您的位置: 专家智库 > >

陈星明

作品数:7 被引量:43H指数:3
供职机构:南京大学更多>>
发文基金:国家自然科学基金江苏省自然科学基金更多>>
相关领域:自动化与计算机技术电子电信更多>>

文献类型

  • 4篇专利
  • 2篇期刊文章
  • 1篇学位论文

领域

  • 4篇自动化与计算...
  • 1篇电子电信

主题

  • 4篇视频
  • 4篇图像
  • 3篇船舶
  • 2篇世界坐标系
  • 2篇视觉
  • 2篇视频检测
  • 2篇视频检测算法
  • 2篇视频图像
  • 2篇自适
  • 2篇自适应
  • 2篇坐标系
  • 2篇测算法
  • 2篇超长超宽
  • 2篇初始化
  • 1篇动目标
  • 1篇动目标检测
  • 1篇运动目标检测
  • 1篇帧图像
  • 1篇视频分析
  • 1篇视频监控

机构

  • 7篇南京大学

作者

  • 7篇陈星明
  • 6篇李勃
  • 6篇陈启美
  • 6篇廖娟
  • 4篇王江
  • 1篇王江

传媒

  • 1篇光学精密工程
  • 1篇南京大学学报...

年份

  • 2篇2017
  • 2篇2015
  • 3篇2014
7 条 记 录,以下是 1-7
排序方式:
一种动态背景场景下的前景检测方法
一种动态背景场景下的前景检测方法,采用多帧连续图像初始化背景模型,通过自适应的方式更新匹配阈值,并在更新过程引入空间一致性判断与模糊理论,完成前景检测。本发明以ViBe算法为基础,通过多帧图像初始化、匹配阈值自适应更新、...
陈星明廖娟李勃王江邱中亚隆迪陈启美
运动船舶参数视频检测算法被引量:6
2015年
水路运输因其价廉,承载量大等,在我国综合运输体系中占有重要地位.然而由于船舶构造尺寸、航行操作不规范,缺乏有效监控手段,撞桥搁浅、两船相碰等现象时有发生.而借鉴公路交通的视频监控技术,存在种种困难,诸如,航道没有标线,摄像机难以标定;船尾波纹与船行同步,难以区分;加之水面波光粼粼,不似黑色柏油道路对比度高等等.为此,提出了运动船舶参数视频检测的系列算法:提出网格交互式摄像机标定算法,以获取图像坐标系与世界坐标系的映射;优化Vibe视觉背景建模算法,去除船尾波纹干扰,从而提取船舶轮廓;建立船舶长宽、速度、流量的检测模型,以分别获取船舶尺寸与运行参数.该系统现已鉴定,在京杭运河运行示范.经检测:长宽、速度和流量的检测准确率分别优于90%、95%和98%.
王江廖娟陈星明李勃陈启美
关键词:视频分析
一种基于视频图像的船舶超长超宽检测方法
一种基于视频图像的船舶超长超宽检测方法,采集船舶视频,进行像平面坐标系与世界坐标系的变换;提取船舶二值图像区域得到运动船舶区域;对每一帧图像的运动船舶均采用Kalman滤波器跟踪,得到运动船舶的质心位置的叠加,拟合船舶的...
廖娟李勃王江邱中亚隆迪陈星明陈启美
文献传递
动态背景下基于改进视觉背景提取的前景检测被引量:32
2014年
由于视觉背景提取算法(ViBe)对存在动态背景的户外视频的前景检测结果依然不够精确,故提出了一种改进的ViBe算法。文中描述了经典ViBe算法及其特点;介绍了改进的ViBe算法针对动态背景的改进措施。该算法采用多帧连续图像初始化背景模型,降低了单帧图像初始化所产生的"鬼影"对前景检测精度的影响;在匹配过程中,引入自适应的匹配阈值,克服了单个的全局阈值对动态背景适应能力差的问题;最后,在更新过程引入空间一致性判断与模糊准则来减少算法的误检,提高了算法的鲁棒性。实验结果表明,该算法可以有效地检测动态背景下的运动目标,检测准确率比经典ViBe算法提高了20%以上。
陈星明廖娟李勃陈启美
关键词:自适应阈值
一种基于视频图像的船舶超长超宽检测方法
一种基于视频图像的船舶超长超宽检测方法,采集船舶视频,进行像平面坐标系与世界坐标系的变换;提取船舶二值图像区域得到运动船舶区域;对每一帧图像的运动船舶均采用Kalman滤波器跟踪,得到运动船舶的质心位置的叠加,拟合船舶的...
廖娟李勃王江邱中亚隆迪陈星明陈启美
一种动态背景场景下的前景检测方法
一种动态背景场景下的前景检测方法,采用多帧连续图像初始化背景模型,通过自适应的方式更新匹配阈值,并在更新过程引入空间一致性判断与模糊理论,完成前景检测。本发明以ViBe算法为基础,通过多帧图像初始化、匹配阈值自适应更新、...
陈星明廖娟李勃王江邱中亚隆迪陈启美
文献传递
基于背景建模的运动目标监控视频检测算法
视频监控已广泛应用于水路航运,尤其对运动船舶尺寸、流量、速度以及异常事件分析的需求日益突出,运动目标检测作为视频监控系统的核心环节,作用不言而喻。然而实际监控场景复杂多变,变化的光线、摇晃的树叶、水面的波纹等,对运动目标...
陈星明
关键词:视频监控系统运动目标检测
文献传递
共1页<1>
聚类工具0