学位论文 > 优秀研究生学位论文题录展示
基于计算机视觉的智能监控技术研究
作 者: 王强光
导 师: 伍铁军
学 校: 南京航空航天大学
专 业: 机械设计及理论
关键词: 计算机视觉 背景建模 贝叶斯决策 目标跟踪 遮挡预测
分类号: TP391.41
类 型: 硕士论文
年 份: 2011年
下 载: 100次
引 用: 0次
阅 读: 论文下载
内容摘要
随着计算机视觉技术的发展,基于计算机视觉的智能监控系统得到了越来越广泛的应用,其功能与传统的监控系统相比也有了质的变化,不仅极大的扩展了传统的监控功能,而且降低了在监控方面投入的成本。本文在摄像机固定的情况下,对智能监控系统的关键技术进行了研究,并实现了具有实际应用功能的智能监控系统。运动目标的检测是智能监控系统要实现的第一步,也是至关重要的一步,检测出的运动目标的质量将直接关系到运动目标的分类和行为分析等。因此要求检测出的运动目标信息要尽可能的完整。本文采用了常用的减背景法进行检测,并对其中关键的背景建模方法进行了研究,对单高斯背景建模方法和混合高斯背景建模方法进行了融合,通过实验验证了该方法既可以清晰的检测出运动目标,同时也能减少建模的时间,很好的减小外界环境的影响。目标分类也是计算机视觉领域当中一个研究的热门问题,主要应用于智能监控系统、智能机器人、医学图像等。通过目标分类,可以实现根据预先设定的定义来区分运动目标的种类,从而可以进一步的进行行为分析。本文利用了目标的长宽比、占空比等四个目标特征,通过实验统计了大量样本的均值和方差,通过最小误差概率条件下的贝叶斯分类理论对监控场景内的目标进行分类。在运动目标的跟踪这一技术上本文使用了较为成熟的卡尔曼滤波跟踪算法,该算法可以根据已有的运动目标的运动信息对之后的运动状态做出预测,能够很好的对其进行跟踪。同时本文对跟踪中的难点:运动目标的遮挡问题做了深入的研究,提出了利用运动目标的面积判断遮挡的发生时刻,通过最小二乘法对目标的轨迹进行预测,从而达到遮挡期间也尽可能不丢失目标的效果。通过实验证明了该方法在运动目标发生短时间遮挡时可以很好的解决跟踪丢失问题。同时本文还对监控系统特定区域的监控等问题进行了研究。
|
全文目录
摘要 4-5 ABSTRACT 5-11 第一章 绪论 11-18 1.1 课题研究背景 11-12 1.2 研究意义 12-13 1.3 研究现状 13-15 1.4 论文的研究内容 15-16 1.5 论文结构 16-18 第二章 运动目标的检测 18-37 2.1 引言 18 2.2 运动检测的常用方法 18-21 2.2.1 光流法 18-20 2.2.2 帧间差分法 20-21 2.3 本文中的运动检测方法 21-31 2.3.1 常用的背景建模方法 22-28 2.3.2 本文中改进的混合高斯背景建模方法 28-29 2.3.3 实验结果和比较 29-31 2.4 图像的去噪处理 31-36 2.4.1 视频图像的预处理 31-32 2.4.2 视频图像的后处理 32-36 2.5 本章小结 36-37 第三章 运动目标的分类 37-53 3.1 引言 37-38 3.2 运动目标分类常用的方法 38-39 3.3 目标特征的选取 39-43 3.4 最小误差概率条件下的贝叶斯分类理论 43-46 3.4.1 Bayes 决策论 43-44 3.4.2 最小化误差概率条件下的决策 44-45 3.4.3 基于多目标特征分类器的设计 45-46 3.5 目标特征参数提取 46-49 3.6 实验结果和结论 49-51 3.7 本章小结 51-53 第四章 运动目标的跟踪及遮挡问题的研究 53-63 4.1 引言 53 4.2 目标跟踪方法 53-58 4.2.1 Kalman 跟踪法 54-57 4.2.2 结果分析 57-58 4.3 目标跟踪中遮挡问题的分析和解决方案 58-61 4.3.1 发生遮挡的分析 58 4.3.2 遮挡问题常用的解决方法 58-59 4.3.3 本文基于面积判断的最小二乘法遮挡预测 59-61 4.3.4 实验结果和分析 61 4.4 本章小结 61-63 第五章 系统设计与实现 63-70 5.1 本系统应用的软件开发库 63-64 5.2 系统的模块设计 64-66 5.3 系统功能及界面设计 66-68 5.3.1 系统界面和功能介绍 66-67 5.3.2 特定区域保护功能实现 67-68 5.4 系统测试用例及测试报告 68-69 5.5 本章小结 69-70 第六章 总结和展望 70-72 6.1 研究总结 70-71 6.2 未来展望 71-72 参考文献 72-76 致谢 76-77 在学期间的研究成果及发表的学术论文 77
|
相似论文
- 带径向速度观测的跟踪算法研究,TN953
- 多传感器组网及反隐身、抗干扰接力跟踪技术研究,TN953
- 基于学习的低阶视觉问题研究,TP391.41
- 基于嵌入式图像处理单元的运动目标跟踪系统研究,TP391.41
- 移动机器人视觉检测和跟踪研究,TP242.62
- 基于视觉的番木瓜外观品质检测技术研究,S667.9
- 基于计算机视觉对“次郎”甜柿外部品质检测与分级的研究,S665.2
- 红外图像目标识别及跟踪技术研究,TP391.41
- 基于计算机视觉的脱水蒜片检测与分级研究,TP391.41
- 基于运动目标轨迹分析的智能交通监控系统,TP277
- 基于计算机视觉的带钢表面缺陷在线检测系统的设计与实现,TP391.41
- 基于无线传感器网络的目标跟踪算法研究,TN929.5
- 多目标跟踪算法研究,TN953
- 空间增强现实中实时建模相关技术的研究,TP391.41
- 应用Kinect与手势识别的增强现实教育辅助系统,TP391.41
- 基于DSP的单目视觉定位方法关键技术研究,TP391.41
- 视频多目标跟踪算法的研究和实现,TP391.41
- 交通路口车辆实时监测方法研究及其应用,TP274
- 抗抖动双向K级容错棒材计数系统研究,TP274
- 深度流检测在对等网络中流量识别研究,TP393.06
- 彩色图像序列的光流场计算研究,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
|