重庆颢梆科技有限公司
首页 > 信息动态  > 行业动态
返回

自动门安全基于MIHoEI算法的人体对象跟踪

来源:重庆道闸系统安装 发布时间:2019年11月25日

  自动门目前使用高频跟踪算法,例如Meanshift算法和Camshift算法,这些算法都基于特征匹配算法,例如策略的形状和大小。但是上述算法通常需要大量的会计资本和处理时间。为了获得视频序列序列分析准则的高级语义,本文结合了运动历史图像(MHI)和运动能量图像(MEI)的优势,选择了一种快速有效的方法。 MHoEI(运动历史图像或运动能量图像)算法结束了运动行人的跟踪。

 

  在运动前历史图片(MHI)算法中,对像素的灰度值执行帧间差异处理,并且将一段时间内的差异结果保留为二进制图片以获得运动前历史图片。运动前图片的图片是示出策略运动的进度的图片,MHI上像素的亮度值指示了运动前时间历史的此功能。由于运动前历史图片是通过帧间差异算法而不是场景建模获得的,因此该算法具有较高的实时性能和较低的计费复杂度。然而,MHI算法继续存在帧间差异算法的缺陷,并且当停止检查策略时,存在该策略将丢失的危险。另外,当检查策略处于停止状态并且某些策略处于运动状态时,MHI算法只能检查一些远距离运动,例如站立的行人的挥舞动作,而MHI算法只能检查运动状态。臂。同时,显示持续时间,D(x,y,t)表示运动策略区域的二进制掩码图片,h(x,y,t)表示像素坐标为( x,y)在时间t。值。

 

  在运动能量图片(I)算法中,通过对一段时间内通过帧差获得的图片执行“与”运算来获得运动能量图片。同时,E(x,y,t)表示像素坐标为(x,在时间t的作用点的运动能量值。1VIEI和MHI均基于运动矢量绘画进行编码,所有这些都归因于递归算法,并且仅由于必须存储最近一帧的运动信息,因此这两种算法都具有快速有效的特性,但是1VIEI和MHI算法具有不同的技能,而MEI算法则是第一种NI解决了运动发生在哪里的问题。

 

  -II算法解决了这些运动如何发生的问题。例如,对于始终处于活动状态的视觉策略,请选择适当的持续时间z值并使用NI

 

  -II算法可以准确地引导视觉。当此视觉政策暂时停止时,NI-II算法将在视觉策略停止的时间段内删除该策略。但是,如果使用1VIEI算法,则即使策略被暂时停止,毫无疑问,跟踪也会丢失。

 

相关文章