学位论文 > 优秀研究生学位论文题录展示

视频监控系统中动态目标检测与跟踪技术研究

作　者: 廖光哲
导　师: 范胜林
学　校: 南京航空航天大学
专　业: 精密仪器及机械
关键词: 图像预处理 动态目标检测 阴影检测 角点检测 动态目标跟踪
分类号: TP277
类　型: 硕士论文
年　份: 2013年
下　载: 14次
引　用: 0次
阅　读: 论文下载
 

内容摘要


视频监控系统对于我们的生活和工作起着越来越重要的作用，在战场监视、小区保安、道路保障等方面越来越受到人们的重视。在视频监控中，动态目标的检测与跟踪是很重要的两个部分。本文主要对视频监控中的运动目标检测和跟踪进行了研究，主要的工作如下：论文首先对视频监控的发展及主要研究的内容进行了介绍。在预处理中，主要进行了图像去噪和边缘检测的研究。在图像去噪方面，提出了一种预判断均值滤波算法，使得对于椒盐噪声的去除效果有很大的提升；在边缘检测方面，提出了一种基于Otsu阈值的四方向prewitt边缘检测算子，有效提高了边缘检测的检测效果。研究了动态目标检测算法，提出了一种分块阈值的二值化方法，对目标区域和非目标区域进行不同阈值的二值化，结合三帧差法的目标轮廓检测，取得了较好的检测效果。研究了目标阴影检测的问题，提出了一种考虑饱和度分量、亮度分量和饱和度分量与亮度分量的归一化差分值来进行阴影判断，取得了良好的实验效果。研究了角点检测的问题，提出了一种快速的角点检测算法。对图像中的像素点首先进行预判断，去除不可能是角点的像素点，再对候选角点进行可能性分析，最后利用Harris角点检测算法检测剩余的候选角点，在效果上和时间性上都取得了良好的结果。研究了动态目标跟踪算法，考虑使用目标检测的结果来对目标跟踪框进行确定。鉴于经典Mean-Shift算法是根据颜色特征进行跟踪，当目标颜色和背景颜色相似时，容易出现跟踪丢失的情况。提出了基于角点特征和Mean-Shift结合的跟踪算法，仿真实验证明了其比经典Mean-Shift算法实用性和鲁棒性更强，具有很好的实用价值。

全文目录


摘要  4-5
ABSTRACT  5-10
注释表  10-11
第一章 绪论  11-17
  1.1 课题的背景及意义  11-12
  1.2 视频监控的发展研究概述  12-14
  1.3 视频监控的主要研究内容  14
  1.4 动态目标检测与跟踪的研究现状及难点  14-15
  1.5 本文研究内容及结构  15-17
第二章 目标检测与跟踪的预处理技术研究  17-29
  2.1 视频图像去噪算法研究  17-23
    2.1.1 椒盐噪声及其去除  17-19
    2.1.2 基于预判断的均值滤波算法  19-21
    2.1.3 仿真实验结果与分析  21-23
  2.2 视频图像边缘检测算法研究  23-28
    2.2.1 边缘检测及其检测算子  23-24
    2.2.2 基于自适应阈值的四方向 Prewitt 边缘检测算子  24-27
    2.2.3 仿真实验结果与分析  27-28
  2.3 本章小结  28-29
第三章 动态目标检测技术研究  29-59
  3.1 动态目标检测算法研究  29-41
    3.1.1 经典目标检测算法的分析  29-32
    3.1.2 基于分块阈值的背景差法与三帧差法融合检测算法  32-38
    3.1.3 仿真实验结果与分析  38-41
  3.2 阴影的检测算法研究  41-48
    3.2.1 基本颜色空间及阴影检测算法  42-45
    3.2.2 基于 HSI 颜色空间的三分量三阈值阴影检测算法  45-47
    3.2.3 仿真实验结果与分析  47-48
  3.3 动态目标角点检测算法研究  48-58
    3.3.1 经典 Harris 角点检测算法的分析  49-50
    3.3.2 基于候选角点预判断的改进 Harris 角点检测算法  50-56
    3.3.3 仿真实验结果与分析  56-58
  3.4 本章小结  58-59
第四章 动态目标跟踪技术研究  59-70
  4.1 自跟踪框选取的 Mean-Shift 算法  59-66
    4.1.1 Mean-Shift 算法原理  59-61
    4.1.2 Mean-Shift 算法在目标跟踪中的使用  61-63
    4.1.3 自跟踪框的选取  63-64
    4.1.4 仿真结果实验与分析  64-66
  4.2 基于角点特征与 Mean-Shift 融合的目标跟踪算法  66-69
    4.2.1 基于角点特征与 Mean-Shift 融合的目标跟踪算法原理  66
    4.2.2 基于角点特征与 Mean-Shift 融合的目标跟踪算法步骤  66-67
    4.2.3 仿真实验结果与分析  67-69
  4.3 本章小结  69-70
第五章 总结与展望  70-72
  5.1 本文的主要研究内容  70-71
  5.2 后续工作展望  71-72
参考文献  72-75
致谢  75-76
在学期间的研究成果及发表的学术论文  76

相似论文

  1. 图像拼接技术研究,TP391.41
  2. 舌图像中瘀斑瘀点检测技术研究,TP391.41
  3. PCB视觉检测系统中相机标定算法与位姿测定技术,TP391.41
  4. 红外图像目标识别及跟踪技术研究,TP391.41
  5. 基于OpenCV的集装箱加强板焊接自动定位系统的开发,U169
  6. 基于医学CT图像的三维重建面绘制算法的研究,TP391.41
  7. 舌诊客观化中若干图像分析技术研究,TP391.41
  8. 皮肤纹理图像特征的提取与分析,TP391.41
  9. 基于图像处理的棒材计数的开发研究,TP391.41
  10. 压感指纹识别系统关键技术的研究,TP391.41
  11. 视觉测量系统的摄像机标定及其应用研究,TP391.41
  12. 基于车牌识别技术的智能交通系统的设计与实现,TP391.41
  13. 基于计算机视觉的织物疵点检测与分类方法的研究,TP274
  14. 工程图样矢量化与三维重建系统研究,TP391.41
  15. 基于双目视觉的河道测量技术研究,TP391.41
  16. 基于SVM的车牌字符识别算法研究与实现,TP391.41
  17. 车牌自动识别系统中字符分割算法的研究与实现,TP391.41
  18. 基于监控视频中运动目标自动检测与跟踪算法的研究与实现,TP391.41
  19. 基于图像的异型墙地砖在线分道系统的研制,TP391.41
  20. 雌雄蚕卵激光自动分选仪及散卵式光电自动分选仪的研究,TP391.41
  21. 视频运动目标检测若干关键算法研究,TP391.41

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