学位论文 > 优秀研究生学位论文题录展示

运动目标检测算法的研究、实现与优化

作　者: 何山
导　师: 管庆
学　校: 电子科技大学
专　业: 通信与信息系统
关键词: 混合高斯模型马尔科夫随机场阴影抑制 VIPER评估平台 DSP优化耗时平衡机制
分类号: TP391.41
类　型: 硕士论文
年　份: 2011年
下　载: 82次
引　用: 0次
阅　读: 论文下载

内容摘要

基于网络的智能视频监控系统,凭借其对场景中目标的定位和行为分析能力,以及便捷实现远程监控的能力,撼动传统视频监控技术的坚实根基,一举打开应用市场。在军事、工业流水线、博物馆、银行、机场、铁路线、居民小区等场所,都有着大量的需求和广泛的应用。这些架设起来的智能视频监控设备,正全天候、无盲点的保卫着公共安全。算法,是智能化的视频监控系统的核心部分。它们完成了对监控场景中目标的提取、跟踪和行为判定。从最基础的物体分割,到丢包、徘徊、越界分析以及多摄像头切换下的同一物体锁定,这其中,涵盖了大量的算法处理策略。运动目标检测算法,则是所有上层处理策略的基石。为了检测出目标物体,以供后续处理,研究人员提出了一系列方案,例如:多帧平均算法、光流场算法、背景差分算法等。混合高斯模型是一种广泛使用的背景差分法。算法依托其自身多模型和在线更新的特性,适应场景渐变,克服树枝周期性扰动带来的种种影响。然而,一方面传统的混合高斯模型检测出的二值图像,存在较多噪声和空洞,导致过度分割的发生;另一方面,不能处理阴影的缺陷,让提取出的二值图像边缘模糊、误检严重,物体间因为阴影导致的融合现象非常多。这些问题都将直接影响后续处理。文章通过在经典混合高斯模型中加入阴影抑制算法,减少阴影干扰,增加目标物体提取准确度;并加入马尔科夫随机场,通过基于邻域信息的二值图像修正,减少目标物体过度分割现象,同时也提供了一种自适应门限策略。算法性能的评估,在算法研究中同样占有重要地位。基于VIPER(video performance evaluation resource)的目标提取算法评估方法,从查全率和查准率、单帧处理结果和统计结果等多个角度,定量评测算法性能,科学严密的反应了算法的处理效果。目标检测算法要得到实际应用,需满足一定的指标。在DSP(Digital Signal Processing)硬件平台上实现时,要经过大量优化。文章从算法和软件层面,以及基于硬件架构层面展开优化。充分运用缓存、流水等机制及运算处理、定点化等策略。经优化后的算法,其处理时长,仍会随各帧前景物体像素数差异而出现波动。利用算法耗时平衡策略可解决此问题,使算法达到时间意义上的稳定。

全文目录

摘要  4-5
Abstract  5-11
第一章绪论  11-16
  1.1 研究背景及现状  11-13
    1.1.1 研究背景  11-12
    1.1.2 研究现状  12-13
  1.2 研究内容及结构安排  13-16
    1.2.1 研究内容  13-15
    1.2.2 论文结构  15-16
第二章运动目标提取算法研究  16-47
  2.1 运动目标提取算法的分类和选定  16-17
  2.2 基于颜色MOG的运动目标提取算法研究  17-25
    2.2.1 经典MOG算法简介  17-21
    2.2.2 MOG算法改进策略  21-22
    2.2.3 综合MRF的MOG改进  22-25
  2.3 运动目标提取过程中阴影抑制研究  25-27
    2.3.1 基于HSV空间的阴影抑制  25-26
    2.3.2 基于边缘检测的阴影抑制  26
    2.3.3 基于颜色特征不变量的阴影抑制  26-27
    2.3.4 阴影抑制算法和MOG及MRF的组合  27
  2.4 仿真结果与数据分析  27-47
    2.4.1 实验结果定性分析  27-31
    2.4.2 基于VIPER的定量分析  31-46
      2.4.2.1 VIPER工具介绍  31-33
      2.4.2.2 评估参数  33-37
      2.4.2.3 测定结果  37-46
    2.4.3 实验结论  46-47
第三章基于DM6437架构的目标提取算法实现和优化  47-73
  3.1 系统硬件平台和软件开发简介  47-51
  3.2 运动目标提取算法的DSP C代码移植  51-52
  3.3 基于DSP 的优化  52-69
    3.3.1 关键技术介绍  53-58
      3.3.1.1 Cache  53-56
      3.3.1.2 Pipeline  56-58
    3.3.2 采用的优化策略  58-69
      3.3.2.1 算法层面和软件级别优化  58-68
      3.3.2.2 基于硬件的优化  68-69
  3.4 处理结果评估  69-73
    3.4.1 优化过程时间记录  69-71
    3.4.2 时间控制策略  71-72
    3.4.3 实时处理结果  72-73
第四章总结与展望  73-75
  4.1 工作总结  73-74
  4.2 工作展望  74-75
致谢  75-76
参考文献  76-79
攻读硕士学位期间的研究成果  79-80
个人简历  80-81

运动目标检测算法的研究、实现与优化

内容摘要

全文目录

相似论文