学位论文 > 优秀研究生学位论文题录展示

监控视频中基于背景减除的遗弃行李检测方法

作　者: 宁文鑫
导　师: 林行刚
学　校: 清华大学
专　业: 信息与通信工程
关键词: 遗弃行李高斯混合模型多层码本模型梯度方向直方图行人检测
分类号: TP391.41
类　型: 硕士论文
年　份: 2011年
下　载: 53次
引　用: 0次
阅　读: 论文下载

内容摘要

公共场所中的遗弃行李是一种危险的安全隐患，许多地方发生过隐藏在遗弃行李中的炸弹爆炸的事件。随着近年来监控摄像头的广泛应用，工作人员观看全部监控视频并及时发现异常事件变得越来越难，监控系统的智能检测功能变得十分必要，其中遗弃行李检测是一个重要的研究课题。研究者们提出了多种遗弃行李检测方法。但已有的方法或是鲁棒性较差，不适应复杂的监控场景，或是计算复杂度较高，无法满足实时检测的需求。为了探索这一问题，本文在背景减除算法的基础上提出了两种分别基于高斯混合模型和多层码本模型，并结合多种图像特征和算法的遗弃行李检测算法框架。基于高斯混合模型的遗弃行李检测方法首先使用一个修改了更新策略的高斯混合模型检测监控场景的前景区域，并使用时域滤波器获得遗弃行李区域。对于行人密集和光照变化的复杂场景，使用运动区域滤波的方法消除行人的影响，使用线性光照补偿模型部分消除光照的影响，增强了系统的鲁棒性。基于多层码本模型的遗弃行李检测算法首先使用一个四层结构的码本模型检测场景中的稳定区域作为可疑区域，之后结合梯度方向直方图特征设计一种消除光照影响的新机制，消除光照变化的影响。最后使用基于层级式梯度直方图的快速行人检测算法消除行人造成的虚警，最终得到遗弃行李区域。在计算过程中，本算法优化了多层码本模型的更新计算，并在消除光照和行人影响时使用了相同的特征数据，整体计算复杂度较低。实验结果表明，这两种遗弃行李检测算法框架在标准数据库PETS2006和i-LIDS数据库上都取得了较好的检测结果，准确检测出了遗弃行李，在复杂情况的场景中测试也表现出了较好的鲁棒性。此外，本文还在长时间监控视频上测试了两种算法框架的稳定性和计算速度。在320×240分辨率的监控视频上，基于高斯混合模型和多层码本模型的检测算法框架分别达到了19帧每秒和67帧每秒的检测速度。

全文目录

摘要  3-4
Abstract  4-9
第1章引言  9-17
  1.1 研究背景  9-10
  1.2 研究难点  10-12
    1.2.1 行李多样性  10
    1.2.2 行人遮挡  10-11
    1.2.3 光照变化  11-12
    1.2.4 计算复杂度  12
  1.3 相关工作及研究现状  12-15
    1.3.1 基于目标跟踪算法的遗弃行李检测  13-14
    1.3.2 基于背景减除的遗弃行李检测  14-15
  1.4 论文工作及主要贡献  15
  1.5 本文结构安排  15-17
第2章遗弃行李检测研究基础  17-31
  2.1 引言  17
  2.2 高斯混合模型  17-20
    2.2.1 高斯混合模型结构  18-19
    2.2.2 高斯混合模型更新策略  19
    2.2.3 前景检测方法  19-20
  2.3 码本模型  20-24
    2.3.1 码本模型结构  21
    2.3.2 码本模型训练步骤  21-22
    2.3.3 码本模型精简策略  22
    2.3.4 码字匹配模型  22-23
    2.3.5 前景检测方法  23-24
  2.4 梯度方向直方图背景模型  24-28
    2.4.1 梯度方向直方图的计算  25-26
    2.4.2 梯度方向直方图背景模型结构  26-28
  2.5 基于层级式梯度直方图的快速行人检测算法  28-30
    2.5.1 基于矩阵的检测结构  28-29
    2.5.2 层级式梯度直方图索引矩阵  29-30
  2.6 本章小结  30-31
第3章基于高斯混合模型的遗弃行李检测方法  31-45
  3.1 引言  31-33
  3.2 算法描述  33-38
    3.2.1 改进更新策略的高斯混合模型  33
    3.2.2 时域加权滤波器  33-35
    3.2.3 运动区域检测  35-36
    3.2.4 光照补偿模型  36-38
  3.3 实验结果  38-43
    3.3.1 PETS2006 数据库测试结果  38-40
    3.3.2 i-LIDS 数据库测试结果  40-41
    3.3.3 人群密集公共场所测试结果  41
    3.3.4 光照变化场景测试结果  41-42
    3.3.5 长时间运行测试结果  42-43
  3.4 本章小结  43-45
第4章基于多层码本模型的遗弃行李检测研究  45-61
  4.1 引论  45-46
  4.2 多层码本模型  46-51
    4.2.1 多层码本模型结构  46-47
    4.2.2 码字匹配和更新  47-49
    4.2.3 模型更新与检测  49-51
  4.3 消除光照影响的机制  51-52
  4.4 基于梯度方向直方图的行人检测  52-53
  4.5 实验结果  53-59
    4.5.1 PETS2006 数据库测试结果  54-56
    4.5.2 i-LIDS 数据库测试结果  56
    4.5.3 人群密集公共场所测试结果  56-57
    4.5.4 光照变化场景测试结果  57-58
    4.5.5 长时间运行测试结果  58-59
  4.6 本章小结  59-61
第5章总结与展望  61-63
  5.1 总结  61-62
  5.2 不足与展望  62-63
参考文献  63-68
致谢  68-69
个人简历、在学期间发表的学术论文与研究成果  69

监控视频中基于背景减除的遗弃行李检测方法

内容摘要

全文目录

相似论文