用于运动目标检测与车辆交通密度估计的鲁棒框架
计算机视觉与模式识别
2014-02-04 v1 机器人学
系统与控制
摘要
智能机器需要诸如从视频中检测运动目标等基础信息，以便推断更高层次的语义信息。在本文中，我们提出了一种使用纹理度量来检测视频中运动目标的方法。该方法计算成本低，需要极少的参数微调，并且对噪声、光照变化、动态背景和低帧率具有鲁棒性。实验结果表明，所提方法的性能高于现有SOTA方法。我们还提出了一个使用前景目标检测技术的车辆交通密度估计框架，并比较了基于前景目标检测的框架与基于经典密度状态建模的车辆交通密度估计框架。
引用
@article{arxiv.1402.0289,
title = {A Robust Framework for Moving-Object Detection and Vehicular Traffic Density Estimation},
author = {Pranam Janney and Glenn Geers},
journal= {arXiv preprint arXiv:1402.0289},
year = {2014}
}