DC系数在目标检测中的应用

doi:10.3778/j.issn.1002-8331.2009.36.051

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (36): 174-176.DOI: 10.3778/j.issn.1002-8331.2009.36.051

• 图形、图像、模式识别 • 上一篇下一篇

DC系数在目标检测中的应用

李敏¹，郑更生²

1.武汉科技学院计算机科学学院，武汉 430073
2.武汉工程大学计算机科学与工程学院，武汉 430074

收稿日期:2008-07-24 修回日期:2008-11-10 出版日期:2009-12-21 发布日期:2009-12-21
通讯作者: 李敏

Application of object detection method based on DC coefficients

LI Min¹，ZHENG Geng-sheng²

1.Department of Computer Science，Wuhan University of Science and Engineering，Wuhan 430073，China
2.Department of Computer Science and Engineering，Wuhan Institute of Technology，Wuhan 430074，China

Received:2008-07-24 Revised:2008-11-10 Online:2009-12-21 Published:2009-12-21
Contact: LI Min

摘要/Abstract

摘要： 针对基于单片机的无线图像监控系统存在的处理能力差、存储空间有限的缺点，提出了一种基于DC系数的目标检测方法：先对JPEG图像进行部分解码，提取亮度信号的DC系数，得到DC图，然后对相邻两幅DC图进行相减操作，最后对差值DC系数进行分块和阈值处理，判断是否有目标出现并报警。实验结果表明，该方法具有计算复杂度低，占用存储空间少和误报率低的特点，非常适合基于单片机的无线图像监控系统。

关键词: 图像监控, 直流系数, 目标检测

Abstract: To solve the problems in wireless monitor system based on single chip，such as poor CPU capability and small memory capacity，this paper proposes an object detection method based on DC coefficient.The method consists of three step：Firstly， decode the JPEG image partially and obtain the DC coefficients of the luminous blocks，then subtract the DC coefficients of the neighbouring image and implement threshold controlling on the subtract result to decect the object.Experimental results show this method has low computational complexity and high alarming precision，and it is suitable for wireless monitor system based on single chip.

Key words: image monitor, Direct Current（DC） coefficient, object detection

中图分类号:

TP391

李敏¹，郑更生². DC系数在目标检测中的应用[J]. 计算机工程与应用, 2009, 45(36): 174-176.

LI Min¹，ZHENG Geng-sheng². Application of object detection method based on DC coefficients[J]. Computer Engineering and Applications, 2009, 45(36): 174-176.

[1]	包志强，邢瑜，吕少卿，黄琼丹. 改进YOLO V2的6D目标姿态估计算法[J]. 计算机工程与应用, 2021, 57(9): 148-153.
[2]	周伦钢，孙怡峰，王坤，吴疆，黄维贵，李炳龙. 目标多种多值属性的端端快速识别网络[J]. 计算机工程与应用, 2021, 57(9): 182-190.
[3]	张朕通，单玉刚，袁杰. 联合多尺度和注意力机制的遥感影像检测[J]. 计算机工程与应用, 2021, 57(9): 212-216.
[4]	王博，宋丹，王洪玉. 无人机自主巡检系统的关键技术研究[J]. 计算机工程与应用, 2021, 57(9): 255-263.
[5]	许德刚，王露，李凡. 深度学习的典型目标检测算法研究综述[J]. 计算机工程与应用, 2021, 57(8): 10-25.
[6]	李震霄，孙伟，刘明明，郑丽丽，陈劭颖. 交通监控场景中的车辆检测与跟踪算法研究[J]. 计算机工程与应用, 2021, 57(8): 103-111.
[7]	董旭彬，赵清华. 改进Mask R-CNN在航空影像目标检测的研究应用[J]. 计算机工程与应用, 2021, 57(8): 133-144.
[8]	徐少杰，曹雏清，王永娟. 视觉SLAM在室内动态场景中的应用研究[J]. 计算机工程与应用, 2021, 57(8): 175-179.
[9]	郭晓静，隋昊达. 改进YOLOv3在机场跑道异物目标检测中的应用[J]. 计算机工程与应用, 2021, 57(8): 249-255.
[10]	董鹏，周烽，赵悰悰，王亚飞，米泽田，付先平. 基于双目视觉的水下海参尺寸自动测量方法[J]. 计算机工程与应用, 2021, 57(8): 271-278.
[11]	刘紫燕，袁磊，朱明成，马珊珊，陈霖周廷. 融合SPP和改进FPN的YOLOv3交通标志检测[J]. 计算机工程与应用, 2021, 57(7): 164-170.
[12]	马巧梅，王明俊，梁昊然. 复杂场景下基于改进YOLOv3的车牌定位检测算法[J]. 计算机工程与应用, 2021, 57(7): 198-208.
[13]	侯旋，薛飞，陈涛. 无人机目标检测量子多模式识别优化算法[J]. 计算机工程与应用, 2021, 57(7): 228-236.
[14]	沈新烽，姜平，周根荣. 改进SSD算法在零部件检测中的应用研究[J]. 计算机工程与应用, 2021, 57(7): 257-262.
[15]	肖雨晴，杨慧敏. 目标检测算法在交通场景中应用综述[J]. 计算机工程与应用, 2021, 57(6): 30-41.

DC系数在目标检测中的应用

Application of object detection method based on DC coefficients

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics