学位论文 > 优秀研究生学位论文题录展示
公共场所运动目标检测与行为分析
作 者: 周钢
导 师: 吴有富
学 校: 贵州民族学院
专 业: 概率论与数理统计
关键词: 运动检测 目标跟踪 傅里叶描绘子 主成份分析 自组织神经网络 行为分析与理解 异常行为检测
分类号: TP391.41
类 型: 硕士论文
年 份: 2010年
下 载: 50次
引 用: 0次
阅 读: 论文下载
内容摘要
运动目标检测、跟踪及其行为分析是计算机视觉领域的三大基本课题。本文通过对相关资料的搜集、整理、分析,以公共场所的视频监控目标为研究对象,主要研究了一些主流的运动目标检测、跟踪及其行为分析算法。为了克服传统方法的不足,本文采用了自适应背景更新和最大方差自适应阈值分割算法有效地检测出运动目标。在此基础上结合YIQ肤色模型与检测到的运动信息实现了对肤色运动目标的检测。在行为分析与理解阶段,我们着重研究了傅里叶描绘子对目标边界的描绘能力,提出了基于主成份分析与手掌结构特征相结合的方式,将手掌从手势图中精确分割出来的算法。最后引用自组织神经网络(Self-Organizing Map)分析手掌的运动轨迹特征,建立了超市环境下的异常行为检测模型,从而实现了对超市的智能监控,为未来的商业监控提供了一个可供选择的技术手段。实验结果表明,我们的方法是有效的。
|
全文目录
摘要 2-3 Abstract 3-6 1. 绪论 6-11 1.1. 课题立题背景 6 1.2. 国内外研究动态 6-8 1.3. 存在的问题与挑战 8-9 1.4. 本文主要研究内容 9 1.5. 本文主要创新点 9-10 1.6. 本文剩余部分的结构安排 10-11 2. 运动检测与分割 11-20 2.1. 运动检测算法回顾 11-17 2.1.1. 基于背景模型的背景差技术 11-14 2.1.2. 基于时间微分的帧差技术 14-15 2.1.3. 基于光流的方法 15-16 2.1.4. 肤色动目标的检测 16-17 2.2. 运动分割 17-19 2.2.1. Otsu 最大方差自动阈值分割法 17-19 2.3. 本章小结 19-20 3. 目标跟踪 20-33 3.1. 特征提取 20-30 3.1.1. 面积 21 3.1.2. 质心 21 3.1.3. 长短轴 21-22 3.1.4. 傅里叶描绘子 22-23 3.1.5. 不变矩 23-26 3.1.6. 主成份分析 26-30 3.2. 预测跟踪技术 30-32 3.2.1 基于kalman 的滤波跟踪 30-32 3.3. 本章小结 32-33 4. 行为分析及理解 33-45 4.1.S0M 模型介绍 33-36 4.1.1. 相似性测量 34 4.1.2. 向量归一化 34-35 4.1.3. 竞争学习规则 35-36 4.2. 基于SOM 的曲线分类 36-38 4.3. 基于SOM 的超市环境中购物人异常行为检测 38-44 4.3.1. 手掌的精确定位 39-41 4.3.2. 设置SOM 网络参数 41 4.3.3. 基于SOM 的异常检测 41-42 4.3.4. 实验结果展示 42-44 4.4. 本章小结 44-45 结论与展望 45-46 致谢 46-47 参考文献 47-51 附录 51-52
|
相似论文
- 带径向速度观测的跟踪算法研究,TN953
- 基于VRPF的机动目标跟踪的研究,TN957.52
- 多传感器组网及反隐身、抗干扰接力跟踪技术研究,TN953
- 空间交会接近视觉测量方法研究,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
- 基于粒子滤波的自主机器人视觉目标跟踪研究,TP242
- 红外图像目标识别及跟踪技术研究,TP391.41
- 空间红外目标仿真与跟踪技术研究,TP391.41
- 基于运动目标轨迹分析的智能交通监控系统,TP277
- 基于支持向量机的视频目标检测方法研究,TP391.41
- 无线传感器网络的目标跟踪算法研究,TN929.5
- 我国商业银行银行卡业务竞争力研究,F832.2
- 基于主动视觉的运动目标检测与跟踪研究,TP391.41
- 基于无线传感器网络的目标定位跟踪研究,TN929.5
- 基于语音生成和获取中声音分类学习的神经模型研究,TN912.3
- 运动检测技术在智能监控系统中的应用,TP277
- 视频监控运动目标检索方法研究,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
- 车载红外图像的行人检测与跟踪技术,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
|