摘要：
问题描述：关键帧提取后，将会得一序列关键帧的帧号，然后需要把这些帧保存起来，以便于浏览和管理．通过opencv里的VideoCapture的函数set(CV_CAP_PROP_POS_FRAMES，nextFrameNumber)，定位到具体的帧号，但最终读取的并不是对应帧的图像．问题出现的原因：Opencv底层是通过ffmpeg读取视频．其中定位主要用av_seek_frame()来定位frame的位置．int av_seek_frame(AVFormatContext *s,int stream_index,int64_t timestamp,int flags)其中最后一个参数有AVSE 阅读全文
摘要：
参考文献 基于自适应混合高斯模型的时空背景建模 自动化学报 2009创新点：1).在混合高斯模型基础上，混合了空间分布信息特征．2).空间模型和时间模型进行前景检测时，如何决策．文中主要是利用空间域背景模型进行粗尺度判断，当空间域背景模型无法判断时，再利用时间域背景模型进行判断．3).自适应调整混合高斯模型的个数．时间域模型：混合高斯模型，添加了自适应调整混合高斯模型个数模块．细节请参考：http://www.cnblogs.com/dwdxdy/archive/2012/05/31/2528790.html空间域模型：统计混合高斯模型中背景模型在空间上的分布，作为像素的空间域背景模型．利用颜 阅读全文
摘要：
参考文献 Background Subtraction with Adaptive Spatio-Temporal Neighborhood Analysis VISAPP 2008创新点：1).将前景检测分为二层处理，分别是像素层和区域层，通区域层来消除误检的像素点．2).在区域层处理时，区域窗口的大小是自适应的．像素层处理：与混合高斯模型处理方式一样．区域层处理：针对像素层处理后得到前景像素点，计算并判断该像素点是否与其邻域内某个背景像素点的对应的模型匹配．若匹配，则说明该像素点是背景，否则为前景．当区域窗口较大时，区域层处理的计算复杂度比较高，需要调整窗口大小，来平衡计算复杂度和检测效果 阅读全文
摘要：
参考文献 Real-Time Moving Object Detection in Video Sequences Using Spatio-Temporal Adaptive Gaussian Mixture Models VISAPP 2010创新点：1).改进了混合高斯模型，混合了空间和时间特征信息．2).限制混合高斯模型中的方差值的变化．模型的匹配，更新和基于混合高斯模型的背景建模一致．在前景判断模块添加了一层，空间信息分析，不只是根据模型的匹配结果来确定前景．其步骤如下：1).根据模型匹配结果，得到一个mask图像，用来表示像素点与背景模型的匹配程度．2).针对mask图像计算每个像 阅读全文
摘要：
问题描述:一般利用CUDA进行加速处理时,都需要测试CUDA程序的运行时间,来对比得到的加速效果.解决方法:1).GPU端计时,即设备端计时.2).CPU端计时,即主机端计时.设备端计时有两种不同的方不地,分别是调用clock()函数和使用CUDA API的事件管理功能.clock函数计时:1).在内核函数中要测量的一段代码的开始和结束的位置分别调用一次clock函数,并将结果记录下来.2).根据这两次clock函数返回值,作差计算,然后除以GPU的运行频率(SP的频率)即可以得到内核执行时间.一般只需要记录每个block执行需要的时间,最后将得到多个block的开始和结束时间,然后比较这多个 阅读全文