学位论文 > 优秀研究生学位论文题录展示
监控图像中ROI提取及目标检测技术研究
作 者: 樊万梅
导 师: 孙棣华
学 校: 重庆大学
专 业: 控制科学与工程
关键词: 监控图像 重点监控区域分割 ROI提取 多目标检测
分类号: TP391.41
类 型: 硕士论文
年 份: 2011年
下 载: 96次
引 用: 0次
阅 读: 论文下载
内容摘要
目前,基于静态单帧图像的监控模式主要应用于监控点分布较广、实时性要求不高与不需要连续监控的应用场景中。其中,监控图像中的感兴趣区域(Region of Interest, ROI)提取与目标检测是实现监控智能化的关键。与基于连续视频序列分析的监控模式相比,由于静态单帧图像中未包括目标的运动信息且场景各异,传统的基于运动检测的目标提取与检测方法难以适用,加大了监控场景中ROI提取与目标检测的难度。为此,研究适应场景变化的ROI提取与目标检测方法具有重要的现实意义和理论价值。本文针对静态单帧图像监控模式,围绕监控图像中重点监控区域分割、ROI提取与目标检测识别三方面进行研究,以获得满足智能监控更为可靠和实用的方法。在重点监控区域提取方面,结合重点监控区域的特点,提出了一种基于改进边缘检测的重点监控区域提取方法。首先通过引入快速小波变换去除光照、灯光等噪声对重点监控区域的影响。在此基础上,根据监控中心区域的概念,提出一种有效的重点监控区域边缘像素点采样方法,并建立边缘像素点评价方法,进一步去除了伪边缘像素点;最后,采用最小二乘法拟合重点监控区域的边缘像素点,获得重点监控区域的边缘。提出的算法运算量较小,且具有较高的精确度,能够较为准确地提取出图像中的重点监控区域。在ROI提取方面,针对在噪声与背景差异大于前景目标与背景差异时,基于颜色差异的方法无法正确提取出ROI的问题,提出了基于背景概率统计模型的ROI提取方法,实现重点监控区域前景和背景的分离。在此基础上,引入分块统计的思想来抑制背景噪声,从而提高了ROI提取的准确性。在多目标检测识别方面,给出了基于目标特征的级联检测算法。通过选取不同目标之间具有明显差异的轮廓特征量,建立基于模糊C均值聚类算法的轮廓特征检测器,实现物体目标和人体目标的粗分;进一步根据目标的感兴趣区域之间的颜色差异建立颜色特征检测器,实现物体目标和人体目标的正确识别。最后,结合提出的重点监控区域分割提取、ROI提取及目标检测算法,利用典型室内外监控场景图像,进行了实验研究。实验结果表明,本文提出的算法能有效地实现重点监控区域的分割、ROI的提取以及物体目标和人体目标间的正确区分,促进了静态图像智能化监控的发展。
|
全文目录
中文摘要 3-4 英文摘要 4-8 1 绪论 8-14 1.1 课题的背景及意义 8-10 1.1.1 课题的背景 8-9 1.1.2 技术难点及研究意义 9-10 1.2 国内外研究现状 10-11 1.2.1 ROI 提取技术研究现状 10-11 1.2.2 目标检测技术研究现状 11 1.3 论文主要内容及章节安排 11-14 2 ROI 提取及目标检测方法的提出 14-18 2.1 应用背景简介 14-15 2.2 现有监控方法分析 15 2.3 提出的监控方法 15-17 2.4 本章小结 17-18 3 基于边缘检测的重点监控区域分割 18-36 3.1 重点监控区域分割的提出 18-19 3.2 常见的重点监控区域分割方法 19-23 3.2.1 阈值分割方法 19-21 3.2.2 边缘检测方法 21-22 3.2.3 基于区域的分割方法 22 3.2.4 结合特定理论的图像分割方法 22-23 3.3 提出的基于边缘信息的重点监控区域分割方法 23-31 3.3.1 重点监控区域特点分析 23 3.3.2 重点监控区域分割提取算法的框架 23-24 3.3.3 基于小波变换的图像去噪方法 24-28 3.3.4 改进的重点监控区域边缘检测方法 28-31 3.4 实验结果与分析 31-35 3.5 本章小结 35-36 4 重点监控区域的 ROI 提取 36-52 4.1 常见的ROI 提取方法 36-42 4.1.1 基于图像分割的ROI 提取方法 36-40 4.1.2 基于视觉特征的ROI 提取方法 40-42 4.2 基于背景统计模型的ROI 提取方法的提出 42-49 4.2.1 重点监控区域背景的统计分布 42-43 4.2.2 重点监控区域背景概率分布模型 43-44 4.2.3 重点监控区域前景检测 44-47 4.2.4 基于改进的图像分块的ROI 提取 47-49 4.3 监控图像ROI 提取的实验结果 49-51 4.4 本章小结 51-52 5 基于多特征的目标检测 52-64 5.1 ROI 的特征分析及选取 52-53 5.1.1 ROI 的特征分析 52-53 5.1.2 ROI 的特征选取 53 5.2 基于特征的目标检测算法 53-60 5.2.1 监控图像目标检测算法框架 53-54 5.2.2 轮廓特征检测器 54-59 5.2.3 颜色特征检测器 59-60 5.3 实验结果与分析 60-62 5.4 本章小结 62-64 6 监控图像中 ROI 提取及目标检测实验及结果 64-74 6.1 实验数据及实验环境 64 6.2 实验算法流程 64-66 6.3 典型场景下的ROI 提取与多目标检测实验结果及分析 66-73 6.3.1 室外场景下的人体目标检测 66-69 6.3.2 室内场景下的多目标检测 69-73 6.4 小结 73-74 7 总结与展望 74-76 致谢 76-78 参考文献 78-84 附录 84 A. 作者在攻读学位期间发表的论文目录 84 B. 作者在攻读学位期间参与的科研项目 84
|
相似论文
- 运动目标识别视频监控系统设计与实现,TP391.41
- 人群行为分析算法研究与实现,TP391.41
- 运动载体视频图像融合技术研究,TP391.41
- 多摄像机全景监控系统研究及解决方案,TP391.41
- 视频监控系统中的多目标检测与跟踪技术研究,TP391.41
- 基于嵌入式的车载监控终端的设计与实现,TP368.1
- 基于RFB协议跨平台网络远程监控技术的研究与实现,TN915.06
- 公共场所监控图像采集利用中的隐私权保护,D923
- 图像质量客观评价方法的研究与实现,TP391.41
- 基于图像处理的袋装仓粮食数量智能测算的研究,TP391.41
- 基于DSP的车站视频图像处理平台的设计,TP391.41
- 视频信号网络自适应传输模式研究,TN919.8
- 基于视频的森林火灾识别方法研究,TP391.41
- 视频监控中多目标检测与跟踪算法研究,TP391.41
- 基于视频图像的运动目标检测与跟踪技术研究,TP391.41
- 基于Hough变换的微弱目标检测方法研究,TP391.41
- 运动目标的检测与跟踪算法研究,TP391.41
- 袋装粮食储备智能监管与稽核系统技术研究,TP391.41
- 智能视频监控系统研究,TP277
- 基于嵌入式Linux无线远程图像监控系统的研究,TP277
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
|