CVPR2020致力于计算机视觉和模式识别包括颜色检测、跟踪、运动、物体识别、音响和目标检测。 包含了：分段和分组、运动和跟踪、人类的认识、Shape-from-X、音响和结构与运动、颜色和纹理、照明和反射建模、基于图像的建模、传感器、形状表示和匹配、计算摄影和视频、早期和生物启发的愿景、视频分析和事件识别、优化方法、脸和姿态分析、视频监控、现场了解、图像和视频检索、医学图像分析、对机器人的愿景、对图形的愿景、统计方法和学习、计算机视觉的应用、文档分析、对象识别、检测、分类。

基于图像纹理分析的目标物体识别方法 基于图像纹理分析的目标物体识别方法

基于GMM(Gaussian Mixture Model,混合高斯模型)的物体识别基础上,利用GLCM(Gray-level co-occurrence matrix,灰度共生矩阵)及基于GLCM提取的纹理特征来解决当前运动目标检测所存在的问题,如动态场景的变化,光照突变及天气变化等。GLCM在局部区域的往复运动具有相对不变性,因此利用这个特点对基于GMM检测的前景进行再判断以解决动态场景的问题,将检测窗口中当前帧和前两帧的GLCM特征值进行比较,如果其GLCM特征值的差值小于给定的阈值,那么可