推广GAC模型在运动目标分割中的应用

doi:10.3778/j.issn.1002-8331.2010.05.044

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (5): 145-147.DOI: 10.3778/j.issn.1002-8331.2010.05.044

• 图形、图像、模式识别 • 上一篇下一篇

推广GAC模型在运动目标分割中的应用

陈颖¹，吴亚鹏²，王宾¹

1.西北大学信息科学与技术学院，西安 710127
2.中科院上海光学精密机械研究所信息光学实验室，上海 201800

收稿日期:2008-08-18 修回日期:2008-10-27 出版日期:2010-02-11 发布日期:2010-02-11
通讯作者: 陈颖

Application of promotion GAC model in moving object segmentation

CHEN Ying¹，WU Ya-peng²，WANG Bin¹

1.Department of Information Science and Technology，Northwest University，Xi’an 710127，China
2.Information Optics Lab，Shanghai Institute of Optics and Fine Mechanics，Chinese Academy of Sciences，Shanghai 201800，China

Received:2008-08-18 Revised:2008-10-27 Online:2010-02-11 Published:2010-02-11
Contact: CHEN Ying

摘要/Abstract

摘要： 针对视频序列运动目标的分割，研究了传统的运动目标检测算法和基于推广GAC模型的图像分割算法的优势和缺陷，并将二者进行系统的结合，由“粗”到“细”地实现了对运动目标边缘的精确分割。实验表明，算法简单有效，在保证目标分割实时性的前提下，发挥了推广GAC模型在目标分割中的优势。

关键词: 推广的GAC模型, 运动目标分割, 运动目标检测

Abstract: For the segmentation of moving object in video sequence，the advantages and drawbacks of the traditional moving object detection algorithm and the image segmentation based on the promotion GAC model are researched.Both algorithms are combined in the system and the edge of the object is segmented accurately from “rough state” to “fine contour”.Experiment results indicate that the algorithm is simple and effective.On the premise of the real-time capability of the object segmentation，it exerts the advantages of the promotion GAC model in the areas of object segmentation.

Key words: promotion GAC model, moving object segmentation, moving object detection

中图分类号:

TP391

陈颖¹，吴亚鹏²，王宾¹. 推广GAC模型在运动目标分割中的应用[J]. 计算机工程与应用, 2010, 46(5): 145-147.

CHEN Ying¹，WU Ya-peng²，WANG Bin¹. Application of promotion GAC model in moving object segmentation[J]. Computer Engineering and Applications, 2010, 46(5): 145-147.

[1]	王春丹，谢红薇，李亚旋，张昊. 融合改进的三帧差分和ViBe算法的运动目标检测[J]. 计算机工程与应用, 2020, 56(13): 199-203.
[2]	高红红1，曹建荣1，2，李振宇1，杨红娟1，2，赵淑胜1. 基于背景分类的运动目标检测算法[J]. 计算机工程与应用, 2017, 53(21): 179-184.
[3]	赵晓梅1，孙建德1，张元元2. 基于分层匹配五元组Codebook的运动目标检测算法[J]. 计算机工程与应用, 2016, 52(7): 196-201.
[4]	贾建英，董安国. 基于联合直方图的运动目标检测算法[J]. 计算机工程与应用, 2016, 52(5): 199-203.
[5]	牛志国，梁久祯，吴秦. 基于块划分的HEVC运动目标分割方法[J]. 计算机工程与应用, 2016, 52(14): 202-208.
[6]	郭伟，高媛媛，刘鑫焱. 改进的基于混合高斯模型的运动目标检测算法[J]. 计算机工程与应用, 2016, 52(13): 195-200.
[7]	张英烈1，夏梦2，陈临强1. 基于视频跟踪的体感游戏设计[J]. 计算机工程与应用, 2015, 51(17): 44-47.
[8]	吴桐1，2，王玲1. 基于帧差分块的混合高斯背景模型[J]. 计算机工程与应用, 2014, 50(23): 176-180.
[9]	邱光能，全惠敏. 基于对称差分和背景减的运动目标检测[J]. 计算机工程与应用, 2014, 50(13): 158-162.
[10]	赵谦1，朱华伟1，曾召华1，侯媛彬2，冯瑞3. 一种基于YUV颜色空间的新码书模型[J]. 计算机工程与应用, 2013, 49(16): 158-161.
[11]	曹鹏1，张鹏2. 一种新的混合模型运动检测算法[J]. 计算机工程与应用, 2012, 48(31): 171-174.
[12]	陈雷1，张立毅1，2，郭艳菊3，刘婷1，2，李锵2. 基于人工蜂群算法的运动目标检测方法[J]. 计算机工程与应用, 2012, 48(21): 178-181.
[13]	李明，赵勋杰. 改进的基于高斯混合模型的运动目标检测算法[J]. 计算机工程与应用, 2011, 47(8): 204-206.
[14]	王琳¹，潘建寿¹，杨志刚². 高阶统计量的背景估计法在运动目标检测中的应用[J]. 计算机工程与应用, 2011, 47(6): 161-163.
[15]	徐旭，程晓锋，熊召，曹庭分，倪卫，刘长春. 时空结合的近景运动目标检测[J]. 计算机工程与应用, 2011, 47(27): 172-175.

推广GAC模型在运动目标分割中的应用

Application of promotion GAC model in moving object segmentation

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