周建英
- 作品数：5 被引量：42H指数：3
- 供职机构：安徽大学更多>>
- 发文基金：安徽省科技攻关计划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>>
- 基于GMM的智能视频运动目标检测算法研究
- 计算机视觉领域中的智能视频监控技术已经逐渐成为社会公共安全系统的核心部分。而运动目标的检测是智能监控系统中的关键技术，也是监控系统中实现目标跟踪、行为分析与理解以及目标分类等工作的前提。运动目标检测的结果直接关系到监控系...
- 周建英
- 关键词：智能监控运动目标检测混合高斯滑动窗
- 基于改进高斯混合建模和短时稳定度的运动目标检测算法被引量：9
- 2012年
- 传统高斯混合建模方法中前景模型转换为背景模型的风险随着模型权值在一定更新率下的迭代累加而增大,使得传统方法难以有效检测低速运动目标。该文对高斯混合建模中背景匹配失败时生成的前景模型加以利用并引入短时稳定度指标进行综合判断,在深入挖掘前景模型中包含的运动目标信息和像素点级稳定性的基础上实时区分各像素点的状态。多场景下的实验结果表明,该方法对低速目标达到了更高的检出率。
- 张超吴小培周建英戚培庆王营冠吕钊
- 关键词：运动目标检测
- 基于改进混合高斯建模和短时稳定度的遗留物检测算法被引量：4
- 2012年
- 传统遗留物检测算法存在算法过于复杂和环境适应性差的局限。本文将改进的混合高斯建模方法应用于遗留物检测,利用背景匹配失败时生成的前景模型进行前景匹配并引入短时稳定度指标,在深入挖掘前景模型中包含的遗留物信息和像素点级目标状态信息的基础上对遗留物进行综合判断。文中详细分析了传统方法的性能局限并阐述了新方法中前景模型和短时稳定度的作用原理同时给出了具体的算法流程。多场景下的实验分析表明,增加对前景模型的考察使算法在保留传统方法优点的同时具备了良好的遗留物检测能力,而短时稳定度的引入则能够进一步降低传统方法中前景模型向背景模型转换的风险。对比实验结果中本文方法在表现出良好环境适应性的同时误检团块数明显低于其他方法,算法在复杂背景条件下达到了良好的检测性能。
- 张超吴小培周建英戚培庆王营冠吕钊
- 关键词：遗留物检测
- 基于滑动窗的混合高斯模型运动目标检测方法被引量：28
- 2013年
- 在复杂场景下,传统混合高斯模型能较好地检测出运动目标,但随着时间的推移,模型参数收敛缓慢且难以适应场景中真实背景的实时变化,从而导致运动目标的错误检测率增加。该文利用滑动窗技术的短时历史记忆特性,提出一种新颖的基于滑动窗的混合高斯模型运动目标检测方法,该方法弥补了传统混合高斯背景模型不能及时形成新背景的缺点,提高了运动检测的完整性,并进一步降低了算法对场景光照变化的敏感性。多场景下的对比实验结果表明,该方法能更准确、完整地检测出运动目标并具有更好的环境适应性。
- 周建英吴小培张超吕钊
- 关键词：运动目标检测滑动窗混合高斯模型
- 爆破作业及民用爆炸物品管理安全预警系统
- 胡艳军吴小培王庆许耀华夏晨张超仇乐乐吕钊张文韬王翊戚培庆候峰周建英王瑶姚冬冬刘静静张建华
- 该项目可实现爆炸物品仓库、爆破现场等应用场景下对湿度、温度、大气压、CO<,2>浓度、H<,2>S浓度等环境参数和图像、视频信息进行实时监测和数据传输，将采集到的爆破作业现场或爆炸物品储存库的环境参数和视频信息分类上报至...
- 关键词：
