我们将视频块所占据的空间划分为很多个子流形。首先我们根据运动状况将其划分为前景流形和背景流形,这也刚好对应了视频监控中的感兴趣目标和不感兴趣目标。然后,根据物体不同结构和纹理,进一步将每个流形划分为多个子流形,光照、视角等因素也可能导致子流形的划分。对于每个流形,我们用不同的方法进行建模。然后将这些模型组合成一个完整的视频模型,这包括了模型之间权重的确定,不同模型随时间的更新等。我们的研究目标包括两部分,一是在全局变量的杂指导下,对前景和背景进行完整的统计建模,得到一个前景背景流形分布的全景图;二是在这一全景图的指导下,开发一个完整的监控系统来验证我们的理论。
{{i.achievement_title}}
数据更新时间:2023-05-31
基于分形L系统的水稻根系建模方法研究
一种改进的多目标正余弦优化算法
基于结构滤波器的伺服系统谐振抑制
极区电离层对流速度的浅层神经网络建模与分析
基于体素化图卷积网络的三维点云目标检测方法
视频监控场景下的行人再识别
基于视频监控数据的区域地理场景中人群特征分析
基于道路场景模型的多视点立体视频监控算法研究
基于集成流形学习的监控视频中人体行为识别研究