学位论文 > 优秀研究生学位论文题录展示
交通视频中视点无关目标分类与检索方法研究
作 者: 冯柯
导 师: 陈临强
学 校: 杭州电子科技大学
专 业: 计算机应用技术
关键词: 视频分析 运动检测 目标跟踪 目标分类 透视变形 视频目标检索
分类号: TP391.41
类 型: 硕士论文
年 份: 2009年
下 载: 62次
引 用: 0次
阅 读: 论文下载
内容摘要
随着网络、通信和微电子技术的飞速发展,一些特定功能的视觉分析系统以其直观、方便和内容丰富等特点,日益受到人们的亲睐,其中交通监控领域应用最为广泛。然而,全天候监控捕获的大量视频信息,若采用人工搜索方法来寻找目标,不仅低效,由人为因素造成的失误亦是难以避免。因此,人们希望计算机能具有类似人类视觉系统的能力,可以分析、理解图像或视频的内容,以实现视频分析系统的智能化、实用化,视频分析技术应运而生。视频分析技术主要是处理包含各种运动目标的视频序列,从场景中检测、跟踪、分类识别目标,并对其行为进行理解和描述。其中,目标分类是基于视频的运动分析课题中的一个重要方面,其研究内容是在运动检测和跟踪的基础上,依据提取的运动目标区域形状特征和运动属性,对运动目标区域进行语义上的分类。目标分类技术研究对更高层次的视频理解技术的发展有重要意义。目前国外研究机构和国内高校在目标分类技术上取得了一定进展,但仍存在一些应用上的限制和不足,其中目标分类的视点依赖性问题是影响分类稳定性的主要因素。所谓视点依赖性是指目标的2D特征在投影到图像平面时发生了透视形变,从而导致其无法准确的用于分类。本文围绕运动目标分类及其在交通视频目标检索中的应用这一课题,重点阐述分类过程中视点依赖性问题的解决方法,并对各类相关技术进行了研究,具有重要的理论意义和实际价值。本文的工作主要分以下几个部分:(1)介绍目标分类领域基础理论及相关研究,包括目标的特征表达、目标分类方法、运动目标检测与跟踪以及场景知识在目标分类中的作用。(2)提出了一种基于kalman预估模型和最大化后验概率匹配的粘连目标跟踪方法,实现了目标相互遮挡时连续稳定跟踪。(3)针对目标分类中遇到的视点依赖性问题,介绍当前具有代表性的三种目标2D特征透视变形的矫正方法,并提出了基于地平面矫正的目标2D特征恢复算法。在标准化后特征的基础上,采用多类支持向量机实现视点无关运动目标分类。(4)研究基于目标特征和语义类别的运动目标检索方法,对目标特征数据组织形式、目标检索方式、查询结果显示方式等进行了探讨;(5)本文搭建了基于Visual C++平台和OpenCV图像处理库的实验环境,利用程序验证了提出了的各类算法,实验证明本文算法实现了不同视点下运动目标的准确分类。
|
全文目录
摘要 5-7 ABSTRACT 7-11 第一章 绪论 11-16 1.1 论文研究的背景及意义 11-12 1.2 研究现状及关键技术 12-14 1.3 论文研究的主要内容 14 1.4 论文的组织结构 14-16 第二章 目标分类理论基础及相关研究 16-36 2.1 目标视频特征描述 16-29 2.1.1 形状特征 17-21 2.1.2 颜色特征 21-24 2.1.3 纹理特征 24-27 2.1.4 运动特性 27-29 2.2 目标分类方法 29-32 2.2.1 基于形状特征的分类 29-31 2.2.2 基于运动特征的分类 31-32 2.2.3 形状特征和运动特性相结合的分类 32 2.3 目标分类相关问题 32-35 2.3.1 运动目标的定位问题 32-34 2.3.2 目标分类的视点依赖性问题 34-35 2.3.3 场景相关知识在分类中的作用 35 2.4 小结 35-36 第三章 视点无关的目标分类算法 36-60 3.1 目标分类问题描述 36-37 3.1.1 目标语义类型定义 36-37 3.1.2 目标分类所遇到的问题 37 3.2 视点依赖性问题的解决方法 37-44 3.2.1 基于摄像机定标的特征恢复 37-41 3.2.2 基于自动场景分割的透视变形处理策略 41-42 3.2.3 基于标准化视点参数的特征恢复 42-44 3.3 基于地平面矫正的视点无关分类算法 44-59 3.3.1 算法思路 44 3.3.2 运动目标检测与跟踪 44-49 3.3.3 目标特征选择与提取 49-51 3.3.4 基于地平面矫正的特征恢复 51-54 3.3.5 分类器设计 54-59 3.4 小结 59-60 第四章 基于视频特征的目标检索方法 60-67 4.1 目标检索问题描述 60-61 4.2 数据的组织形式 61-63 4.3 目标检索方式 63-65 4.4 检索结果的表示 65 4.5 小结 65-67 第五章 实验结果及分析 67-72 5.1 系统实现平台 67-68 5.1.1 硬件平台 67 5.1.2 软件平台 67-68 5.2 实验流程 68 5.3 实验结果分析 68-71 5.4 小结 71-72 第六章 总结与展望 72-74 6.1 本文工作总结 72-73 6.2 未来研究展望 73-74 致谢 74-75 参考文献 75-78 附录 78
|
相似论文
- 带径向速度观测的跟踪算法研究,TN953
- 基于VRPF的机动目标跟踪的研究,TN957.52
- 多传感器组网及反隐身、抗干扰接力跟踪技术研究,TN953
- 空间交会接近视觉测量方法研究,TP391.41
- 基于嵌入式图像处理单元的运动目标跟踪系统研究,TP391.41
- 移动机器人视觉检测和跟踪研究,TP242.62
- 运动特征及地形约束的感知网目标跟踪算法及系统研究,TP212.9
- 红外图像目标识别及跟踪技术研究,TP391.41
- 基于运动目标轨迹分析的智能交通监控系统,TP277
- 基于主动视觉的运动目标检测与跟踪研究,TP391.41
- 基于无线传感器网络的目标定位跟踪研究,TN929.5
- 运动检测技术在智能监控系统中的应用,TP277
- 视频监控运动目标检索方法研究,TP391.41
- 基于DM6437平台的智能视频分析系统,TP391.41
- 基于TMS320DM365的音视频传输及智能视频分析系统的设计与实现,TN919.8
- 嵌入式处理器中多媒体加速单元的研究,TP332
- 面向目标跟踪的分布式传感器调度,TN929.5
- 基于运动目标轨迹识别的人机交互系统研究,TP391.41
- 基于DM6437的视频行人运动检测系统设计,TP391.41
- 航道监控中船舶的检测与跟踪,TP391.41
- 视频跟踪中Mean-Shift算法的应用研究,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
|