简介:对含有动、静态背景的稳定图像处理时,对比了主成分追踪鲁棒主成分分析法(RPCA)、贝叶斯鲁棒主成分分析法(BayesianRPCA)和高斯混合模型的鲁棒主成分分析法(MoG-RPCA),3种方法对静态背景下的前景提取都较为完整.而动态背景下只有BayesianRPCA和MoG-RPCA提取出了完整的前景目标,但是BayesianRPCA计算速度很慢,且不能够处理复杂噪声.所以MoG-RPCA模型更具有对复杂噪声的适应性,动、静态背景情况下均提取出精度较高的前景目标,且具有较快的计算速度.当图像不稳定时,采用改进的MoG-RPCA模型对非稳定拍摄的抖动视频进行前景目标提取,并在第197帧抖动图像中清晰地提取出显著前景目标,且运算速度较快.在为了快速找到目标出现的帧时,对高斯混合模型背景差分法进行改进,利用K-means聚类算法快速得到聚类中心点,然后作为高斯混合模型背景更新时的初始化均值参数,从而提高在复杂场景下前景目标的检测精度.对于多角度追踪任务,不同角度、近似同一地点的多个监控视频图像中前景目标的提取,可采用跨摄像头视角跟踪结果融合的方法,然后对目标进行匹配.
简介:在本文中,作者研究了一种特殊的Banach空间,即Orlicz函数空间LM的子集A要构成LN-弱序列紧集合的充分必要条件是什么,给出了第一判别充要定理.
简介:S^p(1≤p≤∞)空间为导数属于Hardy空间H^p的复平面单位圆盘D上所有解析函数组成的空间.令函数φ和φ是D上的解析函数且φ(D)D,则将算子W(φ,φ):f→φfoφ称为加权复合算子.文章给出了当1≤q≤p≤∞,φ∈S^∞时,加权复合算子W(φ,φ)从空间S^p到S^q上的有界性的充要条件.然后通过推广经典的Fejer-Riesz不等式证明了当1〈p≤∞时,S^p到圆盘代数A上的嵌入映射是紧的.
简介:研究一类失效状态为吸收状态及重试率为常数的M^[X]/M/1排队模型的主算子在左半实轴上的特征值,证明:当顾客的到达率λ,服务员的服务率v,服务员的服务完成率b,顾客的重试率α满足一定的条件时,-α是该主算子的几何重数为1的特征值.