hajerfradi图像处理文献总结

《hajerfradi图像处理文献总结》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、2012年1、HajerFradi,Jean-LucDugelay.RobustForegroundSegmentationUsingImprovedGaussianMixtureModelandOpticalFlow.ICIEV,248-253,2012.（前景分离方法）Abstract:GMMbackgroundsubtractionhasbeenwidelyemployedtoseparatethemovingobjectsfromthestaticpartofthescene.However,Thebackgroundmodelestimationstepi

2、sstillproblematic;themaindifficultyistodecidewhichdistributionsofthemixturebelongtothebackground.Inthispaper,theauthorproposeanewapproachbasedonincorporatinganuniformmotionmodel（OpticalFlow）intoGMMbackgroundsubtraction.在论文中对一些前景分离方法进行了介绍与比较。并对光流与GMM结合使用的部分文献进行了讨论。对改进的GMM算法(参考文献15)和使用二次

3、多项式模型的光流法(参考文献19)进行了说明。在Pixellevel结合使用了两种方法进行前景分离。结果：在i2r数据集上进行了实验。与参考文献15和19的方法在检测率(Recall)和精度(Precision)两个方面进行了对比，证明了方法的有效性。2、HajerFradi,Jean-LucDugelay.Peoplecountingsystemincrowdedscenesbasedonfeatureregression.RUSIPCO,136-140,2012.（拥挤状况下人群计数方法）Abstract:Theauthorproposeacountingsys

4、tembasedonmeasurementsofinterestpoints,whereaperspectivenormalizationandacrowdmeasure-informeddensityestimationareintroducedintoasinglefeature.Then,thecorrespondencebetweenthisfeatureandthenumberofpersonsislearnedbyGaussionProcessregression.人群计数方法通常包括两类:detectionbasedandfeaturesbased.论

5、文对两类方法存在的问题和研究现状进行了说明。文章在参考文献1和5的基础上提出了一种人群计数方法：步骤：（1）detectionofmovinginterestpoints（SIFT算法），然后利用光流法去掉静止特征；（2）perspectivenormalization（线性插值法给每个兴趣点添加权值）;（3）densityestimationforcrowdmeasurementtohandletheunderestimationofthenumberofpersonsinhighcrowdsituations（4）Gaussianprocessregressio

6、n.实验：数据集：PETS2009.与参考文献5中的实验数据进行了对比。对比内容为：MAE（meanabsoluteerror）andMRE（meanrelativeerror）。3、HajerFradi,Jean-LucDugelay.Lowlevelcrowdanalysisusingframe-wisenormalizedfeatureforpeoplecounting.W1FS，246-251，2012.（人群计数的方法）与文献2的思路是一样的。同样的方法，相同的数据集，实验结果不一致？2012年4、FradiH，ZhaoX,DugelayJLCrowdde

7、nsityanalysisusingsubspacelearningonlocalbinarypattern[C]//2013IEEEInternationalConferenceonMultimediaandExpoWorkshops（ICMEW）.IEEEComputerSociety,2013:1-6.（人群密度估计方法）Abstract:Thepaperproposesanovelapproachforcrowddensityestimation.Themaincontributionofthepaperistwo-fold:First,theyprop