基于生物视觉特性的背景减除算法

针对构建鲁棒的背景模型和背景模型更新问题,结合ViBe算法提出了一种基于生物视觉特性的背景减除算法.首先,借鉴蛙眼视觉外部特性中的近视特性,阐述了"区域模糊化理解"预处理操作的含义及其实现;其次,从人类对颜色的心理认知特性出发,给出了一种LUV颜色空间中基于韦伯定律的颜色差异度量准则;最后,从背景建模、前景检测以及背景模型更新三个主要方面,介绍了算法的具体实现.实验结果表明,该算法能够提高运动目标检测的精度.     

基于特征学习与特征记忆模板更新机制的粒子滤波跟踪

目标运动的多样性以及背景环境的复杂性是影响目标跟踪鲁棒性的主要原因.受背景颜色、光照以及姿态尺度变化等因素的影响,目标模板更新精度不高、目标跟踪鲁棒性差.针对此类问题,提出了一种基于特征学习与特征记忆的模板更新机制,通过构建目标模板库,保存丰富的运动目标信息,采用粒子滤波跟踪算法,将候选模板与模板库中的目标信息进行匹配,确定目标状态实现跟踪.实验结果表明,该算法以更丰富的目标信息进行跟踪,比传统目标模板更新策略的粒子滤波算法具有更高的跟踪精度和更强的鲁棒性.