学位论文 > 优秀研究生学位论文题录展示

复杂交通环境下的运动人体检测研究

作　者: 申静
导　师: 蒋加伏
学　校: 长沙理工大学
专　业: 计算机软件与理论
关键词: 复杂交通环境俯视图像运动人体检测头部检测滤波预处理
分类号: TP391.41
类　型: 硕士论文
年　份: 2011年
下　载: 25次
引　用: 0次
阅　读: 论文下载

内容摘要

运动人体检测是视觉人体运动分析中的关键技术,是进行各种后续处理如运动人体识别、运动人体跟踪的前提和基础,在高级人机交互、视频会议、智能视频监控等方面具有广泛的应用前景和潜在价值,成为近年来国内外众多学者研究的热点问题。在其部分应用领域中,如智能交通客流检测等,为了防止人体目标的遮挡和覆盖情况,大多采用垂直向下的俯拍。在这类俯拍视频图像中人体的头部信息相对完整,被广泛地作为人体的局部特征用于人体检测。本文紧密围绕复杂交通环境下俯视图像中运动人体检测问题,首先提出了基于改进的脉冲耦合神经网络模型的视频滤波预处理方法,然后以不同分辨率下的视频序列为研究对象,分别提出了适用于较低分辨率的基于灰度特征的运动人体头部区域检测方法和适用于较高分辨率的基于轮廓特征的运动人体头部检测方法。在视频滤波预处理方面,针对脉冲耦合神经网络简化模型在图像滤波中存在的问题,运用反证法证明其对椒噪声检测失效,采用分而治之法对其进行改进,利用改进模型检测图像的污染程度、确定噪声的具体位置、自适应地确定中值滤波窗口的大小,实现视频图像滤波预处理。实验结果表明,此方法对不同密度的椒盐噪声都具有较好的滤波性能,提高了后续运动人体检测的检测质量。在运动人体检测方面,针对复杂交通环境下俯视图像中运动人体检测存在的误检漏检问题,以不同分辨率下的视频序列为研究对象,分别提出了适用于较低分辨率的基于灰度特征的运动人体头部区域检测方法和适用于较高分辨率的基于轮廓特征的运动人体头部检测方法。前者根据人体头部的灰度特征,对双阈值法进行改进,利用改进后的双阈值法检测目标所在区域,采用区域生长法分割出目标,使得此方法在出现慢速运动的人体头部目标以及背景中出现光照变化和异物干扰等情况下均具有较好的检测能力。后者根据人体头部目标的轮廓特征,用分块对称差分法对背景进行实时更新,结合对称差分法和背景消减法提取运动目标,用基于梯度的随机Hough快速圆检测方法对运动人体头部进行检测,较好地解决了出现强烈的光照变化、非人体头部目标以及秃顶、带帽或衣服颜色与头顶颜色近似的复杂人体头部目标等情况时的运动人体头部检测问题。本文得到湖南省自然科学基金项目资助(项目编号:10jj2050)。

全文目录

摘要  5-7
ABSTRACT  7-11
第一章绪论  11-19
  1.1 研究的背景和意义  11-13
  1.2 运动人体检测的研究现状  13-16
    1.2.1 基于像素强度的方法  13-15
    1.2.2 基于运动变化的方法  15-16
    1.2.3 基于特征的方法  16
  1.3 研究的主要内容及创新点  16-17
    1.3.1 主要内容  16-17
    1.3.2 创新点  17
  1.4 论文结构  17-19
第二章复杂交通环境下的视频滤波预处理方法  19-29
  2.1 引言  19
  2.2 脉冲耦合神经网络简化模型的原理及应用  19-21
    2.2.1 脉冲耦合神经网络简化模型原理  19-20
    2.2.2 脉冲耦合神经网络简化模型应用  20-21
  2.3 改进的脉冲耦合神经网络简化模型  21-24
    2.3.1 脉冲耦合神经网络的简化模型在图像滤波中存在的问题  21
    2.3.2 改进的脉冲耦合神经网络简化模型  21-24
  2.4 基于改进简化脉冲耦合神经网络模型的滤波预处理方法  24-25
    2.4.1 噪声检测的准确性分析  24
    2.4.2 窗口大小的自适应确定  24-25
    2.4.3 基于改进简化脉冲耦合神经网络模型的滤波预处理方法  25
  2.5 实验结果与分析  25-28
  2.6 本章小结  28-29
第三章复杂交通环境下的基于灰度特征的运动人体头部区域检测方法  29-37
  3.1 引言  29
  3.2 特征提取  29-30
  3.3 基于灰度特征的双阈值法  30-31
    3.3.1 双阈值法  30
    3.3.2 基于灰度特征的双阈值法  30-31
  3.4 基于灰度特征的区域生长法  31-32
    3.4.1 区域生长法  31
    3.4.2 基于灰度特征的区域生长法  31-32
  3.5 基于灰度特征的运动人体头部区域检测方法  32-33
  3.6 实验结果与分析  33-36
    3.6.1 检测过程分析  33-35
    3.6.2 检测结果分析  35
    3.6.3 检测性能分析  35-36
  3.7 本章小结  36-37
第四章复杂交通环境下的基于轮廓特征的运动人体头部检测方法  37-44
  4.1 引言  37
  4.2 背景获取与更新  37-38
  4.3 运动目标提取  38-39
  4.4 运动人体头部检测  39-40
  4.5 基于轮廓特征的运动人体头部检测算法  40-41
  4.6 实验结果与分析  41-43
  4.7 本章小结  43-44
第五章复杂交通环境下的运动人体检测系统  44-51
  5.1 引言  44
  5.2 系统框架  44-45
    5.2.1 系统运行环境  44-45
    5.2.2 系统构成  45
  5.3 系统模块  45-47
    5.3.1 视频采集模块  45-46
    5.3.2 视频转换模块  46
    5.3.3 滤波预处理模块  46
    5.3.4 运动人体检测模块  46-47
  5.4 实验结果及分析  47-51
第六章总结与展望  51-53
  6.1 本文的工作  51-52
  6.2 进一步的工作  52-53
参考文献  53-57
致谢  57-58
在学期间发表的论文及参加的项目  58-59
摘要  59-61
ABSTRACT  61-62

复杂交通环境下的运动人体检测研究

内容摘要

全文目录

相似论文