简介:对含有动、静态背景的稳定图像处理时,对比了主成分追踪鲁棒主成分分析法(RPCA)、贝叶斯鲁棒主成分分析法(BayesianRPCA)和高斯混合模型的鲁棒主成分分析法(MoG-RPCA),3种方法对静态背景下的前景提取都较为完整.而动态背景下只有BayesianRPCA和MoG-RPCA提取出了完整的前景目标,但是BayesianRPCA计算速度很慢,且不能够处理复杂噪声.所以MoG-RPCA模型更具有对复杂噪声的适应性,动、静态背景情况下均提取出精度较高的前景目标,且具有较快的计算速度.当图像不稳定时,采用改进的MoG-RPCA模型对非稳定拍摄的抖动视频进行前景目标提取,并在第197帧抖动图像中清晰地提取出显著前景目标,且运算速度较快.在为了快速找到目标出现的帧时,对高斯混合模型背景差分法进行改进,利用K-means聚类算法快速得到聚类中心点,然后作为高斯混合模型背景更新时的初始化均值参数,从而提高在复杂场景下前景目标的检测精度.对于多角度追踪任务,不同角度、近似同一地点的多个监控视频图像中前景目标的提取,可采用跨摄像头视角跟踪结果融合的方法,然后对目标进行匹配.
简介:摘要为了有效改善电力系统的供电质量水平和配电网络的管控能力,针对当前配电网电能质量监控精度低、用时长、治理方法落后、缺乏相应的辅助工具等现实问题,提出基于一体化电网电能质量数据采集平台的监控方法研究。首先分析了配电网电能质量监控的原理,介绍了智能监测系统的构成;分别提取配电系统智能监控的三个特征识别参量,即配电网电压跌落分量、系统电压的闪变分量及波动、及由于不同幅值和频率产生的正弦波分量;最后基于电力通信、智能计算机网络监控系统等技术,实现对配电网络电能质量的智能监控、全面分析和综合决策。试验证明,采用改进方法相比传统方法监控精度提高了约58.83%,具有一定的有效性。