学位论文 > 优秀研究生学位论文题录展示

视频序列中运动目标检测技术研究

作　者: 李莉
导　师: 齐美彬；蒋建国
学　校: 合肥工业大学
专　业: 信号与信息处理
关键词: 智能视频监控 运动目标检测 背景差分法 码本的建立与更新 运动估计与补偿 块匹配 特征匹配
分类号: TP391.41
类　型: 硕士论文
年　份: 2009年
下　载: 294次
引　用: 14次
阅　读: 论文下载
 

内容摘要


运动目标检测作为计算机视觉领域的一个重要分支与基础,在军事、交通、工业以及生物医学等领域具有广泛的应用前景,一直受到广泛的关注,并成为计算机视觉领域的一个研究热点。但是由于运动目标检测问题本身的复杂性,运动目标的检测依然面临着诸多挑战。本文在现有研究成果的基础上,对静态与动态场景下的运动目标检测进行了深入研究。对于静态场景下的运动目标检测,本文提出了一种基于码本的改进型算法,并用多组室外、室内测试视频序列进行了测试验证,测试结果表明其完全能满足应用需求。其中的主要工作及创新包括以下几个方面:(1)基于新的颜色模型,提出了新的高亮与阴影判决准则;(2)本算法中应用了新的码本提炼、码本更新及自学习策略;针对动态场景中的运动目标检测,本文采用了两种算法进行运动估计与补偿。在第一种算法中,采用了基于块匹配的全局运动估计算法,该算法中采用特征块选择模板、Canny边缘检测、新的三角形菱形搜索算法及运动矢量提炼等思想,来降低算法的运算复杂度,并确保与提高运动估计的精确度。但由于该算法采用了平移模型,因此仅适用于全局运动为平移模式的视频序列。在第二种算法中,采用了基于特征匹配的全局运动估计算法。为了准确估计运动模型的参数,采用了特征点选择模板、SIFT算子、最小二乘法、特征点匹配对校正及双线性插值相结合的方式。由于该算法采用了六参数仿射模型,因此,可以适用于移动、旋转、缩放等全局运动模式,从而具有普适性。二种算法都采用了一组或多组室外与室内标准视频序列进行测试验证。实验结果表明,两种算法在其各自的应用范围内具有较好的鲁棒性和有效性。这部分内容包括的主要创新工作如下:(1)提出了一种提炼运动矢量的阈值法;(2)提出了一种新的三角形菱形搜索算法;(3)提出了一种新的特征点匹配对校正策略。

全文目录


摘要  5-6
ABSTRACT  6-8
致谢  8-13
第1章 绪论  13-19
  1.1 课题研究背景  13-17
    1.1.1 计算机视觉  13
    1.1.2 视频监控  13-15
    1.1.3 运动目标检测  15-17
  1.2 课题研究的内容和意义  17
  1.3 论文的结构安排  17-19
第2章 运动目标检测的理论基础  19-48
  2.1 视频序列图像处理的理论基础  19-26
    2.1.1 图像颜色空间  19-21
    2.1.2 视频序列  21-22
    2.1.3 视频序列图像的预处理  22-25
    2.1.4 形态学图像滤波  25-26
  2.2 静态场景下常用的运动目标检测算法  26-32
    2.2.1 相邻帧差法  26-28
    2.2.2 背景差分法  28-29
    2.2.3 帧间差分法和背景差分法相结合  29-30
    2.2.4 基于光流法的方法  30-32
  2.3 动态场景下常用的运动目标检测算法  32-45
    2.3.1 全局运动估计  33-38
    2.3.2 摄像头运动模型  38-39
    2.3.3 基于块匹配的运动估计技术  39-44
    2.3.4 运动矢量特性分析  44-45
  2.4 运动目标检测所面临的问题  45-48
    2.4.1 阴影检测与去除  46-48
第3章 复杂静态场景中的运动目标检测  48-62
  3.1 引言  48-49
  3.2 原始码本算法  49-51
    3.2.1 算法概述  49
    3.2.2 算法原理  49-51
  3.3 本文改进的码本算法  51-62
    3.3.1 算法概述  51-52
    3.3.2 算法原理  52-56
    3.3.3 实验结果与分析  56-62
第4章 动态场景中的运动目标检测  62-78
  4.1 引言  62
  4.2 本文所采用的基于块匹配的动态场景中的运动目标检测算法  62-67
    4.2.1 特征块选择模板  63
    4.2.2 利用Canny算子筛选特征块  63
    4.2.3 块匹配准则  63
    4.2.4 新的搜索算法  63-65
    4.2.5 运动矢量的提炼  65-66
    4.2.6 运动补偿  66
    4.2.7 图像差分  66
    4.2.8 测试结果分析  66-67
  4.3 本文所采用的基于特征匹配的动态场景中的运动目标检测算法  67-77
    4.3.1 特征点提取  68-70
    4.3.2 特征匹配  70-71
    4.3.3 全局运动参数的提取  71
    4.3.4 特征点匹配对的校正  71-72
    4.3.5 运动补偿  72
    4.3.6 背景差分  72-73
    4.3.7 试验结果及分析  73-77
  4.4 总结  77-78
第5章 总结与展望  78-80
  5.1 论文的主要工作与创新点  78-79
  5.2 对进一步研究工作的建议  79-80
参考文献  80-88
攻读硕士学位期间发表的论文  88

相似论文

  1. 群控电梯客流密度实时识别技术研究,TP391.41
  2. 嵌入式多参数环境智能监测系统的设计与实现,TP274
  3. 基于图像信息的运动目标检测与跟踪算法研究,TP391.41
  4. 双目立体匹配的算法研究及其多核并行化,TP391.41
  5. 立体视觉三维重建相关技术研究与实现,TP391.41
  6. 基于OpenCV的数字稳像系统实现,TP391.41
  7. 人群行为分析算法研究与实现,TP391.41
  8. 帧速率上变换算法研究,TP391.41
  9. 基于DSP的单目视觉定位方法关键技术研究,TP391.41
  10. 非重叠监控摄像机中行人关联技术研究,TP391.41
  11. 基于信号完整性分析的视频监控系统硬件设计,TN79
  12. 光笔测量三维建模技术研究,TP391.41
  13. 视频监控系统中相关图像处理技术的研究与实现,TP391.41
  14. 基于DSM的遥感影像拼接关键技术研究,TP751
  15. 红外监控系统中关键技术研究,TP277
  16. 基于单摄像头的360度旋转跟踪系统,TP391.41
  17. 基于移动网络的智能视频监控系统的设计,TP391.41
  18. 基于局域网的计算机蠕虫检测技术研究与实现,TP393.08
  19. 视频中运动目标检测与跟踪技术研究,TP391.41
  20. 智能多模式行为识别方法的研究,TP391.41
  21. HHT端点问题抑制方法的研究,TN911.7

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