您的位置: 专家智库 > >

于士博

作品数:2 被引量:1H指数:1
供职机构:东北林业大学机电工程学院更多>>
相关领域:自动化与计算机技术更多>>

文献类型

  • 2篇中文期刊文章

领域

  • 2篇自动化与计算...

主题

  • 2篇动目标
  • 2篇动目标检测
  • 2篇运动目标检测
  • 2篇目标检测
  • 1篇运动目标检测...
  • 1篇运动目标检测...
  • 1篇帧差
  • 1篇帧差法
  • 1篇神经网
  • 1篇神经网络
  • 1篇算子
  • 1篇平均算子
  • 1篇耦合神经网络
  • 1篇网络
  • 1篇小波
  • 1篇目标检测算法
  • 1篇角点
  • 1篇光流
  • 1篇光流法
  • 1篇复小波

机构

  • 2篇东北林业大学

作者

  • 2篇凌滨
  • 2篇邓艳
  • 2篇于士博

传媒

  • 1篇计算机工程与...
  • 1篇青岛科技大学...

年份

  • 2篇2016
2 条 记 录,以下是 1-2
排序方式:
基于复小波光流法和利用平均算子的二次三帧差法的运动目标检测方法
2016年
针对机器视觉系统中快速运动目标的检测问题,提出了一种结合复小波光流法和利用平均算子的二次三帧差法的运动目标检测新算法。首先,在考虑算法复杂度的情况下,选择图像中的Harris角点作为特征点计算光流信息;然后运用复小波光流法对运动目标进行更精确的运动估计,为了得到更完整的检测区域,同时引入改进三帧差法作为光流法的补充。改进的二次三帧差法通过平均算子滤波,能较好的抑制噪声,消除背景变化带来的干扰。通过QT和OpenCV搭建的平台,利用该算法对快速运动目标进行检测,结果表明:该算法能检测出动态背景下快速运动的目标,其检测率高于90%,虚警率低于10%,证明了算法的有效性和实用性。
凌滨邓艳鞠美玉于士博
关键词:HARRIS角点目标检测
CUDA并行加速的稀疏PCNN运动目标检测算法被引量:1
2016年
为准确检测低速径向运动的小运动目标,降低系统的噪声,提高系统的实时性,提出一种基于Nvidia通用并行计算架构(CUDA)的稀疏脉冲耦合神经网络运动目标检测的并行算法。根据图形处理单元(GPU)的并行结构和硬件特点,将改进帧差法得到二值图像的过程,以及差分二值图像映射到稀疏脉冲耦合神经网络模型的过程均放GPU上执行,提高算法的计算效率;选择利用纹理存储和共享存储方式,提高数据的访问效率,降低算法的复杂度。实验结果表明,该算法对运动目标检测的准确性和实时性优于其它方法。
凌滨邓艳于士博
关键词:运动目标检测
共1页<1>
聚类工具0