学位论文 > 优秀研究生学位论文题录展示

基于时序特性的运动阴影检测算法研究

作　者: 程振楠
导　师: 罗晓晖
学　校: 西华大学
专　业: 计算机技术
关键词: 阴影检测 时序分析 GMSM 阴影分类
分类号: TP391.41
类　型: 硕士论文
年　份: 2012年
下　载: 10次
引　用: 0次
阅　读: 论文下载
 

内容摘要


视频监控系统是保障安全和防卫的重要手段,广泛应用于交通、军事和工业等领域。运动目标检测是智能视频监控系统的基础,目标检测的效果将直接影响到后续的处理和整个智能监控的性能,而运动目标的阴影检测是目标检测的难点和热点。目前,对阴影检测的方法大多针对简单场景或特定场景,混合高斯模型能够适用于复杂场景,并对阴影有较好的检测效果。混合高斯模阴影检测算法多采用单个像素建模,对复杂场景中的阴影检测效果不佳。本文通过对视频序列中阴影特性的分析,在GMSM阴影检测算法基础之上,研究基于时序特性的运动阴影检测方法。通过对视频序列中阴影的分类,将阴影分为弱阴影和强阴影,依阴影特征的不同,分别对阴影检测。文章主要进行以下的研究：(1)GMSM阴影检测算法实现在视频序列中,场景较复杂,前景和背景呈多模态特性,GMSM能够描述这些特征,对背景和阴影建立模型,检测出运动阴影。经算法实现,该方法可以检测运动阴影,但该方法存在固有缺陷。(2)运动阴影时序特性分析对不同场景中阴影的时序特征进行描述,依阴影像素强度的变化趋势,对阴影进行分类,描绘出阴影运动趋势变化图。(3)阴影模型建立与更新根据阴影的时序特性,将阴影分为弱阴影和强阴影,对不同阴影进入场景、在场景中运动和阴影终止时的各个过程建立模型,并通过学习更新参数。(4)基于时序特性的运动阴影检测算法在GMSM基础上,对前景中符合阴影判别条件的像素进行判断,依据前景、弱阴影和强阴影判定条件的不同,检测出阴影。试验结果表明,该方法能够较好的检测出阴影,与GMSM阴影检测算法相比,效果较好。

全文目录


摘要  4-5
Abstract  5-8
1 绪论  8-14
  1.1 引言  8-9
  1.2 研究的意义和目的  9-10
  1.3 国内外研究现状  10-13
  1.4 本文内容与章节安排  13-14
2 运动目标检测算法  14-28
  2.1 光流法  14-16
  2.2 帧间差分法  16-18
  2.3 背景差分法  18-21
  2.4 基于混合高斯模型的运动目标检测  21-27
    2.4.1 混合高斯模型  21-23
    2.4.2 模型参数更新  23-24
    2.4.3 背景模型估计  24
    2.4.4 实验分析  24-27
  2.5 本章小结  27-28
3 阴影特性以及经典阴影检测算法  28-38
  3.1 阴影产生机理  28-30
  3.2 颜色空间  30-34
    3.2.1 RGB颜色空间  30-31
    3.2.2 HSV颜色空间  31-32
    3.2.3 YUV颜色空间  32-33
    3.2.4 阴影在颜色空间的不变性  33-34
  3.3 阴影检测算法分析  34-37
    3.3.1 基于纹理的运动阴影检测  34-35
    3.3.2 基于颜色特性的运动阴影检测  35-36
    3.3.3 基于统计的运动阴影检测  36-37
  3.4 本章小结  37-38
4 GMSM运动阴影检测算法  38-47
  4.1 GMSM的建立与更新  38-41
    4.1.1 阴影判别函数  38-40
    4.1.2 模型参数更新  40-41
  4.2 运动阴影检测  41-42
  4.3 GMSM运动阴影检测结果  42-43
  4.4 GMSM运动阴影检测分析  43-46
    4.4.1 稳定场景中的运动阴影检测  43-44
    4.4.2 GMSM运动阴影检测失效  44-45
    4.4.3 GMSM前景误判  45-46
  4.5 本章小结  46-47
5 基于时序特性的运动阴影检测算法  47-69
  5.1 运动阴影的时序特征  47-54
    5.1.1 背景不同时运动阴影时序特性分析  47-50
    5.1.2 前景存在时运动阴影时序特性分析  50-53
    5.1.3 基于时序特征的阴影分类描述  53-54
  5.2 阴影检测算法  54-65
    5.2.1 运动阴影特性  54-57
    5.2.2 运动阴影准入条件规则  57-59
    5.2.3 运动阴影中间过程运动规则  59-63
    5.2.4 运动阴影终止规则  63
    5.2.5 前景到阴影时运动阴影判断  63
    5.2.6 阴影检测算法流程  63-65
  5.3 实验结果  65-66
  5.4 实验结果分析  66-68
  5.5 本章小结  68-69
结论  69-70
参考文献  70-74
致谢  74

相似论文

  1. InSAR技术在地面沉降监测中的应用研究,P225.1
  2. WEB个性化信息采集与管理关键技术研究,TP393.09
  3. 基于监控视频中运动目标自动检测与跟踪算法的研究与实现,TP391.41
  4. 视频运动目标检测若干关键算法研究,TP391.41
  5. 在复杂场景下的入侵检测,TP391.41
  6. 基于道路自动识别的交通流信息提取与分析,TP391.41
  7. 运动目标跟踪系统的设计与实现,TP391.41
  8. 视频监控系统中的运动目标检测算法研究,TP391.41
  9. 水对露天矿高边坡稳定性影响的研究,TD804
  10. 基于DM6437的视频行人运动检测系统设计,TP391.41
  11. 基于GPU的EDA加速技术,TP391.41
  12. 视频序列中运动目标的检测与跟踪,TP391.41
  13. 应用InSAR时序分析方法监测断层活动性研究,TN958
  14. 面向全定制宏模块的时序建模技术研究与实现,TN47
  15. 基于InSAR的矿区地表形变监测研究,P227
  16. 图像阴影的检测与去除算法研究,TP391.41
  17. 亚微米数字集成电路约束及收敛方法研究,TN492
  18. AVS视频解码芯片的实现,TN402
  19. 片上信号传输特性建模,TN47
  20. 区域精密对流层延迟建模,P228.4
  21. 基于交通视频的车流量提取的关键技术研究,TP391.41

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