存在的问题，提出一种基于分级自适应背景差分的运动检测方法%方法结合了帧间差 分法和背景差分法的优点，解决了运动检测中常见的拖尾问题和空洞问题%

利用OpenCV中背景差分的函数，进行背景差分法构建，可以很好的进行运动目标检测。从pudn上下的

背景差分法MATLAB实现.doc

针对复杂背景下运动目标检测失检率高的问题,提出了用于复杂背景目标检测改进的基于RGB颜色分离的背景差分目标检测方法。主要是对RGB三通道图像独立进行背景差分运算,阈值二值化后合并三通道前景图像,得到完整前景目标图像;再利用检测的边缘对前景图像进行修正,消除光照变化带来的噪声;RGB三通道使用自适应权值的递推算法进行背景更新。最后采用实验室采集的图像序列进行了仿真实验,结果表明,该方法在复杂场景下有效识别颜色差异,避免了灰度值相近而造成的目标缺失,提高了检测精确性。

基于matlab的目标检测 背景差分法和帧差法 23 / 100

包括最小二乘法、SVM、神经网络、1_k近邻法,esprit算法对有干扰的信号频率进行估计,包括调制，解调，信噪比计算，计算时间和二维直方图,能量谱分析计算,有PMUSIC 校正前和校正后的比较。

提出一种目标检测算法，首先选取视频的第一帧作为背景帧，运用加权累加图像方法更新背景图像，背景图像的更新速率通过相邻帧的差分结果决定，再运用背景差分算法提取出运动目标。计算运动目标的区域的熵值，通过熵值判断出特征目标。实验结果表明，该算法简单，稳定性好，能够较好解决动态背景的问题并且检测出特定目标。

针对视频中运动目标检测实时性问题，提出了一种基于混合高斯模型的背景差分法的 FPGA实现方法．背景差分算法是运动检测算法中最常用的方法，该算法首先对实时得到的图像序列进行建模，得到运动场景的背景模型．然后在运动目标分割中及时的根据场景变化更新背景．考虑到实时性要求的高帧率、高分辨率视频分割任务，利用FPGA并行处理和硬件实现的优点，对混合高斯模型进行修改来对它进行定制，以适合于硬件实现．最后，通过在FPGA开发平台进行了仿真实现，结果验证了算法在硬件实现的正确性，以及在实时性能上的提高．