学位论文 > 优秀研究生学位论文题录展示

多摄像机监控系统若干问题的研究

作　者: 李铀
导　师: 王嘉
学　校: 上海交通大学
专　业: 通信与信息系统
关键词: 摄像机标定 图像拼接 运动目标检测与跟踪 在线Boosting算法 粒子滤波
分类号: TP277
类　型: 硕士论文
年　份: 2010年
下　载: 189次
引　用: 0次
阅　读: 论文下载
 

内容摘要


监控系统中摄像机系统的标定,目标检测与跟踪一直是该领域中基础也是十分重要的两个组成部分与研究领域。随着监控系统朝着大型化与智能化方向发展,所需要的摄像机数目越来越多,对监控场景的内容分析也越来越重要,因此,这两个问题变得越来越具有研究意义。摄像机系统的标定主要有两种,强标定与弱标定。强标定的目的是在一定摄像机模型下,确立从真实三维世界到摄像机成像平面的投影关系。而弱标定不直接得到强标定所求得的映射关系,而是通过各种方法,求得各摄像机成像平面之间的相对映射关系。就一个多摄像机系统而言,强标定每个摄像机是基础,弱标定多摄像机之间的相对关系是关键。对于视频目标检测,是指在图像序列中就某一个或一类物体进行专门的检测,包括运动目标检测,人脸检测,行人检测,车辆检测等等。目标检测发展到现在形成了综合计算机视觉,图像处理,模式识别与机器学习等学科的研究领域。视频目标跟踪是指在图像序列中对某一个感兴趣物体在连续的时间内跟踪其运动轨迹。该研究领域同样综合了多学科的知识,并且具有十分重要的应用价值,是计算机视觉中核心的研究领域之一。本文首先提出了一种基于图像拼接的自动标定主从摄像机系统方法。该方法利用动态摄像机自动拼接表示视场范围的马赛克图像,然后通过对特征点的提取与匹配估计动态摄像机与静态摄像机的相对关系,从而完成主从多摄像机系统的标定。本文其次提出了一种基于Online RankBoost与粒子滤波相联合的目标跟踪算法。该算法首先通过Online RankBoost算法在线学习并更新一个能够准确区分目标与背景的检测器,然后利用粒子滤波对目标的运动模式进行估计,从而实现对运动目标的稳定,准确的跟踪。实验结果表明,本文提出的我两种算法,均切实可行,并具有较好地准确性与鲁棒性。

全文目录


摘要  6-8
ABSTRACT  8-14
1 绪论  14-18
  1.1 研究背景  14
  1.2 研究现状  14-17
    1.2.1 摄像机标定  14-15
    1.2.2 目标检测与目标跟踪  15-17
  1.3 论文研究内容与章节安排  17-18
2 多摄像机系统标定  18-40
  2.1 引言  18
  2.2 计算机视觉中的几何原理  18-25
    2.2.1 齐次坐标系  18-19
    2.2.2 摄像机模型  19-21
    2.2.3 对极几何  21-24
    2.2.4 单应矩阵  24-25
  2.3 单摄像机标定  25-29
    2.3.1 传统的摄像机标定方法  25
    2.3.2 双平面标定方法  25-27
    2.3.3 单摄像机自标定方法  27-28
    2.3.4 单摄像机标定小结  28-29
  2.4 手动标定主从摄像机系统  29-30
  2.5 自动标定主从摄像机系统  30-38
    2.5.1 自动标定主从摄像机系统  31-32
    2.5.2 自动拼接马赛克图像  32-35
    2.5.3 全局自动匹配特征点  35-36
    2.5.4 自动标定主从摄像机系统  36-38
  2.6 实验结果及分析  38-39
    2.6.1 实验结果  38-39
    2.6.2 误差分析  39
  2.7 小结  39-40
3 基于检测的目标跟踪算法  40-64
  3.1 引言  40-41
  3.2 运动目标检测与跟踪简述  41-47
    3.2.1 运动目标检测简述  41-42
    3.2.2 运动目标跟踪简述  42-47
  3.3 基于检测的运动目标跟踪  47-53
    3.3.1 目标特征  48-52
    3.3.2 构建分类器  52-53
  3.4 常用基于检测的运动目标跟踪算法  53-57
    3.4.1 基于Online RankBoost 的目标跟踪算法  53-56
    3.4.2 基于Online MILBoost 的目标跟踪算法  56-57
  3.5 基于Online RankBoost 与粒子滤波的目标跟随算法  57-61
    3.5.1 排序问题的学习框架与RankBoost 算法  58-59
    3.5.2 Online RankBoost 算法  59-60
    3.5.3 联合Online RankBoost 与粒子滤波的目标跟踪算法  60-61
  3.6 实验结果与分析  61-63
    3.6.1 实验结果  61-62
    3.6.2 误差分析  62-63
  3.7 小结  63-64
4 总结与展望  64-65
  4.1 总结  64
  4.2 未来工作展望  64-65
参考文献  65-69
致谢  69-70
攻读学位期间发表的学术论文目录  70-72

相似论文

  1. 基于多Agent理论的卫星协同定轨技术研究,V474
  2. 基于VRPF的机动目标跟踪的研究,TN957.52
  3. 图像拼接技术研究,TP391.41
  4. 有标记点的人体三维运动数据获取方法的研究,TP391.41
  5. PCB视觉检测系统中相机标定算法与位姿测定技术,TP391.41
  6. 基于粒子滤波的自主机器人视觉目标跟踪研究,TP242
  7. 空间红外目标仿真与跟踪技术研究,TP391.41
  8. 双目立体视觉关键技术研究,TP391.41
  9. 生物细胞图像拼接方法研究,TP391.41
  10. 基于全方位视觉的多运动目标检测、跟踪与定位,TP391.41
  11. 基于加速鲁棒特征的全景图拼接技术研究,TP391.41
  12. 基于图像信息的运动目标检测与跟踪算法研究,TP391.41
  13. 动态场景下运动目标检测与跟踪算法研究,TP391.41
  14. 监控视频中的车辆检测与跟踪技术研究,TP391.41
  15. 空间相机多通道图像拼接技术研究,TP391.41
  16. 特征提取与匹配算法的研究与应用,TP391.41
  17. 铁路货车车号图像自动采集识别系统的研究,TP391.41
  18. 用于公路破损路面的图像拼接技术研究,TP391.41
  19. 运用特征点匹配的图像快速拼接算法研究,TP391.41
  20. 实时视频拼接系统关键技术研究,TP391.41
  21. 基于机器视觉的工业机器人抓取技术的研究,TP242.2

中图分类: > 工业技术 > 自动化技术、计算机技术 > 自动化技术及设备 > 自动化系统 > 监视、报警、故障诊断系统
© 2012 www.xueweilunwen.com