2023年11月20日開發手記

2021-10-01 05:22:47 字數 1084 閱讀 2567

兩種運動檢測演算法的介紹:

幀差法:

二維頻域運動目標檢測:

通過對動態影象的行列分解, 將三維頻域內的運動檢測問題轉化到兩組二維頻域內進行, 從而降低了濾波器設計的難度。給出了一種提取主運動能量的自適應濾波演算法, 通過剔除背景和雜訊的頻率成分, 有效地檢測出運動目標。

複雜度分析:

針對幀差法進行分析,**複雜度主要集中在absdiff與findcontours部分,其中absdiff的迭代次數為2*500*500=50000次,時間為88.46ms(取兩百幀計算平均的時間)

針對二維頻域運動目標檢測演算法,這裡有兩個**版本:

針對py-new-fuliye.py,**的複雜度主要集中在兩個部分:傅利葉變換以及遍歷,在py-new-fuliye.py中,共使用了兩次傅利葉變換與兩次遍歷,遍歷的迭代次數次數為2*50*30=300次,時間為:54.175ms

針對pepoplefft.py(改進版)進行分析,使用了兩次傅利葉變換(一次正一次逆),進行了一次巢狀遍歷,遍歷次數為:50*10=500次,時間為:  ms

針對pepoplefft.py進行優化調參:

搜尋噪點:

要找到噪點,就要知道經傅利葉高通濾波變換後,剩餘的邊緣部分在陣列中的表現規律,採用numpy繪圖表示出來:

經過閾值去噪後,效果如圖:

2023年11月20日開發手記

兩種運動檢測演算法的介紹 幀差法 二維頻域運動目標檢測 通過對動態影象的行列分解,將三維頻域內的運動檢測問題轉化到兩組二維頻域內進行,從而降低了濾波器設計的難度。給出了一種提取主運動能量的自適應濾波演算法,通過剔除背景和雜訊的頻率成分,有效地檢測出運動目標。複雜度分析 針對幀差法進行分析,複雜度主要...

2023年11月20日開發手記

兩種運動檢測演算法的介紹 幀差法 二維頻域運動目標檢測 通過對動態影象的行列分解,將三維頻域內的運動檢測問題轉化到兩組二維頻域內進行,從而降低了濾波器設計的難度。給出了一種提取主運動能量的自適應濾波演算法,通過剔除背景和雜訊的頻率成分,有效地檢測出運動目標。複雜度分析 針對幀差法進行分析,複雜度主要...

2023年11月21日開發手記

更改了幾處bug 1 將棧由全域性變數變為區域性變數,修正了起始點不變的問題。2 將低通濾波器改為高通濾波器,修正了壓入棧的資料過多問題。f np.fft.fft2 new gray array rows,cols f.shape f 0 fftadd 0 f rows fftadd rows 0 ...