【论文】Detection and segmentation of moving objects in complex scenes

本文介绍了一种在复杂场景中检测和分割前景运动物体的高级算法。该方法通过选择图像中的移动点并关联多线索描述符,使用可变带宽均值漂移技术形成点群,最终利用图形切割完成分割。实验表明该方法在动态背景下表现优秀。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

       个人觉得这篇文章对动态背景下的运动物体提取有很大的借鉴意义。与国内硕博论文的低级、可靠性存疑的方法不同(往往是对背景做匹配,仅适用于慢速变化的简单背景,实用性不高),这篇文章提出了更高级的算法。是一篇比较有算法水准的文章。

      在本文中,作者解决了在复杂场景中检测和分割前景运动物体的难题。“ 我们考虑的序列表现出高度动态的背景,光照变化和低对比度,并且可以通过移动照相机拍摄。 三个主要步骤组成了所提出的方法。 首先,在图像像素的子网格内选择一组移动点。 多线索描述符与这些点中的每一个相关联。 然后使用具有自动带宽选择的可变带宽均值漂移技术来形成点群。 最后,使用图形切割来执行与给定聚类关联的对象的分割。 对具有挑战性的序列的其他运动检测方法的实验和比较证明了所提出的方法在复杂场景中的视频分析的性能。”



评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值