m通过目标形心提取、颜色模型以及边缘提取实现两个相向移动人员交叉遮挡过程的检测和分割matlab仿真

本文涉及的产品
模型训练 PAI-DLC,100CU*H 3个月
模型在线服务 PAI-EAS,A10/V100等 500元 1个月
交互式建模 PAI-DSW,每月250计算时 3个月
简介: m通过目标形心提取、颜色模型以及边缘提取实现两个相向移动人员交叉遮挡过程的检测和分割matlab仿真

1.算法仿真效果
matlab2013b仿真结果如下:

4d3edeb4a1218b255811e9b3d7e0eaa0_watermark,size_14,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_20,type_ZmFuZ3poZW5naGVpdGk=.png
c3db61b92dcab124a209e088599fce3f_watermark,size_14,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_20,type_ZmFuZ3poZW5naGVpdGk=.png
6c4fda06360c51e4fa34d897b83c0512_watermark,size_14,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_20,type_ZmFuZ3poZW5naGVpdGk=.png
dbd521e80f23e31698a35ebf9142cb46_watermark,size_14,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_20,type_ZmFuZ3poZW5naGVpdGk=.png

2.算法涉及理论知识概要

   我对这种类型的问题的做了几方面研究,总的归纳来讲又如下几个方面:对于交叉问题,目前所了解的方法,视频必须满足如下几个要求:

   第一:视频的背景需要静止,或者说不能又太大的抖动,否则会导致较大的干扰;

   第二:视频上物体必须又出现物体分开的效果,这样可以提取物体物体的特征,所以你提供的第二个视频,两个人一直重合,这会导致无法识别;

   第三:视频的特征提取方法,如果两个物体颜色相似,那么通过提取颜色是不可取的,如果根据动作来区分,如果两个物体运动一致,那么也不行,这里我们通过提取物体的形心来区分不同的物体,只有当两个物体完全重合的时候,形心才有可能重合;

    第四:物体的分割,采用传统的方框来分,人物轮廓的分割方法在交叉的时候,或者是物体在较远的时候,不太可行。

   本算法是根据物体的特征提取进行的。

物体的形心:

2fa9a791d389be82d1e1eff0f23e1914_watermark,size_14,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_20,type_ZmFuZ3poZW5naGVpdGk=.png

物体的颜色:
7e17f2d9da992f6817d3c86fc39070e2_watermark,size_14,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_20,type_ZmFuZ3poZW5naGVpdGk=.png

   在运动的开始,必须满足不同物体是分开的,这样就可以对每个不同的物体进行特征提取,当出现不同物体交叉的时候,就可以通过之前提取的特征参数进行分割。当时当物体的颜色相似的时候,靠颜色的提取是无法区分物体的,这里,我们主要通过形心来区分物体。

形心跟踪:
%第三级显示,人物形心跟踪效果

    jj=0;
    for j=1:nobjs       
        jj        = jj+1;
        if check_frame>0
           check1 = abs(Xn_ref(nseg,1) - Xn(nseg,1));
           check2 = abs(Xn_ref(nseg,1) - Xn(nseg,2));   
        end
        %为了计算精度,将形心坐标的差值的平均作为预测增量 
        if nobjs == 2
             if check1 >= check2 
                 plot(Xn(nseg,1),Yn(nseg,1),'g*');hold on
                 plot(Xn(nseg,2),Yn(nseg,2),'r*');hold on
             else
                 plot(Xn(nseg,1),Yn(nseg,1),'r*');hold on
                 plot(Xn(nseg,2),Yn(nseg,2),'g*');hold on 
             end
        end
        if nobjs == 1
           plot(Xn(nseg,1),Yn(nseg,1),'g*');hold on
           plot(Xn(nseg,2),Yn(nseg,2),'r*');hold on               
        end              
    end


3.MATLAB核心程序

%第二级显示,人体轮廓
%第二级显示,人体轮廓
        jj=0;
        for j=1:nobjs        
            rc=[min(B{j}(:,2)) min(B{j}(:,1)) max(B{j}(:,2))-min(B{j}(:,2)) max(B{j}(:,1))-min(B{j}(:,1))];
            [l_x l_y] = find(L==j);%计算坐标
            cx        = mean(l_x);
            cy        = mean(l_y);
            Area      = size(l_x,1);        
            jj        = jj+1;
 
            if check_frame>0
               check1(nseg) = abs(Xn_ref(nseg,1) - Xn(nseg,1));
               check2(nseg) = abs(Xn_ref(nseg,1) - Xn(nseg,2));   
            end
            %为了计算精度,将形心坐标的差值的平均作为预测增量 
            if nobjs == 2
                 if check1 >= check2
                     if jj == 1
                         figure(1);
                         plot(B{j}(:,2),B{j}(:,1),'g','LineWidth',1);hold on  
                     else
                         figure(1);
                         plot(B{j}(:,2),B{j}(:,1),'r','LineWidth',1);hold on 
                     end   
                 else
                     if jj == 1
                         figure(1);
                         plot(B{j}(:,2),B{j}(:,1),'r','LineWidth',1);hold on  
                     else
                         figure(1);
                         plot(B{j}(:,2),B{j}(:,1),'g','LineWidth',1);hold on 
                     end   
                 end
            end
            if nobjs == 1
                 plot(B{j}(:,2),B{j}(:,1),'y','LineWidth',1);hold on                 
            end  
        end
相关文章
|
2天前
|
算法
基于小波变换和峰值搜索的光谱检测matlab仿真,带GUI界面
本程序基于小波变换和峰值搜索技术,实现光谱检测的MATLAB仿真,带有GUI界面。它能够对CO2、SO2、CO和CH4四种成分的比例进行分析和提取。程序在MATLAB 2022A版本下运行,通过小波分解、特征提取和峰值检测等步骤,有效识别光谱中的关键特征点。核心代码展示了光谱数据的处理流程,包括绘制原始光谱、导数光谱及标注峰值位置,并保存结果。该方法结合了小波变换的时频分析能力和峰值检测的敏锐性,适用于复杂信号的非平稳特性分析。
|
2天前
|
机器学习/深度学习 算法 安全
基于深度学习的路面裂缝检测算法matlab仿真
本项目基于YOLOv2算法实现高效的路面裂缝检测,使用Matlab 2022a开发。完整程序运行效果无水印,核心代码配有详细中文注释及操作视频。通过深度学习技术,将目标检测转化为回归问题,直接预测裂缝位置和类别,大幅提升检测效率与准确性。适用于实时检测任务,确保道路安全维护。 简介涵盖了算法理论、数据集准备、网络训练及检测过程,采用Darknet-19卷积神经网络结构,结合随机梯度下降算法进行训练。
|
2月前
|
机器学习/深度学习 算法 数据安全/隐私保护
数据链中常见电磁干扰matlab仿真,对比噪声调频,线性调频,噪声,扫频,灵巧五种干扰模型
本项目展示了用于分析和模拟电磁干扰对数据链系统影响的算法。通过Matlab 2022a运行,提供无水印效果图预览。完整代码包含详细中文注释及操作视频。理论部分涵盖五种常见干扰模型:噪声调频、线性调频、噪声、扫频和灵巧干扰,详细介绍其原理并进行对比分析。灵巧干扰采用智能技术如认知无线电和机器学习,自适应调整干扰策略以优化效果。
|
2月前
|
算法
基于Adaboost模型的数据预测和分类matlab仿真
AdaBoost(Adaptive Boosting)是一种由Yoav Freund和Robert Schapire于1995年提出的集成学习方法,旨在通过迭代训练多个弱分类器并赋予分类效果好的弱分类器更高权重,最终构建一个强分类器。该方法通过逐步调整样本权重,使算法更关注前一轮中被误分类的样本,从而逐步优化模型。示例代码在MATLAB 2022A版本中运行,展示了随着弱分类器数量增加,分类错误率的变化及测试数据的分类结果。
213 13
|
2月前
|
存储 算法
基于HMM隐马尔可夫模型的金融数据预测算法matlab仿真
本项目基于HMM模型实现金融数据预测,包括模型训练与预测两部分。在MATLAB2022A上运行,通过计算状态转移和观测概率预测未来值,并绘制了预测值、真实值及预测误差的对比图。HMM模型适用于金融市场的时间序列分析,能够有效捕捉隐藏状态及其转换规律,为金融预测提供有力工具。
|
3月前
|
算法
基于HASM模型的高精度建模matlab仿真
本课题使用HASM进行高精度建模,介绍HASM模型及其简化实现方法。HASM模型基于层次化与自适应统计思想,通过多层结构捕捉不同尺度特征,自适应调整参数,适用于大规模、高维度数据的分析与预测。MATLAB2022A版本运行测试,展示运行结果。
|
3月前
|
运维 算法
基于Lipschitz李式指数的随机信号特征识别和故障检测matlab仿真
本程序基于Lipschitz李式指数进行随机信号特征识别和故障检测。使用MATLAB2013B版本运行,核心功能包括计算Lipschitz指数、绘制指数曲线、检测故障信号并标记异常区域。Lipschitz指数能够反映信号的局部动态行为,适用于机械振动分析等领域的故障诊断。
|
6月前
|
安全
【2023高教社杯】D题 圈养湖羊的空间利用率 问题分析、数学模型及MATLAB代码
本文介绍了2023年高教社杯数学建模竞赛D题的圈养湖羊空间利用率问题,包括问题分析、数学模型建立和MATLAB代码实现,旨在优化养殖场的生产计划和空间利用效率。
272 6
【2023高教社杯】D题 圈养湖羊的空间利用率 问题分析、数学模型及MATLAB代码
|
6月前
|
存储 算法 搜索推荐
【2022年华为杯数学建模】B题 方形件组批优化问题 方案及MATLAB代码实现
本文提供了2022年华为杯数学建模竞赛B题的详细方案和MATLAB代码实现,包括方形件组批优化问题和排样优化问题,以及相关数学模型的建立和求解方法。
162 3
【2022年华为杯数学建模】B题 方形件组批优化问题 方案及MATLAB代码实现
|
6月前
|
数据采集 存储 移动开发
【2023五一杯数学建模】 B题 快递需求分析问题 建模方案及MATLAB实现代码
本文介绍了2023年五一杯数学建模竞赛B题的解题方法,详细阐述了如何通过数学建模和MATLAB编程来分析快递需求、预测运输数量、优化运输成本,并估计固定和非固定需求,提供了完整的建模方案和代码实现。
138 0
【2023五一杯数学建模】 B题 快递需求分析问题 建模方案及MATLAB实现代码

热门文章

最新文章