学位论文 > 优秀研究生学位论文题录展示

视频监控中的运动目标检测算法研究与实现

作　者: 赵红
导　师: 张小洪
学　校: 重庆大学
专　业: 计算机软件与理论
关键词: 运动目标检测 背景相减法 高斯混合模型 码本模型
分类号: TP391.41
类　型: 硕士论文
年　份: 2010年
下　载: 137次
引　用: 0次
阅　读: 论文下载
 

内容摘要


运用目标提取算法从连续视频图像中提取并优化运动目标,是运动跟踪、目标识别、视频监控、视频摘要、三维重建等问题的关键环节,由于其广泛的应用及本身的复杂性,运动目标检测已成为当前模式识别和机器视觉的热点问题之一。本文依托重庆市科技攻关项目《嵌入式WEB监控视频摘要生成及其快速浏览关键技术研究和开发》(CSTC2009AC2057),研究动态场景中的运动目标检测,该问题不仅是视频监控的核心,更是系统中后期操作的基础与关键。其目标检测的准确与否决定了头部检测、运动跟踪、视频摘要等各种后续处理的效果,因此成为项目研究中的一项重要课题。但目前流行的运动目标检测算法在处理光照变化、背景扰动、运动目标与背景相似等实际问题时,往往难以取得良好的应用效果。针对上述问题,本文的主要工作和创新点如下:首先对运动目标检测的基本算法进行了分析与实现,针对高斯混合模型和码本模型两种流行的背景相减法的不足提出了改进策略。对于高斯混合背景模型,采用梯度序列代替传统的亮度序列计算模型中的概率估计,提取更加清晰的目标轮廓,同时建立高斯概率密度分布的查找表以降低目标像素点与背景模型的匹配时间,最后引入像素点的空间分布一致性去除错误检测,提高目标检测的准确性。在码本背景模型中,采用YUV空间代替RGB空间,降低码本背景模型的光照敏感性,同时在新的YUV空间采用球状码元模型改进原RGB颜色空间的圆柱码元模型,提高了算法的鲁棒性。其次,本文采用阴影剪除、形态学处理、graph cut、区域连通标号等技术作为后验优化操作,剪除目标阴影、剔除复杂场景的干扰噪声、去除目标边缘毛刺,从而得到更加清晰的运动目标轮廓,为系统后续处理提供了准确的运动目标信息。最后,本文结合面向对象的软件设计方法,使用MATLAB仿真和VC++开发平台对运动目标检测模块进行了设计与实现。并针对运动目标检测的各种算法,制定了一套系统的评估框架,定量分析不同方法的优缺点。实验测试和开发的前期效果证明了本文改进的前景提取算法不仅提高了运动目标检测的准确性,而且具有良好的实时性和鲁棒性。

全文目录


中文摘要  3-4
英文摘要  4-8
1 绪论  8-12
  1.1 本文的研究背景  8
  1.2 本文的研究路线  8-11
    1.2.1 研究目标  8-9
    1.2.2 研究思路  9
    1.2.3 研究内容  9-10
    1.2.4 拟解决的科学关键问题  10-11
  1.3 本文的论文结构  11-12
2 运动目标检测方法文献综述  12-31
  2.1 引言  12
  2.2 运动目标检测基本方法  12-29
    2.2.1 光流法  14-16
    2.2.2 帧差分法  16-18
    2.2.3 背景相减法  18-29
  2.3 小结  29-31
3 两种运动目标检测算法的改进  31-44
  3.1 引言  31
  3.2 基于梯度时空信息高斯混合背景模型  31-38
    3.2.1 问题描述  31-32
    3.2.2 问题描述高斯混合背景模型预处理  32-33
    3.2.3 基于梯度时空信息的高斯混合背景模型改进方法  33-36
    3.2.4 实验结果  36-38
  3.3 基于YUV 空间球状码元的码本背景模型  38-44
    3.3.1 问题描述  38-39
    3.3.2 基于YUV 空间球状码元的码本背景模型  39-42
    3.3.3 实验结果  42-44
4 运动目标检测结果的后处理方法研究  44-51
  4.1 引言  44
  4.2 阴影剪除  44-45
  4.3 轮廓的优化  45-46
    4.3.1 形态学处理  45-46
    4.3.2 graph cut 瑕疵剪除  46
  4.4 区域连通标号  46-47
  4.5 实验分析  47-51
5 运动目标检测算法的比较研究  51-63
  5.1 运动目标检测模块的设计  51-55
    5.1.1 模块的设计原则  51-53
    5.1.2 模块的类图  53-55
  5.2 运动目标检测测试  55-63
    5.2.1 测试数据  55-56
    5.2.2 测试方法  56-57
    5.2.3 测试结果  57-63
6 结论与展望  63-65
  6.1 主要结论  63
  6.2 后续研究工作的展望  63-64
  6.3 小结  64-65
致谢  65-66
参考文献  66-70
附录  70
  作者在攻读学位期间发表的论文目录  70

相似论文

  1. 嵌入式多参数环境智能监测系统的设计与实现,TP274
  2. 高质量语音转换系统中关键技术的研究,TN912.3
  3. 运动目标检测与跟踪的研究,TP391.41
  4. 基于组合及统计的图像型垃圾邮件检测研究,TP391.41
  5. 多特征融合的视觉跟踪算法研究,TP391.41
  6. 视频监控系统中的运动目标检测算法研究,TP391.41
  7. 边防红外监控系统中运动目标的检测预警设计,TP391.41
  8. 无线传感器网络中的追击者—逃跑者跟踪问题研究,TP212.9
  9. 红外监控系统中关键技术研究,TP277
  10. 智能交通视频监控系统中关键技术研究,TP391.41
  11. 基于运动序列图像的运动目标检测研究,TP391.41
  12. 基于DSP的运动目标检测系统的实现,TP391.41
  13. 基于多模信息融合的公共区域视频监控系统研究,TP391.41
  14. 视频桩考系统中运动物体检测与跟踪算法研究,TP391.41
  15. 对SAR-GMTI有源欺骗干扰方法的研究,TN974
  16. 高斯混合模型及在探测网络社区结构中的应用,TP393.094
  17. 基于H.264的校园视频监控系统的设计与实现,TP391.41
  18. 网络监控系统中运动目标的检测与跟踪,TP391.41
  19. 运动人体检测与异常行为识别技术研究与实现,TP391.41
  20. 基于视频检测的智能监控系统及其关键技术研究,TP391.41
  21. 视频中运动目标检测与跟踪技术研究,TP391.41

中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理（信息加工） > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com