- 0
- 0
- 约2.8万字
- 约 32页
- 2026-11-21 发布于北京
- 举报
PAGE1
摘要
周界入侵检测是智慧安防的核心应用之一。传统基于混合高斯背景建模的运动目标检测方法计算量小、易于部署,但在树木摇晃、光影变化等动态背景干扰下会产生大量误报,导致告警可信度低、人工复核负担重。单纯的深度学习检测器虽能识别“人”这一类别,却难以区分“真正翻越围栏的人”与“围栏外正常经过的行人”,且逐帧全图推理的开销在多路摄像头场景下难以接受。
本文围绕“降低动态背景误报率”这一核心问题,提出一种改进混合高斯背景建模(GMM)与YOLOv8相融合的周界入侵检测算法。在背景建模层面,引入基于前景占比的自适应学习率调节与颜色不变性阴影抑制,缓解树叶摇晃被误判为前景的问题;在融合层面
您可能关注的文档
- 2026年濒危宠物品种基因库建设的国际合作进展.docx
- 2027年云平台在医疗数据灾备中的可靠性提升路径.docx
- 2026年北京版六年级下册第一单元“教学评一体”教学设计:ChangesAroundUs.docx
- 基于视觉与毫米波雷达的城市道路遗撒物材质分类与清理优先级调度.docx
- 2026年乡村数字档案馆建设对历史记忆保存与文旅融合的促进作用.docx
- 2026年沪教版七年级生物学教学评一体教学设计:一人体的神经调节.docx
- 生物高分子与生物仿生结构在电池粘结剂、隔膜及电解质中的应用潜能.docx
- 线控悬架健康状态预测性维护算法及2026年全生命周期服务商业模式.docx
- 面向智能制造的数字孪生物联网低延时虚实交互协议与状态一致性同步设计.docx
- 数字人民币硬钱包的AI延伸:从“碰一碰”支付到智能合约的离线执行终端.docx
原创力文档

文档评论(0)