学位论文 > 优秀研究生学位论文题录展示
公共场景中运动目标的行为分析
作 者: 吴永武
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 Radon变换 Hu矩 曲线拟合 动目标跟踪 行为分析
分类号: TP391.41
类 型: 硕士论文
年 份: 2011年
下 载: 23次
引 用: 0次
阅 读: 论文下载
内容摘要
运动目标的行为分析是智能监控的高级阶段。本文通过对相关文献资料的搜集、整理和分析,以公共场景和场景中运动目标为研究对象,主要研究场景知识的参数提取和运动目标检测、分类、跟踪及其行为分析的算法。为了更快和更准确地检测出公路场景中的直线边界,我们将Hough变换和Radon变换进行比较,最后采用Radon变换来检测直线边界;在检测曲线型公路的边界时,我们采用三次多项式拟合的方法来实现;在检测运动目标时,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来有效地检测运动目标;为了有效地分类和跟踪运动目标,我们利用了运动目标的Hu矩特征;在运动目标的行为分析与理解阶段,我们从两个方面来进行分析,其一是基于边界的行为分析;其二是基于轨迹的行为分析,从而建立了公路场景中运动目标的异常行为检测模型,实现了对公路交通的智能监控,为未来的智能交通监控提供了一个可供选择的技术手段。实验结果表明,我们的算法是有效的。
|
全文目录
摘要 3-4 Abstract 4-7 1 绪论 7-13 1.1 课题立题的背景、目的和意义 7-8 1.2 国内外研究动态及存在的问题 8-10 1.3 本文的主要研究内容 10-11 1.4 课题研究的关键点 11 1.5 课题研究的创新点 11 1.6 本文剩余部分的安排 11-13 2 场景知识的参数提取 13-18 2.1 初始化背景 13 2.2 直线型公路边界的参数提取 13-16 2.3 曲线型公路边界的参数提取 16-17 2.4 本章小结 17-18 3 运动目标的检测与分割 18-22 3.1 运动目标的检测 18-19 3.2 运动目标的分割 19-21 3.3 本章小结 21-22 4 运动目标的特征提取 22-31 4.1 特征提取概述 22-23 4.2 不变矩特征 23-29 4.3 运动目标的面积和质心 29 4.4 运动目标特征化 29-30 4.5 本章小结 30-31 5 运动目标的分类与跟踪 31-36 5.1 ART 模型介绍 31-33 5.2 运动目标的分类 33-34 5.3 运动目标的跟踪算法 34-35 5.4 本章小结 35-36 6 运动目标的行为分析及理解 36-40 6.1 基于边界的动目标行为分析及理解 36-37 6.2 基于轨迹的动目标行为分析及理解 37-38 6.3 本章小结 38-40 7 实验结果及对比 40-53 7.1 边界线精确定位程度和偏差度的比较 40-42 7.2 两种变换计算时间复杂度的比较 42 7.3 轨迹的曲率实验 42-43 7.4 四种矩的实验对比 43-49 7.5 相关实验图片 49-53 8 结论与展望 53-54 结论 53 展望 53-54 参考文献 54-58 附录 58-59 致谢 59
|
相似论文
- 地波辐射源的调制类型识别与参数估计,TN957.51
- 基于机器视觉的光纤几何参数检测研究,TN253
- 基于机器视觉的车辆检测和车距测量方法研究,TP274
- 基于OpenCV的集装箱加强板焊接自动定位系统的开发,U169
- 基于Web日志的用户挖掘研究与实现,TP311.13
- 脊波变换在全色图像和多光谱图像融合中的应用研究,TP391.41
- 关于地震余震的记录值分析,P315.63
- 心电畸异波智能识别方法的研究,TP391.41
- 基于遗传算法优化BP神经网络的行为识别,TP391.41
- 基于机器视觉的异常行为检测,TP391.41
- 企业销售团队管理研究,F224.32
- 基于用户行为数据分析的移动互联业务推荐模型,TP311.13
- 车牌定位和倾斜校正算法的研究与实现,TP391.41
- 动态关联规则的研究,TP311.13
- 车牌与车标识别技术的研究,TP391.41
- 机场VIP客户服务分析系统的设计与实现,V351.3
- 基于Wi-Fi无线定位的消费者行为分析系统设计与实现,TP311.52
- 无人驾驶智能车基于单目视觉的道路检测,TP391.41
- 基于Radon变换的高密点地震信号去噪方法研究,P631.4
- 光学卫星遥感图像舰船目标检测技术研究,TP751
- 混合Radon变换及相干噪声压制方法研究,P631.4
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
|