在基于帧差分的智能视频监控系统中,图像亮度改变对目标物体的识别和跟踪可能造成严重影响。通过对比一些常用亮度校正方法,选用比例变换法进行深入研究。为保证校正效果,预先指定一个不受目标物体影响的区域,根据其平均灰度确定变换因子。为满足实时性要求,仅当连续2帧的亮度改变超过某一阂值时才进行校正。在VisualC++6.0下编程时又采取了一些措施提高程序运行速度,例如将浮点运算转换为整数运算等。实验表明:亮度校正前无法识别出的目标物体在亮度校正后可识别出来,校正一帧图像耗时约1.2ms,当阂值取1或2时校正效果与
2022-11-24 17:17:16
1.84MB
1
他的函数 TEMPORAL_PREDICT 获取旧图像和新图像，并找出运动向量（x_motion & y_motion）、时间预测帧（pf）和误差值（E_temporal）。 默认块大小为 8x8，搜索窗口为 16x16，首先计算运动矢量（x_motion 和 y_motion），然后计算预测帧和来自这样一个重构帧的误差（E_temporal）。 Plot_flag=1，绘制图形。 例子： [E,x_motion,y_motion,pf]=spatial_predict(image_old,image_new,1);
添加一名作者https://sites.google.com/site/santhanarajarunachalam/
2022-11-20 22:19:22
3KB
1