学位论文 > 优秀研究生学位论文题录展示
动态背景下运动目标检测的研究
作 者: 安博
导 师: 杨淑莹
学 校: 天津理工大学
专 业: 计算机应用技术
关键词: 动态背景补偿 目标检测 灰度投影 Horn-Schunck光流 Lucas-Kanade光流
分类号: TP391.41
类 型: 硕士论文
年 份: 2009年
下 载: 356次
引 用: 3次
阅 读: 论文下载
内容摘要
动态背景下运动目标的检测是计算机视觉领域的一个重要课题,在精确制导武器、交通监控、智能车辆等领域有着广泛的应用前景。研究由于摄像机运动引起的背景运动并检测其中的运动目标具有重要的实践意义和理论价值。本文对动态背景下运动目标的检测技术进行研究,主要研究动态背景补偿方法和运动目标光流检测方法。在分析现有背景补偿方法的基础上,针对传统灰度投影法在补偿背景时存在的搜索速度慢、逐帧搜索的问题,本文提出了基于最小二乘预测的灰度投影背景补偿方法。在灰度投影背景运动检测方面引入折半查找思想,提高了动态背景运动搜索的效率;在此基础上,采用最小二乘算法2点线性预测机制,提高了动态背景补偿效率。在运动目标检测方面,本文对Horn-Schunck(HS)光流计算方法和Lucas-Kanade(LK)光流计算方法进行研究。针对它们存在的光流运动目标检测不准确、对噪声敏感等问题,本文提出了基于梯度阈值的LK-HS改进光流计算方法。将LK光流思想引入HS光流计算,增强了局部微弱运动信息,提高了光流运动目标检测的完整性。在此基础上,采用梯度阈值方法,仅在梯度值较大的点处使用亮度恒常性假设约束,在梯度较小的点处只使用全局平滑性假设约束,增加了光流运动目标检测的准确性。为了减少光流动态背景运动目标检测中无效背景光流的计算、降低背景光流对目标光流识别的干扰,本文将动态背景补偿方法和光流运动目标检测方法相结合,即在动态背景补偿之后,进行光流计算,提出了灰度投影背景运动补偿与梯度阈值LK-HS光流计算相结合的运动目标检测方法。实验表明,该方法能够有效地减少无效背景光流的计算,降低其对目标识别的干扰。
|
全文目录
摘要 5-6 Abstract 6-9 第一章 绪论 9-18 1.1 研究的目的与意义 9 1.2 运动目标检测综述 9-16 1.2.1 运动目标检测技术研究现状 9-15 1.2.2 运动目标检测技术存在的问题 15-16 1.3 本文主要的研究工作 16-17 1.4 本文的组织结构 17-18 第二章 最小二乘预测的灰度投影背景补偿算法设计 18-35 2.1 最小二乘预测的灰度投影背景补偿算法的必要性 18-19 2.2 灰度投影法 19-25 2.2.1 灰度投影法的基本思想 19-20 2.2.2 灰度投影法的改进措施 20-25 2.3 最小二乘背景运动量预测 25-27 2.3.1 最小二乘原理 25-26 2.3.2 N 点线性逼近预测算法 26-27 2.4 最小二乘预测的灰度投影背景补偿算法实现 27-31 2.4.1 图像预处理 27-28 2.4.2 背景运动矢量预测 28-29 2.4.3 运动补偿 29-31 2.5 仿真实验 31-34 2.6 小结 34-35 第三章 光流法运动目标检测 35-51 3.1 基于梯度阈值的LK-HS 改进光流计算方法的必要性 35-36 3.2 光流法简介 36-37 3.2.1 光流思想 36 3.2.2 运动场和光流场 36-37 3.3 基于微分的光流计算方法 37-44 3.3.1 光流基本约束方程 37-38 3.3.2 Horn-Schunck 光流计算方法 38-41 3.3.3 Lucas-Kanade 光流计算方法 41-43 3.3.4 五点约束最小二乘光流计算方法 43-44 3.4 基于微分的光流计算方法的改进 44-48 3.4.1 基于梯度阈值的Horn-Schunck 光流计算方法 44-45 3.4.2 LK-HS 光流计算方法 45-47 3.4.3 基于梯度阈值的LK-HS 改进光流计算方法 47-48 3.5 仿真实验 48-50 3.6 小结 50-51 第四章 动态背景下光流运动目标检测 51-60 4.1 背景运动补偿与光流计算相结合的动态背景运动目标检测方法 51 4.2 动态背景运动目标检测 51-57 4.2.1 结合预测的灰度投影法动态背景补偿 52-53 4.2.2 梯度阈值LK-HS 光流方法运动目标检测 53-55 4.2.3 运动目标识别 55-57 4.3 仿真实验 57-59 4.4 小结 59-60 第五章 动态背景运动目标检测系统设计与实现 60-66 5.1 系统工作流程 60-61 5.2 功能模块简介 61-65 5.2.1 图像捕获模块 61 5.2.2 图像预处理模块 61-62 5.2.3 动态背景补偿模块 62-63 5.2.4 运动目标检测模块 63-65 5.3 小结 65-66 第六章 总结与展望 66-68 6.1 工作总结 66 6.2 研究展望 66-68 参考文献 68-71 发表论文和科研情况说明 71-72 致谢 72-73
|
相似论文
- 双传感器图像联合目标检测及系统实现研究,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
- 基于运动目标轨迹分析的智能交通监控系统,TP277
- 基于视频的运动目标检测与跟踪方法应用研究,TP391.41
- 基于支持向量机的视频目标检测方法研究,TP391.41
- 基于主动视觉的运动目标检测与跟踪研究,TP391.41
- 嵌入式多参数环境智能监测系统的设计与实现,TP274
- 视频监控运动目标检索方法研究,TP391.41
- 安防监控系统中运动目标检测算法研究,TP391.41
- 基于视频监控的特定目标识别研究,TP391.41
- 复杂目标视觉注意模型研究,TP391.41
- 基于图像信息的运动目标检测与跟踪算法研究,TP391.41
- 运动目标检测与跟踪的研究,TP391.41
- 视频图像中的运动目标检测与跟踪,TP391.41
- 基于Davinci技术的车辆检测与跟踪算法的研究与实现,TP301.6
- 高光谱影像图谱信息目标检测研究,TP391.41
- 运动目标跟踪系统的设计与实现,TP391.41
- 智能视频监控中的目标检测技术研究,TP391.41
- 多摄像头目标检测与跟踪方法研究,TP391.41
- 工业应用中的目标检测与精确定位技术,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
|