视频运动目标检测方法的对比分析

被引：25

作者：

赵文哲

秦世引

机构：

[1] 北京航空航天大学自动化科学与电气工程学院

来源：

科技导报 | 2009年 / 27卷 / 10期

基金：

高等学校博士学科点专项科研基金;

关键词：

目标检测; 帧间差分法; 背景建模法; AdaBoost分类; 运动矢量场;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

针对视频运动目标检测领域的研究现状,对帧间差分法、背景建模法、图像分割法、聚类分析法、运动矢量场法等视频运动目标检测方法的算法适应性、复杂度等性能进行了对比分析。辅以典型的视频运动目标检测实例,比较了各种方法的适用范围与优劣特点,可为不同应用场合下视频运动目标检测方法的选择提供参考依据。指出了现阶段视频运动目标检测技术研发的瓶颈所在,以及在新的应用需求背景下所面临的挑战,并对进一步的发展趋势作了预测和评估。

引用

页码：64 / 70

页数：7

共 8 条

[1] 基于多源卫星图像融合的水坝检测方法的研究 [J].

邱丹丹 ;

马洪超 ;

杨耘 ;

贾鹏 .

遥感学报, 2006, (04) :449-455

[2] 一种基于MPEG压缩域的运动对象分割算法 [J].

刘龙 ;

刘贵忠 ;

刘洁瑜 ;

王占辉 .

西安交通大学学报, 2004, (12) :1264-1267

[3] 一种基于遥感图像的机场检测方法 [J].

邓湘金 ;

彭海良 .

测试技术学报, 2002, (02) :96-99

[4] Distinctive image features from scale-invariant keypoints [J].

Lowe, DG .

INTERNATIONAL JOURNAL OF COMPUTER VISION, 2004, 60 (02) :91-110

[5] Robust real-time face detection [J].

Viola, P ;

Jones, MJ .

INTERNATIONAL JOURNAL OF COMPUTER VISION, 2004, 57 (02) :137-154

[6]

A Framework for Robust Subspace Learning[J] . Fernando De la Torre,Michael J. Black.International Journal of Computer Vision . 2003 (1)

[7]

Rapid object detection using a boosted cascade of simple features .2 Viola,P,Jones,M. IEEE Computer Society Conference on Computer Vision and Pattern Recognition (CVPR) . 2001

[8]

A general framework for object detection .2 C. Papageorgiou,M. Oren,T Poggio. Proceedings of the 6th IEEE International Conference on Computer Vision . 1998

← 1 →