学位论文 > 优秀研究生学位论文题录展示

基于帧间差分的运动目标稳健检测方法

作　者: 冯尧文
导　师: 吴立刚
学　校: 哈尔滨工业大学
专　业: 控制科学与工程
关键词: 混合高斯模型虚警率滤波前景分割
分类号: TP391.41
类　型: 硕士论文
年　份: 2011年
下　载: 80次
引　用: 0次
阅　读: 论文下载

内容摘要

运动目标检测技术是计算机视觉领域中一个前沿的应用课题和研究热点。随着互联网技术和数字视频技术的飞速发展,计算机视觉正向着智能化和网络化转变。机器视觉的目的就是研究如何使得机器具有与人类相似的视觉处理能力,从而能够使其协助甚至替代人类工作。运动目标检测技术是机器视觉领域的关键问题,也是动态视觉信息获取的必要过程。运动目标检测几乎是所有视觉监控系统的开始,旨在将图片中与运动目标相关的区域同其他区域分割开来。运动目标检测的研究具有很强的理论和实际意义。运动目标检测技术具有广阔的应用空间和巨大的潜在应用价值。近几年,国内外众多学者一直致力于运动目标检测的研究,一些著名的检测系统也应运而生。现有方法大多针对的是特定背景,对背景中某一个突出的影响因素取得了很好的效果,并不能完全解决复杂背景给运动目标检测带来的影响。运动目标检测不仅是一项热点的理论课题,也是一项亟待解决的工程课题。实际的视觉系统工作的环境非常复杂,提高系统的适用性十分迫切。而要提高视觉系统的适用性就必须解决在复杂场景中动目标的鲁棒检测问题,解决的关键在于:1)对复杂背景的统计建模;2)采用鲁棒的检测技术。鉴于此,本文对复杂背景的运动目标检测做了深入的研究,并提出了一种运动目标检测的算法:1.研究了帧间差分法的原理,分析了传统帧间差分方法的优势和不足,以每个像素点的帧差序列作为建模对象,采用混合高斯模型为数据建模。2.引入目标的统计与检测理论及虚警率的概念。依据门限检测的方法,建立检测门限和虚警率之间的函数关系,提出了以一元线性回归为基础的背景更新策略。经过以上方法求出的门限值对差分图片进行二值化处理后,运动目标轮廓清晰可见,复杂背景转化为轮廓周围离散的点状噪声。3.比较了各种滤波方法和边缘检测方法,提出了以非0像素点重心为基础的去噪方法和前景分割的方法。以上方法,都经过了大量实验的验证,取得了比较满意的效果。

全文目录

摘要  4-5
Abstract  5-10
第1章绪论  10-19
  1.1 研究运动目标检测的意义  10-11
  1.2 运动目标检测的概念  11-12
  1.3 运动目标检测的难点  12
  1.4 运动目标检测方法综述  12-18
    1.4.1 国内外研究现状  12-13
    1.4.2 运动目标检测的常用方法  13-18
  1.5 本文结构安排  18-19
第2章帧间差分数据的统计分析与高斯混合模型  19-33
  2.1 引言  19
  2.2 帧间差分的分析和研究  19-21
  2.3 背景建模  21-24
    2.3.1 建模对象的选取  21-22
    2.3.2 随机过程的思想  22-24
  2.4 高斯模型和混合高斯模型  24-28
    2.4.1 研究高斯模型的意义  24-25
    2.4.2 高斯分布  25
    2.4.3 混合高斯分布  25-26
    2.4.4 差值序列的数据统计特性  26-28
  2.5 矩估计法  28-32
    2.5.1 矩方法的理论依据  28-30
    2.5.2 矩方法求取模型参数  30-32
  2.6 本章小结  32-33
第3章目标的统计检测  33-59
  3.1 引言  33
  3.2 估计与检测理论简介  33-34
  3.3 门限检测的原理  34-40
    3.3.1 虚警率的概念  34-36
    3.3.2 Neyman-Person 定理  36-37
    3.3.3 虚警率在运动目标检测中的应用  37-40
  3.4 门限值的求法  40-42
  3.5 背景更新算法  42-47
    3.5.1 背景更新算法综述  42-43
    3.5.2 背景更新的主要思路  43-44
    3.5.3 一元线性回归  44-45
    3.5.4 线性回归方程参数的求解  45-46
    3.5.5 背景更新算法总结  46-47
  3.6 系统简介及实验分析  47-57
    3.6.1 系统简介  47-52
    3.6.2 实验结果及分析  52-57
  3.7 本章小结  57-59
第4章后处理方法——滤波和前景分割  59-72
  4.1 引言  59
  4.2 噪声点的去除  59-65
    4.2.1 小波滤波  59-61
    4.2.2 中值滤波  61-62
    4.2.3 均值滤波  62-63
    4.2.4 高斯滤波  63
    4.2.5 膨胀和腐蚀  63-64
    4.2.6 本文的滤波方法  64-65
  4.3 前景分割  65-71
  4.4 本章小结  71-72
结论  72-74
参考文献  74-79
攻读硕士学位期间发表的论文及其它成果  79-81
致谢  81

基于帧间差分的运动目标稳健检测方法

内容摘要

全文目录

相似论文