發(fā)布時間：2018-03-18 05:38

  本文選題：對象分割　切入點：概率圖模型　出處：《北京郵電大學》2017年碩士論文　論文類型：學位論文

【摘要】：爆炸犯罪已成為近年來公共安全面臨的最大威脅之一,其中尤以遙控/定時等非現場智能啟動的方式危害最大。研發(fā)此類裝置中核心部件-電子線路板炸后識別比對方法并進一步溯源追蹤,為偵破此類爆炸案件提供重要物證線索。同時,近年來智能視頻監(jiān)控在公共安全領域發(fā)揮著不可替代的作用,智能視頻分析中的關鍵技術包括了目標跟蹤與事件檢測。本文主要對電路板圖像分割、圖像識別以及監(jiān)控視頻群體事件檢測進行了深入研究,取得的主要成果如下:圖像分割方面,本文提出并實現了一種基于概率圖模型與概率抽樣顏色模型的電路板對象分割方法。該方法基于電路板自身的特點,采用分層分割的策略對電路板圖像進行元器件分割。在電路板整體分割層面,利用K-means聚類找出主板候選像素,并分別初始化前景(元器件對象)與背景(主板)的高斯混合模型,進而使用Grab cut算法反復迭代分割;在元器件局部分割層面,基于Grab cut分割結果,通過均勻抽樣得到前景(元器件自身)與背景(主板及周圍元器件)的顏色模型,使用最近鄰思想對像素分類,精細修正元器件分割結果。該方法在公開的電路板數據集以及我們自行采集的數據集中均取得了良好的分割效果,對圖像的陰影、噪聲具有魯棒性。圖像識別方面,本文實現并改進了一種基于SIFT特征幾何相似性的特征點匹配方法,用以解決電路板殘片圖像識別問題。該方法利用三角形結構穩(wěn)固的特性,在匹配特征點描述時以空間相似三角形加以約束,有效地減少了特征點錯誤匹配。針對電路板圖像識別任務,本文對該方法進行了關鍵性改進,修改特征點對的篩選策略,同時增加了更強的約束,進一步提升了識別準確率,改進方法在實驗測試中準確率達到99.1%。事件檢測方面,本文改進了一種多目標跟蹤方法,并設計實現了一種新的軌跡分析方法檢測群體事件。通過引入高斯過程回歸,擬合底層連接的軌跡片段以及高層連接中非線性運動模式,提高了跟蹤的準確率。基于跟蹤的軌跡,提取運動速度、運動方向、軌跡間距離等特征,通過分析軌跡間的關系,判斷是否有分離或者聚集事件發(fā)生。在2015年的TRECVID-SED評測中,該方法用于人群分離(PeopleSplitUp)和聚集(PeopleMeet)事件檢測,并取得了排名第2和第4的成績。
[Abstract]:The crime of bombing has become one of the greatest threats to public safety in recent years. In particular, off-site intelligent startup, such as remote control / timing, is most harmful. At the same time, intelligent video surveillance has played an irreplaceable role in the field of public security in recent years. The key technologies of intelligent video analysis include target tracking and event detection. The main achievements are as follows: in the aspect of image segmentation, this paper proposes and implements a method of PCB object segmentation based on probabilistic graph model and probabilistic sampling color model, which is based on the characteristics of the circuit board itself. In the whole segmentation level of circuit board, K-means clustering is used to find the candidate pixels of the main board. The Gao Si hybrid model of foreground (component object) and background (motherboard) is initialized, and then repeated iterative segmentation using Grab cut algorithm. At the local level of component segmentation, the segmentation result is based on Grab cut. The color models of foreground (components themselves) and background (mainboard and surrounding components) are obtained by uniform sampling. The nearest neighbor idea is used to classify pixels. The method has good segmentation effect on the open circuit board data set and the data set we collected by ourselves, and is robust to the shadow and noise of the image. In this paper, a feature point matching method based on geometric similarity of SIFT features is implemented and improved to solve the problem of image recognition of circuit board fragments. The matching feature points are constrained by spatial similar triangles, which can effectively reduce the error matching of feature points. In view of the task of image recognition of circuit boards, this paper makes a key improvement on the method and modifies the selection strategy of feature points. At the same time, it adds stronger constraints, further improves the recognition accuracy, the improved method in the experimental test accuracy reaches 99.1.The event detection, this paper improved a multi-target tracking method, A new trajectory analysis method is designed and implemented to detect group events. By introducing Gao Si process regression, the trajectory segment of the bottom link and the nonlinear motion pattern in the high-level connection are fitted. The tracking accuracy is improved. Based on the track tracking, the characteristics of velocity, direction and distance between tracks are extracted, and the relationship between tracks is analyzed to determine whether there are separation or aggregation events. In the TRECVID-SED evaluation in 2015, The method was applied to the detection of people split up (PeopleSplitUpp) and crowd Meet (PeopleMeet) events, and the results were ranked 2nd and 4th.
【學位授予單位】：北京郵電大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：D917.9;TP391.41

【相似文獻】

相關期刊論文 前1條

1 王悠;吳曉波;鐘一洋;;軍用立體庫中實現AGV圖像識別引導的方法研究[J];中國儲運;2012年05期

相關會議論文 前10條

1 高曉丁;左賀;高鵬;;基于圖像識別的多套色印花對花定位技術研究[A];佶龍杯第四屆全國印花學術研討會論文集[C];2009年

2 郭艷;王萍;朱國;;基于圖像識別的射擊自動報靶系統(tǒng)[A];計算機技術與應用進展·2007——全國第18屆計算機技術與應用（CACIS）學術會議論文集[C];2007年

3 姜洪臣;任曉磊;趙耀宏;徐波;;基于音頻語譜圖像識別的廣告檢索[A];第十一屆全國人機語音通訊學術會議論文集（二）[C];2011年

4 姜洪臣;任曉磊;趙耀宏;徐波;;基于音頻語譜圖像識別的廣告檢索技術[A];第十一屆全國人機語音通訊學術會議論文集（一）[C];2011年

5 劉翠響;孫以材;張艷;于明;;基于三控制要素的多項式模糊擬合在人臉圖像識別中的應用[A];第25屆中國控制會議論文集（下冊）[C];2006年

6 林達宜;邱利松;張莎;;物聯網發(fā)展與圖像識別[A];2012全國無線及移動通信學術大會論文集（上）[C];2012年

7 王利強;張紅梅;;儲糧害蟲圖像識別知識庫研究[A];計算機研究新進展（2010）——河南省計算機學會2010年學術年會論文集[C];2010年

8 俞建榮;卜凡亮;李文力;陸曉軍;;流化床氣泡運動的圖像識別與分析[A];第三屆全國信息獲取與處理學術會議論文集[C];2005年

9 李靈;;情景智能圖像識別和數字化處理技術在型式評價試驗中的運用[A];2013年江蘇省計量測試學會學術會議論文集[C];2013年

10 于麗穎;;圖像識別方法技術分析與應用[A];第24屆全國煤礦自動化與信息化學術會議暨第6屆中國煤礦信息化與自動化高層論壇論文集[C];2014年

相關重要報紙文章 前7條

1 記者 鄭曉春;以開發(fā)出計算機圖像識別新技術[N];科技日報;2007年

2 沈曉光邋編譯;半導體技術向低耗能發(fā)展[N];中國電子報;2008年

3 記者 李紅;法研究出圖像識別軟件[N];科技日報;2000年

4 海言;慧視：讓電腦“識文斷字”[N];科技日報;2007年

5 田夢;PDF圖像識別助推電子政務[N];計算機世界;2007年

6 比爾·蓋茨;軟件邊界不斷改變令人興奮[N];中國電子報;2008年

7 宋輝;擺脫束縛慧視展現新的生活體驗[N];中國企業(yè)報;2004年

相關博士學位論文 前10條

1 劉軍;人臉圖像識別關鍵技術的研究[D];北京郵電大學;2015年

2 柳楊;面向圖像識別的稀疏模型研究[D];北京郵電大學;2015年

3 耿慶田;基于圖像識別理論的智能交通系統(tǒng)關鍵技術研究[D];吉林大學;2016年

4 王宇新;基于特征分布的圖像識別方法研究與應用[D];大連理工大學;2012年

5 陳健美;基于密度聚類和多特征融合的醫(yī)學圖像識別研究[D];江蘇大學;2008年

6 冉瑞生;一些矩陣計算問題及其在圖像識別中的應用研究[D];電子科技大學;2006年

7 李雅梅;南宋川南墓葬石刻藝術與計算機圖像識別應用的研究[D];重慶大學;2008年

8 侯書東;基于相關投影分析的特征提取研究及在圖像識別中的應用[D];南京理工大學;2012年

9 吳萌;多尺度表達和正則化方法在圖像識別中的研究與應用[D];上海交通大學;2014年

10 謝鉉洋;SARS醫(yī)學圖像識別與輔助診斷研究[D];中國科學技術大學;2006年

相關碩士學位論文 前10條

1 李想;電路板殘片圖像識別[D];北京郵電大學;2017年

2 楊海軍;煤熱解及與電路板摻混燃燒特性的研究[D];華北電力大學;2017年

3 王明靜;蟻群算法在圖像識別中的應用研究[D];西安石油大學;2015年

4 劉宜闊;熱光關聯圖像識別的研究[D];河北大學;2015年

5 田湘源;基于圖像識別的中國畫真?zhèn)舞b別方法研究[D];西安建筑科技大學;2015年

6 任皓;基于圖像識別的PCB焊接質量檢測技術的研究[D];天津理工大學;2015年

7 王倩;基于圖像識別的油畫真?zhèn)舞b別方法研究[D];西安建筑科技大學;2015年

8 余征;基于Hadoop的人臉圖像識別并行處理方法研究與實現[D];西南交通大學;2015年

9 馬爽;基于圖像識別的教室照明節(jié)能系統(tǒng)的技術研究[D];沈陽理工大學;2015年

10 李義;基于相關學習神經網絡的圖像識別方法研究[D];哈爾濱工業(yè)大學;2015年

，

本文編號：1628273