学位论文 > 优秀研究生学位论文题录展示

视频多目标分割、宏特征描述与状态检测技术

作　者: 张文涛
导　师: 李在铭
学　校: 电子科技大学
专　业: 通信与信息系统
关键词: 多目标运动分析自适应背景学习运动区域检测特征提取宏形状特征特征点集波动度特征状态辩识矩阵视频检索与索引智能视频监控
分类号: TN919.8
类　型: 博士论文
年　份: 2000年
下　载: 1070次
引　用: 9次
阅　读: 论文下载

内容摘要

社会需求是技术发展的重要因素，诸多应用促进了视频处理技术的发展。军事上，由于具有诸多优点，红外成像制导技术成为精确制导技术的主流，该技术通过视频处理手段完成军用目标的智能跟踪；多媒体视频通信与应用技术中，由于视频数据量庞大，网络带宽问题一直制约网络多媒体产品的普及。一种有效解决方案是采用视频编码思想，尤其是第二代视频编码标准，该技术在获得更高压缩比同时，提供更广阔的多媒体应用平台；交通管理系统中，为检测交通流量参数，人们提出利用磁性环检测器来统计交通状况的方法。但这种技术设备安装比较麻烦，并且不能完成诸如车队长度、跟踪或牌号识别等复杂度高的任务。为此，近年来提出基于视频处理理论的智能交通参数检测技术；各种监控系统中，由于基于视频处理技术的智能监控系统能实时、准确地提供被观测场景信息，而使此类系统得到了广泛应用。上述应用有利地推动了视频处理技术的发展，也使得对该技术的研究十分必要而有意义。尽管应用场合不同，但这些应用的实现都依赖于某些关键性的视频处理技术。如红外成像制导技术中需要研究红外图像中背景与噪声的抑制，图像目标的分割与特征提取，分割后运动目标的跟踪；第二代视频编码技术需要将图像分割为运动前景、背景等各个对象，分析各对象纹理、运动、形状、模型和高层次语义；在智能交通参数检测与监控系统中，需要对所分析运动目标进行区域检测、特征参数提取、状态识别与运动个体跟踪。上述应用表明，对于视频处理技术共同的关键技术点进行研究是十分重要与必要的。因此，本文着重对多目标视频序列共同关键技术进行研究，具体表现在对多目标场景下的运动目标/背景分层，运动区域提取，几何特征参数提取、扫描，多运动状态检测与运动跟踪技术进行研究。现介绍研究成果如下。进行运动区域提取时，多数文献都直接采用邻帧差分检测法或光流场迭代法。或在邻帧差分后，采用在原视频帧空域搜索的方法。这些方法或影响了检测精度，或增加了检测运算量。鉴于此，本文分析、建立了邻帧差分运动区域检测方法对应的各类图像区域的数学模型关系，讨论了邻帧差分算法的缺陷。为克服邻帧差分运动区域估计中误差因素，本文从视频序列分层角度出发，研究固定场景下无运动目标的视频序列背景重建、恢复技术，提出以背景差分替代邻帧差分的解决方案。该思想从根本上消除了目标重迭现象，提高了运动目标区域检测精度。同时，我们算法在检测速度、背景学习精度上都高于同类背景学习的文献的检测性能。在进行多目标视频序列技术分析时，我们常常需要到对二值化后的多目标区域面积、周长、外围矩形边界与形心等特征参数进行统计。对于上述参数的检测，通常都采用串行处理方法，这种方法的检测时间与目标数目成正比例变化。为快速获得这些几何参数，我们设计了一个快速参数提取技术。该技术仅对二值化图像扫描一次，即可获得面积、周长、外围矩形边界与形心等参数，检测时间基本上与目标数目无关。目标视觉宏观形状具有估计精度高、性能较稳定等优点，常被作为目标特征用于运动分析系统中。目标宏观形状是由目标宏形状特征点集构成的，在图像轮廓特征点集特征较明显情况下，本文研究多目标轮廓特征点集检测、提取技术。并对 Hausdnd距离点集匹配技术进行改进，用于目标间匹配与跟踪。某些场合下，为克服噪声的影响，或达到对不同外形目标间的辩识、匹配，或减少特征数据量，需研究新的形状识别特征。鉴于此，本文研究将目标边界分段波动统计度作为目标轮廓几何特征描述方法。与基于视觉特征点集检测技术相比，该特征失量以目标边界统计波动程度作为目标形状特征，能较好体现目标整体轮廓形状波动程度，有效克服个别随机噪声点对目标边界干扰，满足某些运动分析系统需要。此外，本文还提出基于目标形状波动度的目标匹配技术，研究存在噪声干扰、尺度变化等情况下目标匹配问题。多目标运动分析系统中，多数文献只研究正常运动状态下的目标跟踪问题。然而，多目标视频序列运动分析系统不仅应具有对处于正常运动状态的可跟踪能力，更应具备对各种运动状态的辨识性及跟踪策略自适应性。为此，我们提出多目标运动状态辨识矩阵理论，通过分析跟踪系统中的运动状态辨识矩阵来检测各种运动状态。该技术允许复合运动状态存在，可同时对处于正常跟踪、目标分裂、目标融合、进入视场与离开视场等各种运动状态下的多目标予以跟踪、监控。同时对于各种运动状态采取相应的调整策略，以提高系统的工作性能。 2 交通路况智能检测系统是一个典型运用视频运动分析理论的多目标车流量检测技术。以本文前述理论为基础，我们开发了用于流量检测软件演示系统。该系统能完成包括车辆个体速度统计、车队队长、平均车速统计、车辆在检测场景内行进时间及某?

全文目录

中文摘要  7-11
英文摘要  11-15
第一篇：基础理论篇  15-57
  第一章绪论  15-27
    1．1 研究背景及意义  15-17
    1．2 相关运动目标视频序列处理技术发展动态  17-22
    1．3 本文主要工作与研究成果  22-24
    1．4 论文安排  24-27
  第二章摄像机成像、目标·背景·噪声模型  27-39
    2．1 摄像机模型与速度场模型分析  27-33
    2．2 视频序列运动目标·背景·噪声模型分析  33-36
    2．3 噪声模型分布特性研究  36-37
    2．4 本章小结  37-39
  第三章缓变场景视频序列自适应背景学习与高速运动目标、背景分层  39-57
    3．1 邻帧差分运动检测技术性能分析  40-43
    3．2 自适应背景学习技术  43-50
    3．3 基于自适应背景学习的运动目标分割技术  50
    3．4 测试结果与分析  50-55
    3．5 本章小结  55-57
第二篇：关键技术实现篇  57-105
  第四章动目标紧支域几何特征快速提取技术  57-69
    4．1 研究背景及意义  57
    4．2 动目标紧支连通域划分模型与几何特征描述  57-61
    4．3 部分几何特征参数快速提取技术实现  61-66
    4．4 计算机仿真与分析  66-67
    4．5 本章小结  67-69
  第五章运动目标紧支域轮廓宏形状特征点集识别系统  69-81
    5．1 多目标宏形状描述理论与检测方案  69-73
    5．2 多目标宏形状检测器软件算法实现  73-78
    5．3 运动目标宏形状识别与匹配技术  78-80
    5．4 本章小结  80-81
  第六章紧支域轮廓分段波动度目标识别技术  81-95
    6．1 研究背景及意义  81-82
    6．2 目标形状波动度特征模型  82-85
    6．3 基于波动度特征的运动区域求精分割技术  85-89
    6．4 基于波动度特征的异类运动目标识别、过滤技术  89-93
    6．5 本章小结  93-95
  第七章视频序列多运动状态检测与跟踪技术  95-105
    7．1 研究背景及意义  95-96
    7．2 多目标区域检测技术  96-98
    7．3 多目标运动状态估计与辩识技术  98-101
    7．4 多状态辩识与跟踪调整技术  101-103
    7．5 测试结果与分析  103-104
    7．6 本章小结  104-105
第三篇：系统应用篇  105-131
  第八章汽车通道、路口车流信息视频检测技术  105-123
    8．1 问题的提出  105
    8．2 车流信息数字视频检测系统任务与基本结构  105-107
    8．3 汽车通道交通状态及参数描述  107-108
    8．4 各交通状态下交通信息参数检测技术实现  108-111
    8．5 牌号识别技术  111-118
    8．6 测试结果与分析  118-121
    8．7 本章小结  121-123
  第九章静态实体视频序列可视防护、异常检测与按内容分析技术  123-131
    9．1 任务与功能框图实现  123-124
    9．2 可视静态防护与异常状态检测技术  124-125
    9．3 静态可视防护视频检索与高效编码技术  125-128
    9．4 计算机仿真与结果测试  128-130
    9．5 本章小结  130-131
全文总结  131-135
致谢  135-136
作者近年来已发表、已录用和已投稿的论文  136-137
参考文献  137-146

视频多目标分割、宏特征描述与状态检测技术

内容摘要

全文目录

相似论文