本文關(guān)鍵詞：基于OpenCV的運(yùn)動(dòng)船舶跟蹤與計(jì)數(shù)研究

  更多相關(guān)文章： 目標(biāo)檢測(cè)融合算法 多特征融合 CamShift 區(qū)分度 虛擬檢測(cè)線

【摘要】：為營(yíng)造良好的通行環(huán)境，減少內(nèi)河航道污染及事故的發(fā)生，達(dá)到綠色航運(yùn)的目的，本文對(duì)海事視頻監(jiān)控進(jìn)行了研究，針對(duì)內(nèi)河航道的特殊環(huán)境，通過(guò)改進(jìn)算法與原算法的對(duì)比分析來(lái)驗(yàn)證改進(jìn)算法在這種特定環(huán)境下的優(yōu)越性。 在運(yùn)動(dòng)目標(biāo)檢測(cè)方面，本文首先學(xué)習(xí)了一種混合高斯模型背景差分法。針對(duì)該算法計(jì)算量大、背景收斂速度慢以及對(duì)于大而慢的運(yùn)動(dòng)目標(biāo)容易出現(xiàn)“空洞”情況的缺陷重點(diǎn)分析了一種目標(biāo)檢測(cè)融合算法，提高了目標(biāo)檢測(cè)的實(shí)時(shí)性。最后針對(duì)該算法易受光照突變或水流劇烈波動(dòng)的影響，本文提出了一種改進(jìn)的目標(biāo)檢測(cè)算法，對(duì)高斯分布的方差更新設(shè)定一個(gè)閾值，避免方差陷入一直較小的狀態(tài)，從而減少目標(biāo)誤判的發(fā)生，最后用面積法對(duì)提取出的前景進(jìn)行閾值處理，濾除漂浮物的干擾。改進(jìn)的算法能更好地適應(yīng)場(chǎng)景的動(dòng)態(tài)變化。 在運(yùn)動(dòng)目標(biāo)的跟蹤方面，，本文首先分析了一種基于顏色信息的CamShift目標(biāo)跟蹤算法。雖然該算法能自適應(yīng)地調(diào)整搜索窗口，對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行跟蹤，但單一的顏色特征并不能準(zhǔn)確地描述運(yùn)動(dòng)目標(biāo)，特別當(dāng)顏色信息受到干擾時(shí)，會(huì)發(fā)生較嚴(yán)重的偏移現(xiàn)象。針對(duì)以上不足，重點(diǎn)研究了一種多特征融合的CamShift算法，其利用顏色、紋理和邊緣三個(gè)特征代替單一的顏色特征來(lái)描述目標(biāo)。針對(duì)其各特征的權(quán)重系數(shù)分配不合理的缺陷提出了一種改進(jìn)算法，該算法利用各特征的貢獻(xiàn)度來(lái)分配權(quán)重系數(shù)，這樣可以對(duì)運(yùn)動(dòng)船舶的描述更加準(zhǔn)確，再與改進(jìn)的目標(biāo)檢測(cè)融合算法相結(jié)合，實(shí)現(xiàn)了對(duì)船舶自動(dòng)、穩(wěn)定、準(zhǔn)確的跟蹤。 在運(yùn)動(dòng)船舶的流量統(tǒng)計(jì)方面，本文首先研究了虛擬檢測(cè)線法、虛擬線框法和目標(biāo)鏈法，在內(nèi)河航道這種特定的環(huán)境下，且出于實(shí)時(shí)性和準(zhǔn)確性的綜合考慮，虛擬檢測(cè)線計(jì)數(shù)法能較好地統(tǒng)計(jì)出運(yùn)動(dòng)船舶的船流量。 最后，本文在VC++6.0軟件環(huán)境下，同時(shí)結(jié)合計(jì)算機(jī)開(kāi)源視覺(jué)庫(kù)函數(shù)，對(duì)本文涉及到的各個(gè)算法進(jìn)行編程實(shí)現(xiàn)，并對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行了對(duì)比分析。在運(yùn)動(dòng)船舶的檢測(cè)方面，改進(jìn)后的算法有更好的魯棒性和實(shí)時(shí)性，能更好地適應(yīng)場(chǎng)景的動(dòng)態(tài)變化；在運(yùn)動(dòng)船舶的跟蹤方面，改進(jìn)后的算法能對(duì)運(yùn)動(dòng)船舶進(jìn)行更加準(zhǔn)確穩(wěn)定地跟蹤，體現(xiàn)出了更好地魯棒性；在運(yùn)動(dòng)船舶的流量統(tǒng)計(jì)方面，虛擬檢測(cè)線法能較準(zhǔn)確地對(duì)船舶進(jìn)行計(jì)數(shù)，經(jīng)實(shí)驗(yàn)測(cè)試，誤差在10%以內(nèi)。
【關(guān)鍵詞】：目標(biāo)檢測(cè)融合算法 多特征融合 CamShift 區(qū)分度 虛擬檢測(cè)線
【學(xué)位授予單位】：武漢理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：U698;U675.79
【目錄】：

• 摘要4-5
• Abstract5-9
• 第1章 緒論9-14
• 1.1 課題研究的來(lái)源9
• 1.2 課題研究的背景及意義9-10
• 1.3 國(guó)內(nèi)外研究現(xiàn)狀10-11
• 1.4 本論文的主要工作和論文結(jié)構(gòu)11-14
• 第2章 運(yùn)動(dòng)目標(biāo)檢測(cè)算法的分析與改進(jìn)14-24
• 2.1 經(jīng)典的目標(biāo)檢測(cè)算法14-16
• 2.1.1 背景差分法14-15
• 2.1.2 幀間差分法15-16
• 2.1.3 光流法16
• 2.2 混合高斯模型背景差分法16-20
• 2.2.1 混合高斯模型的基本原理17-18
• 2.2.2 混合高斯模型的初始化18
• 2.2.3 混合高斯模型參數(shù)的更新18-19
• 2.2.4 背景模型的選取與前景分割19-20
• 2.3 三幀差分與混合高斯模型相融合的算法20-22
• 2.4 基于運(yùn)動(dòng)目標(biāo)檢測(cè)融合算法的改進(jìn)22-23
• 2.5 本章小結(jié)23-24
• 第3章 運(yùn)動(dòng)目標(biāo)的跟蹤與計(jì)數(shù)研究與改進(jìn)24-41
• 3.1 Mean Shift 算法的基本思想24-28
• 3.2 CamShift 跟蹤算法的研究28-30
• 3.3 多特征自適應(yīng)融合的 CamShift 算法研究30-34
• 3.3.1 多特征融合31-33
• 3.3.2 CamShift 算法與目標(biāo)檢測(cè)相結(jié)合33-34
• 3.4 基于多特征融合 CamShift 算法的改進(jìn)34-36
• 3.5 運(yùn)動(dòng)目標(biāo)的流量統(tǒng)計(jì)36-40
• 3.6 本章小結(jié)40-41
• 第4章 算法編程實(shí)現(xiàn)及仿真結(jié)果分析41-56
• 4.1 目標(biāo)檢測(cè)算法的實(shí)現(xiàn)及結(jié)果分析41-46
• 4.1.1 運(yùn)動(dòng)目標(biāo)檢測(cè)融合算法的實(shí)現(xiàn)41-43
• 4.1.2 改進(jìn)的目標(biāo)檢測(cè)融合算法的實(shí)現(xiàn)43-46
• 4.2 目標(biāo)跟蹤算法的實(shí)現(xiàn)及結(jié)果分析46-53
• 4.2.1 跟蹤算法在主觀視覺(jué)角度上的對(duì)比47-51
• 4.2.2 CamShift 算法迭代次數(shù)的對(duì)比51-52
• 4.2.3 CamShift 算法跟蹤中心坐標(biāo)對(duì)比52-53
• 4.3 船流量統(tǒng)計(jì)的實(shí)現(xiàn)53-55
• 4.4 本章小結(jié)55-56
• 第5章 總結(jié)與展望56-58
• 5.1 全文工作總結(jié)56-57
• 5.2 下一步工作展望57-58
• 致謝58-59
• 參考文獻(xiàn)59-62

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 崔文頻;沈繼忠;;基于改進(jìn)高斯混合模型的運(yùn)動(dòng)物體的圖像檢測(cè)[J];光電工程;2010年04期

2 云霄;肖剛;;基于Camshift的多特征自適應(yīng)融合船舶跟蹤算法[J];光電工程;2011年05期

3 劉艷麗;陳昊;余炎峰;;基于幀間差分法和不變矩特征的運(yùn)動(dòng)目標(biāo)檢測(cè)與識(shí)別[J];工業(yè)控制計(jì)算機(jī);2008年07期

4 于博;牛錚;王力;王李娟;;抗噪形態(tài)學(xué)邊緣檢測(cè)新算子[J];信息技術(shù);2012年03期

5 王年;丁業(yè)兵;唐俊;鮑文霞;;帶寬自適應(yīng)的Mean Shift目標(biāo)跟蹤算法[J];華南理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年10期

6 楊冬冬;常丹華;韓夏;劉宇;;運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤算法的改進(jìn)與實(shí)現(xiàn)[J];激光與紅外;2010年02期

7 李明;趙勛杰;;改進(jìn)的基于高斯混合模型的運(yùn)動(dòng)目標(biāo)檢測(cè)算法[J];計(jì)算機(jī)工程與應(yīng)用;2011年08期

8 周尚波;胡鵬;柳玉炯;;基于改進(jìn)Mean-Shift與自適應(yīng)Kalman濾波的視頻目標(biāo)跟蹤[J];計(jì)算機(jī)應(yīng)用;2010年06期

9 李巍;趙英凱;錢厚亮;;一種基于紋理和顏色的目標(biāo)跟蹤方法[J];計(jì)算機(jī)仿真;2011年01期

10 徐璐;胡福喬;;基于混合高斯模型的攝像機(jī)移動(dòng)檢測(cè)[J];計(jì)算機(jī)應(yīng)用與軟件;2010年06期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前2條

1 涂虬;智能視覺(jué)監(jiān)視中目標(biāo)檢測(cè)與跟蹤算法研究[D];華中科技大學(xué);2010年

2 方少紅;基于關(guān)鍵點(diǎn)的NAM圖像特征表示及其相似性分類研究[D];華中科技大學(xué);2011年

本文編號(hào)：574436