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

监控图像中ROI提取及目标检测技术研究

内容摘要

全文目录

相似论文