摘要：为了解决当前在复杂背景下视频目标存在跟踪提取不准确与不稳定等不足,论文设计了基于CamShift与混合高斯模型的目标跟踪与提取算法。首先,耦合MeanShift与CamShift算法,定义了目标跟踪算子,完成对目标的精确定位;然后计算图像像素灰度的均值与方差,设计混合高斯模型,实现定位目标与背景的分离;最后基于OpenCV开源函数,利用C++编程实现算法跟踪与提取功能。实验数据显示:与当前目标跟踪算法相比,在面对复杂背景条件下的运动目标跟踪提取时,论文技术拥有更高的追踪精度与稳定性。

摘要：由于运动阴影具有与运动前景相同的特性,在视频处理中分割前景时存在误把阴影检测为前景的问题,可能严重地影响跟踪、识别等后续处理,据此提出一种用于运动目标阴影检测的改进算法。先为每个像素点建立混合高斯模型分割出运动目标,利用阴影区域像素8个相邻区域上像素点的亮度特点判断疑似阴影,然后运用色彩空间向量模型的颜色不变性对所有疑似阴影进行聚类,进一步完成阴影检测。试验结果表明,该方法检测精度高、效果好、速度快,有广泛的应用前景。

摘要：数字多媒体视频作为一种采集输入视频流,具有严重的动态波动与噪声干扰等特点,现有方法很难对其中的目标区进行精确快速的拾取。为解决上述问题,提出了融合像素空间关系与阴影判别的混合高斯模型。为了尽可能完整的描述多媒体视频帧,采用帧图像的像素特征建立混合高斯模型,来描述帧图像的信息,并根据更新计算,实时得到帧图像的动态变化,通过像素状态从而剥离出目标区。由于视频流易受噪声影响,根据像素空间关系得出邻域像素间的约束条件,从而避免噪声像素带来的干扰,另外针对目标区拾取易受物体阴影影响,采用HSV三要素过滤帧图像中的阴影像素。通过仿真结果,证明了融合像素空间关系与阴影判别的混合高斯模型能够有效应对数字多媒体视频的复杂特性,适应性更好,且具有良好的拾取精度与速度。

摘要：构造合适的过完备字典是基于稀疏表示的超分辨率重建中的关键问题之一。在最大似然估计准则下,建立基于混合高斯的同构过完备字典学习模型。模型采用加权的l2范数来刻画分解残差,由分解残差设计权值矩阵,并且将同构的双字典学习问题转化为单字典的学习。采用稀疏编码和字典更新的交替迭代策略完成目标函数的求解,由内点法进行稀疏编码,采用拉格朗日对偶法完成字典更新。最后将学习得到的字典用于超分辨率重建实验,并与其他方法进行比较。实验结果验证了该模型和算法的有效性。

摘要：嵌入式平台的跑步机语音识别系统,由于系统运算性能不高,且机器使用环境的噪音较大,需要语音识别算法能够运行效率高和准确率高。本文设计的隐马尔科夫语音识别模型,使用39维混合高斯概率密度对音素进行聚类拟合,使用隐马尔科夫链对实时语音与模型做相似度匹配。该模型结构简单,算法运行效率较高,可以充分满足跑步机嵌入式平台语音识别的需求。

摘要：针对口语教学、语音矫正中受众群体多元、标准化衡量指标不足的特点,文中结合流行的混合高斯和隐马尔科夫链,设计完成了基于语音信号识别技术的智能发音练习系统。该智能发声练习系统采用混合高斯对数字化离散后的语音信号提取离散时间特征,然后采用隐马尔科夫链对离散的语音信号特征进行建模,最后通过Viterbi算法遍历隐马尔科夫状态搜索语音对应的文本。系统在页面展示上运用python、Django、JavaScript、HTML、CSS等多种主流技术进行开发,服务器采用Nginx+uwsgi实现了基于语音内容的在线学习、测试、练习、答疑与发音矫正等功能。经测试运行,同时松散基于MVC设计模式的Django具有扩展方便和对运行环境要求较低的优点,基本满足口语练习的需求。

摘要：使用复合抽样法,可以产生具有指定概率密度形式的加性分布非高斯序列。通过在极零图上直接指定数对极零点,可以实现定性色化低阶自回归滤波器设计。把非高斯激励序列通过自回归滤波器,即可得到非高斯信号处理仿真研究中频繁使用的非高斯有色序列。结合一组混合高斯有色数据数值仿真实例,演示了这一由复合抽样法加定性色化构成的非白非高斯数据快捷数值仿真方法的有效性。

摘要：在各种复杂场景中,获得前景运动对象或者运动对象运动区域成为视频处理的必要过程,为解决前景对象的完整性问题,提出了一种快速而稳健的运动背景分割算法。该算法首先对视频图像进行预处理,然后将预处理后的三通道图像分成单通道HSV图像,并分别进行混合高斯建模,在此区域内进行阴影检测与去除,以得到较好的完整性,结合帧间差进行实时更新,实验结果以及与目前具有相关代表性方法的对比结果表明,所提出的算法具有良好的有效性和可靠性。

摘要：煤矿井下运动目标的监测是随着工业视频监控、数字图像处理和模式识别等技术的发展而提出的一种安全生产管理的新需求,通过识别井下移动物体,判别其基本属性,跟踪其运动轨迹,分析其所处环境,结合预设参数及专业库,进行危险性判别及预警。针对煤矿井下环境的运动目标检测需求,描述了整个系统的组成及框架,采用背景差分法的基本原理,重点设计了矿井监控视频中的运动目标检测的流程及相关算法,结合Python与OpenCV的编程,混合高斯的建模过程,实现了煤矿井下综采工作面的运动目标的检测。现场应用表明,采用该流程及算法,在K=5,std=20,std_t=20,λ=3条件下,很好地实现了矿井监控视频中人员或矿车的动目标判别。

摘要：视频传感器网络在监控过程中会产生大量数据,为此提出一种改进的基于对象的视频压缩方法。首先,运用改进的混合高斯模型进行背景建模;其次,提出宏块分类方法,对视频帧图像进行宏块分类;然后,利用宏块分类结果,实现前景和背景的分离;最后,分别对前景和背景进行压缩,形成各自的编码流。实验结果表明,该方法具有比MPEG-4更强的压缩能力,满足视频传感器网络的视频压缩需求。