您的位置: 专家智库 > >

柯尊海

作品数:7 被引量:6H指数:1
供职机构:三峡大学更多>>
发文基金:湖北省自然科学基金湖北省教育厅科学技术研究项目国家自然科学基金更多>>
相关领域:自动化与计算机技术更多>>

文献类型

  • 4篇期刊文章
  • 2篇专利
  • 1篇学位论文

领域

  • 5篇自动化与计算...

主题

  • 5篇动目标
  • 5篇动目标检测
  • 5篇目标检测
  • 4篇运动目标检测
  • 4篇视频
  • 4篇视频监控
  • 3篇船闸
  • 2篇行扫描
  • 2篇逐行
  • 2篇逐行扫描
  • 2篇自动判别
  • 2篇像素
  • 2篇像素值
  • 2篇背景减除
  • 2篇船只
  • 1篇多目标
  • 1篇多目标跟踪
  • 1篇越界
  • 1篇运动目标检测...
  • 1篇智能监控

机构

  • 7篇三峡大学
  • 1篇华中科技大学

作者

  • 7篇柯尊海
  • 5篇徐义春
  • 3篇刘勇
  • 2篇刘勇
  • 2篇朱曼
  • 1篇雷帮军
  • 1篇肖人彬
  • 1篇朱曼

传媒

  • 1篇华中科技大学...
  • 1篇计算机应用与...
  • 1篇三峡大学学报...
  • 1篇中国水运(下...

年份

  • 1篇2015
  • 4篇2013
  • 2篇2012
7 条 记 录,以下是 1-7
排序方式:
船闸禁停线防越界智能监控系统的研究与实现被引量:1
2013年
文中提出一种面向船闸禁停线防越界智能监控系统的研究方案和实现。该方案首先将目标可能出现的一个固定区域确定为感兴趣区域,然后在此感兴趣区域内进行无运动目标时的背景建模,随后检测分析前景,将检测出来的前景与基于梯度幅值自适应阈值的Canny算子检测到的边缘相结合,更进一步完善船舶的前沿轮廓,计算出船舶的位置,实现越界报警功能。实验结果表明,本文提出的解决方案能很好地克服光照的影响,保证较精确的检测性能和较高的准确报警性能。
潘诚覃祥孝柯尊海梁锴罗宁江蓓
关键词:运动目标检测船闸智能监控系统
一种鲁棒的自组织运动目标检测算法被引量:1
2013年
针对目标检测过程中的动态场景变化、光照变化以及鬼影现象,提出一种鲁棒的自组织背景减除前景提取算法——检测算法.首先将捕获的视频帧转换到HSV颜色空间,在背景建模阶段,采用类似自组织人工神经网络的方法将HSV分量映射到一个二维神经元网格中;然后用HS分量计算的色度差和TOM方法来提取真实的运动前景,结合色度差与亮度差检测并去除阴影和高光,采用一种考虑了空间关系的方法对背景进行动态更新.实验结果表明:该算法能够很好地适应光照和动态场景变化,并消除鬼影现象,提高算法的通用性.
刘勇柯尊海徐义春肖人彬
关键词:图像处理背景减除运动目标检测自组织
船闸监控系统目标检测的改进背景差方法被引量:1
2013年
研究船闸视频监控系统中的目标检测问题。由于船闸中的光照环境复杂,船只图像面积较大,速度较慢,传统的背景差方法检测目标形状效果不佳,提出一种改进的检测方法。首先使用静态背景建模,采用色度差和亮度差分离,并利用色度差进行目标前景检测。其次使用一种密度算子去除前景检测结果中的噪音。最后使用Canny算子获取图像边缘,并结合目标前景以分割出多个船只的船头边缘线。在视频检测实验中,系统能克服光照变化的干扰,获得的船只形状边缘线光滑准确,并能保持良好的实时性能。实验结果表明了提出的改进方法对复杂光照环境下目标形状提取的有效性。
徐义春朱曼柯尊海刘勇
关键词:视频监控动目标检测
视频监控中运动目标检测与跟踪算法研究
运动目标检测与跟踪是计算机视觉领域里的一个重要的研究课题,在高级人机交互,视频会议,自动化工业,安全监控和图像检索方面有着广阔的应用背景和潜在的经济价值。在目标检测中存在场景动态变化、光照变化等问题,而在目标跟踪中则存在...
柯尊海
关键词:运动目标检测多目标跟踪数据关联
文献传递
面向船闸视频监控的智能多目标检测方法
面向船闸视频监控的智能多目标检测方法,利用船只前沿的图像特征,在有遮挡的情况下,在视频中识别出多个船只,在船只未进入监控区域前,对区域进行背景建模,获得背景图像;对视频流中的每一帧,采用背景剪除方法,通过当前帧和背景帧的...
徐义春刘勇朱曼柯尊海
文献传递
面向船闸视频监控的智能多目标检测方法
面向船闸视频监控的智能多目标检测方法,利用船只前沿的图像特征,在有遮挡的情况下,在视频中识别出多个船只,在船只未进入监控区域前,对区域进行背景建模,获得背景图像;对视频流中的每一帧,采用背景剪除方法,通过当前帧和背景帧的...
徐义春刘勇朱曼柯尊海
文献传递
基于改进K均值的运动目标检测算法研究被引量:3
2012年
背景建模是运动目标检测的关键环节,提出了基于改进K均值背景建模的方法,并进行前景提取.该算法在HSV颜色空间对视频流的前N帧中的每个像素样本进行K均值聚类学习,K均值聚类的结果用来表示该像素的背景模型;接着输入的视频流像素与背景模型比较,进行背景、可能前景和阴影的分离,并提出了一种像素相关的选择性背景更新机制;然后利用TOM(Time OutMap)方法来消除鬼影现象.实验结果表明该算法能够很好地对背景进行建模,较精确地提取出运动目标信息,对光照变化具有较强的鲁棒性.
柯尊海刘勇徐义春雷帮军
关键词:K均值聚类背景减除运动目标检测
共1页<1>
聚类工具0