学位论文 > 优秀研究生学位论文题录展示

基于非参数方法的局部背景建模技术

作　者: 姜忠民
导　师: 赵建民
学　校: 浙江师范大学
专　业: 计算机软件与理论
关键词: 视频监控系统 背景建模 非参数密度估计 均值偏移
分类号: TP391.41
类　型: 硕士论文
年　份: 2010年
下　载: 107次
引　用: 0次
阅　读: 论文下载
 

内容摘要


智能视频监控系统具有广阔的应用和开发前景,在该领域研究中,对图像的运动的目标检测和背景分析是当前计算机视觉领域的一个重要研究方向。运动目标检测的目标是在视频序列图像中将运动变化目标区域从背景图像中提取出来,以此跟踪和分析运动目标的存在,为后期的智能预测和视觉处理打下基础。但由于背景图像的动态变化,理想不变的背景模型往往是很少存在的。如何解决对复杂场景下的背景建模,获取实时的背景更新以分离背景和前景,同时对运动目标进行跟踪,这是当前研究的热点,也是本文的主要工作内容。本文主要从以下两个方面进行阐述：(1)本文介绍了多种常规背景建模方法,并进行了分析和比较。首先介绍了背景减法基本理论和典型的背景建模方法以及详细的推导,非线性贝叶斯预测理论,卡尔曼滤波理论和混合高斯模型的建立,对混合高斯算法作了详细推导,指出参数密度估计理论的不足。简述了密度估计量的基本性质以及密度估计通用表达式,介绍常用的直方图密度估计方法以及核密度估计方法。分析了影响估计结果的因素并给出了不同情况下的密度估计结果,指出了直方图密度估计的优缺点并且分析了核密度估计的渐近收敛特性。同时还简要介绍和分析了其他两种密度估计方法,即K近邻法和基函数展开法。(2)提出了一种稳定的非参数估计背景建模算法,对影子的检测和抑制错误检测方面进行了实验和数据分析。基于前面的分析和比较,在实验中,我们将核密度估计方法与高斯混合方法进行了简单的比较,重点是论证核密度估计算法的有效性。在跟踪算法中介绍了均值偏移算法的理论知识并对其算法进行了简要的概括性阐述,详细介绍了均值偏移算法中各个关键性的变量的选取原则,讨论了在多维特征空间的概率密度估计中均值偏移算法的理论推导。在选定好关键性变量的基础上描述了均值偏移理论的计算步骤,证明了均值偏移算法的收敛特性,并运用了一个相似性度量函数和统计学中的Bayes误差进行精确地样本估计和评价,以期获取更准确的目标定位,并通过实验验证了均值偏移算法的有效性。

全文目录


摘要  3-5
ABSTRACT  5-7
目录  7-9
1 绪论  9-11
  1.1 研究背景和意义  9
  1.2 本文内容安排  9-11
2 背景建模算法研究  11-22
  2.1 引言  11-12
  2.2 背景减除法  12-13
  2.3 典型的背景模型  13-21
    2.3.1 非线性贝叶斯预测  14-15
    2.3.2 卡尔曼滤波的背景估计  15-17
    2.3.3 混合高斯模型  17-21
  2.4 本章小结  21-22
3 非参数估计理论研究  22-39
  3.1 参数密度估计简介  22
  3.2 非参数密度估计理论  22-38
    3.2.1 密度估计量的基本性质  23-24
    3.2.2 非参数密度估计通用表达式  24-25
    3.2.3 直方图密度估计  25-30
    3.2.4 核密度估计  30-37
    3.2.5 其他密度估计方法  37-38
      3.2.5.1 K近邻法  37
      3.2.5.2 基于基函数展开法  37-38
  3.3 本章小结  38-39
4 基于非参数估计的局部背景建模方法  39-48
  4.1 密度估计  39-41
  4.2 核带宽估计  41-42
  4.3 抑制错误检测  42-43
  4.4 更新背景  43-44
  4.5 影子的检测  44-45
  4.6 实验比较和结果  45-47
    4.6.1 两种建模方法的比较  45-46
    4.6.2 实验结果  46-47
  4.7 本章小结  47-48
5 均值偏移算法的研究  48-61
  5.1 均值偏移算法的理论  48-53
    5.1.1 均值偏移法的理论基础  48-51
    5.1.2 概率密度中的均值偏移  51-52
    5.1.3 均值偏移算法的计算步骤  52-53
    5.1.4 均值偏移算法收敛讨论  53
  5.2 均值偏移算法在目标跟踪中的应用  53-59
    5.2.1 目标的选取  54-56
    5.2.2 相似性度量函数  56-57
    5.2.3 目标定位  57-58
    5.2.4 计算复杂度分析  58-59
  5.3 实验结果  59-60
  5.4 本章小结  60-61
6 总结与展望  61-63
  6.1 本文总结  61-62
  6.2 未来工作展望  62-63
参考文献  63-67
攻读学位期间取得的研究成果  67-68
致谢  68-69

相似论文

  1. 基于运动目标轨迹分析的智能交通监控系统,TP277
  2. 视频监控运动目标检索方法研究,TP391.41
  3. 基于图像信息的运动目标检测与跟踪算法研究,TP391.41
  4. 基于PCI总线的双片SoC协作机制设计与实现,TN47
  5. 基于DB33实现DVR跨域互联点播回放功能,TP391.41
  6. 基于Web架构的视频监控系统设计与实现,TP391.41
  7. 基于深度图与彩色图像的跑步机游戏交互系统,TP391.41
  8. 智能视频监控中的目标检测技术研究,TP391.41
  9. 基于机器视觉的交通路口车流量检测方法研究,TP274
  10. 基于粒子滤波的目标跟踪算法研究及DirectShow实现,TP391.41
  11. 基于B/S模式的监所综合平台的设计与开发,TP311.52
  12. 实时视频监控人数统计关键技术研究,TP391.41
  13. 视频监控系统整体解决方案及关键技术研究,TP277
  14. 基于粒子滤波与Mean Shift平滑运动跟踪的研究与实现,TP391.41
  15. 交通路口车辆实时监测方法研究及其应用,TP274
  16. 列车视频监控系统在城市轨道交通中的应用,TP277
  17. 高速公路视频监控系统关键技术研究,TP277
  18. 基于粒子滤波与Mean Shift平滑运动跟踪的研究与实现,TP391.41
  19. 基于多模信息融合的公共区域视频监控系统研究,TP391.41
  20. 安全的无线视频监控系统研究与设计,TP277
  21. 基于mesh网络的无线远程监控系统研究与实现,TP277

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