学位论文 > 优秀研究生学位论文题录展示
基于多模信息融合的公共区域视频监控系统研究
作 者: 张弢
导 师: 刘载文
学 校: 北京工商大学
专 业: 控制理论与控制工程
关键词: 视频监控系统 运动目标检测 背景减除法 时域差分法 目标识别 D-S证据理论 多特征信息融合
分类号: TP391.41
类 型: 硕士论文
年 份: 2010年
下 载: 23次
引 用: 0次
阅 读: 论文下载
内容摘要
视频监控系统是信息科学、计算机科学、机器视觉等学科理论及各种硬件和技术相结合的综合系统,可以为突发性事件的取证、分析、研究提供及时、全面和可靠的信息,帮助管理人员合理调动资源,有针对性地制定解决方案,从而提高安全防范水平。视频监控以其在城市治安管理上的独特优势,已经成为当今人工智能领域的一个研究热点。然而,目前的视频监控系统结构简单,其各部分的算法仍存在一些缺陷,因此迫切需要采取更先进的技术,提高视频监控系统在实际应用中的可行性、稳定性和实时性。本文从视频监控系统的整体结构入手,运用智能信息处理的相关技术,对其中涉及到的相关理论方法进行研究。首先,针对运动目标检测过程易受背景抖动、环境光线变化等外界因素干扰而造成目标提取失败这一问题,提出一种基于时域差分法和背景减除法相结合的运动目标检测方法,降低了噪声对目标检测所造成的误判,并且对背景扰动、阴影等影响有较好地抑制作用,使检测的准确率明显提高;其次,在对运动目标识别与分类的研究中,采用D-S(Dempster-Shafer)证据理论对运动目标的面积、速度和形状复杂度进行多特征信息融合。针对D-S证据理论在证据高冲突下失效这一问题,采用一种优化权值分配模型的改进方法,有效地消除了冲突证据对融合结果的影响,使目标识别的结果更加合理、客观;最后,将基于参数化主动轮廓模型的目标跟踪方法应用于本文设计的基于多模块信息融合的视频监控系统中。该系统通过集成运动检测模块、头部检测模块、目标识别模块、主动轮廓跟踪四个模块,克服单个模块的局限性来提高监控系统整体性能,为复杂环境下的运动目标的检测、识别与跟踪提供了一种新途径。本文对提出的运动目标检测方法、目标识别分类方法以及开发的视频监控系统进行了大量的实验,验证了这些方法在实际应用中的有效性,具有一定的理论价值和实用价值。
|
全文目录
摘要 3-4 ABSTRACT 4-7 第一章 绪论 7-13 1.1 课题来源及背景 7 1.2 课题研究目的和意义 7-8 1.3 视频监控系统概述 8-11 1.3.1 视频监控系统的发展历史 8-9 1.3.2 视频监控系统的功能及结构 9-10 1.3.3 视频监控系统的研究现状 10-11 1.4 论文研究的内容及章节安排 11-12 1.5 本章小结 12-13 第二章 基于背景减除与时域差分相结合的运动目标检测 13-25 2.1 常用的运动目标检测方法 13-16 2.1.1 背景减除法 13-14 2.1.2 时域差分法 14 2.1.3 光流法 14-16 2.2 一种改进的运动目标检测及自适应背景更新方法 16-21 2.2.1 视频图像的预处理 16-17 2.2.2 背景模型的建立 17-18 2.2.3 背景更新策略 18-20 2.2.4 前景目标提取 20-21 2.2.5 后处理 21 2.3 实验结果与分析 21-24 2.4 本章小结 24-25 第三章 基于多特征信息融合的目标识别 25-38 3.1 目标识别方法概述 25-26 3.2 信息融合的原理 26-30 3.2.1 信息融合定义 27 3.2.2 信息融合的基本模型及结构 27-29 3.2.3 信息融合在目标识别中的应用 29-30 3.3 改进的D-S 证据理论目标识别算法 30-35 3.3.1 D-S 证据理论 30-31 3.3.2 D-S 证据理论的失效问题 31-32 3.3.3 冲突证据处理算法 32-35 3.4 证据理论在目标识别中的应用 35-37 3.4.1 特征提取 35-36 3.4.2 多特征信息融合 36-37 3.4.3 实验结果与分析 37 3.5 本章小结 37-38 第四章 基于主动轮廓模型的运动目标跟踪 38-50 4.1 运动目标跟踪方法概述 38-40 4.2 主动轮廓模型及其相关理论 40-45 4.2.1 主动轮廓模型的分类 40-41 4.2.2 主动轮廓模型的表示法 41-42 4.2.3 能量函数最小化算法 42-45 4.3 基于snake 模型的目标跟踪 45-49 4.3.1 初始轮廓线的设定 45-48 4.3.2 实验结果与分析 48-49 4.4 本章小结 49-50 第五章 基于多模信息融合视频监控系统的设计实现 50-56 5.1 系统总体结构设计 50-52 5.2 系统功能模块描述 52-55 5.2.1 运动检测模块 52-54 5.2.2 头部检测模块 54 5.2.3 目标识别模块 54-55 5.2.4 主动轮廓跟踪模块 55 5.3 本章小结 55-56 第六章 总结与展望 56-58 6.1 本文完成的主要工作及创新 56 6.2 进一步研究展望 56-58 参考文献 58-62 附录 62-68 在学期间发表的学术论文与研究成果 68-69 致谢 69
|
相似论文
- 空间目标ISAR成像仿真及基于ISAR像的目标识别,TN957.52
- 基于智能学习的多传感器目标识别与跟踪系统研究,TP391.41
- 双传感器图像联合目标检测及系统实现研究,TP391.41
- 红外超光谱图像的虚拟探测器研究,TP391.41
- 图像实时采集、存储与处理方法研究,TP391.41
- 空中目标抗干扰识别跟踪系统,TN215
- 红外图像目标识别及跟踪技术研究,TP391.41
- 水下目标特征的压缩与融合技术研究,TN911.7
- 基于物联网的农产品安全监控系统与决策系统研究,TP277
- 嵌入式多参数环境智能监测系统的设计与实现,TP274
- SAR成像目标识别子区选取与匹配方法研究,TN957.52
- 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3G网络的智能交通视频监控系统的设计与实现,TP391.41
- 基于视频监控的特定目标识别研究,TP391.41
- 基于HMM的社交网络连接关系研究,F49
- 基于证据理论和语义细胞模型的多标签音乐情感识别研究,TP391.41
- 水质时序数据处理及预警系统数据库构建技术研究,TP274
- 基于信息融合的转基因食品安全评估,TS201.6
- 视频监控系统中的运动目标检测算法研究,TP391.41
- 网上银行服务质量评价模型研究,F830.4;F224
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
|