结合显著特征与运动目标滤除的动态场景识别

doi:10.3778/j.issn.1002-8331.2010.26.047

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (26): 152-154.DOI: 10.3778/j.issn.1002-8331.2010.26.047

• 图形、图像、模式识别 • 上一篇下一篇

结合显著特征与运动目标滤除的动态场景识别

王璐¹，张道光¹，蔡自兴²

1.中原工学院计算机学院，郑州 450007
2.中南大学信息科学与工程学院智能所，长沙 410083

收稿日期:2009-06-15 修回日期:2009-08-10 出版日期:2010-09-11 发布日期:2010-09-11
通讯作者: 王璐

Dynamical scene recognition method combined with visual salient features and filtering moving objects

WANG Lu¹，ZHANG Dao-guang¹，CAI Zi-xing²

1.School of Computer Science，Zhongyuan University of Technology，Zhengzhou 450007，China
2.School of Information Science and Engineering，Central South University，Changsha 410083，China

Received:2009-06-15 Revised:2009-08-10 Online:2010-09-11 Published:2010-09-11
Contact: WANG Lu

摘要/Abstract

摘要： 针对存在运动目标的动态环境，提出一种基于动态目标滤除思想的显著特征提取方法，据此实现基于局部图像特征的场景识别。首先简要介绍基于局部显著图像特征的场景识别方法，然后提出了带动态目标滤除思想的显著特征提取框架，并详细讨论了运动目标检测及提取的实现。实验结果和分析表明，该方法能够有效地过滤环境中的运动目标，提高场景识别的精度。

关键词: 动态环境, 场景识别, 运动目标滤除, 视觉显著特征

Abstract: For dynamic environments including moving objects，a salient features extraction approach based on the thoughts of filtering those moving objects is presented.Firstly the local salient image features based scene recognition approach is introduced.Then the framework of salient features extraction with filtering moving objects is proposed.The implement of moving objects detection is discussed in detail.Experiments and analysis show that the approach can filter effectively moving objects in the environments.And the accuracy of scene recognition is improved.

Key words: dynamic environments, scene recognition, filtering moving objects, visual salient features

中图分类号:

TP391

王璐¹，张道光¹，蔡自兴². 结合显著特征与运动目标滤除的动态场景识别[J]. 计算机工程与应用, 2010, 46(26): 152-154.

WANG Lu¹，ZHANG Dao-guang¹，CAI Zi-xing². Dynamical scene recognition method combined with visual salient features and filtering moving objects[J]. Computer Engineering and Applications, 2010, 46(26): 152-154.

[1]	杨世强，范国豪，白乐乐，赵成，李德信. 基于几何约束的室内动态环境视觉SLAM[J]. 计算机工程与应用, 2021, 57(16): 203-212.
[2]	李新叶，朱婧，麻丽娜. 基于深度学习的场景识别方法综述[J]. 计算机工程与应用, 2020, 56(5): 25-33.
[3]	李林1，李小舜2，吴少智3. 基于迁移学习和显著性检测的盲道识别[J]. 计算机工程与应用, 2018, 54(11): 8-14.
[4]	孙永河1，段万春1，李春好2，许成磊1. 动态环境下的群组专家多准则变权决策方法[J]. 计算机工程与应用, 2015, 51(2): 1-6.
[5]	王鑫，李璐. 基于特征选择与谱聚类的视觉词典构建算法[J]. 计算机工程与应用, 2014, 50(7): 133-138.
[6]	程少光，何毕，布树辉，刘贞报. 基于超像素空间金字塔模型的场景识别研究[J]. 计算机工程与应用, 2014, 50(7): 139-143.
[7]	吕战永，曹江涛. 自反馈生物激励神经网络机器人路径规划[J]. 计算机工程与应用, 2014, 50(16): 255-258.
[8]	石兆1，2，符卓1. 动态环境下有时间窗的成套配送车辆路径问题[J]. 计算机工程与应用, 2012, 48(32): 23-29.
[9]	钱淑渠，武慧虹. 基于模拟退火选择的动态免疫算法及其应用[J]. 计算机工程与应用, 2011, 47(36): 57-60.
[10]	冯林，贾菁辉. 基于对比优化的RRT路径规划改进算法[J]. 计算机工程与应用, 2011, 47(3): 210-213.
[11]	武云鹏，黄金才，张维明，刘忠，朱承，修保新. 对抗条件下的计划生成过程建模及状态推理[J]. 计算机工程与应用, 2011, 47(26): 1-3.
[12]	赵彦杰，唐普英. 动态环境下基于粒子群算法的多用户检测器[J]. 计算机工程与应用, 2010, 46(8): 141-143.
[13]	游维,李枚毅,吴琼,胡剑. 一种动态未知环境下的机器人路径搜索方法[J]. 计算机工程与应用, 2009, 45(19): 201-203.
[14]	李孝源,李枚毅,宋凌. 动态环境下一种改进的小生境粒子群算法[J]. 计算机工程与应用, 2008, 44(9): 51-54.
[15]	徐雪松,彭春华. 动态环境下的免疫优化[J]. 计算机工程与应用, 2007, 43(1期): 27-27.

结合显著特征与运动目标滤除的动态场景识别

Dynamical scene recognition method combined with visual salient features and filtering moving objects

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