發(fā)布時(shí)間：2021-04-09 22:57

　　智能視頻監(jiān)控系統(tǒng)是圖像處理領(lǐng)域、模式識(shí)別領(lǐng)域的研究熱點(diǎn),對(duì)于軍用及民用都有重要的研究意義,而基于紅外攝像頭的智能監(jiān)控更有實(shí)現(xiàn)全天候工作的優(yōu)點(diǎn),能在夜間或惡劣環(huán)境下工作。本文以紅外智能監(jiān)控系統(tǒng)為應(yīng)用背景,主要對(duì)其關(guān)鍵技術(shù)紅外人體姿勢(shì)識(shí)別方法中的紅外目標(biāo)分割、特征提取以及分類識(shí)別這幾個(gè)方面進(jìn)行了研究。對(duì)于紅外目標(biāo)分割算法部分,基于傳統(tǒng)的區(qū)域生長(zhǎng)算法需要以人工交互的方式選取初始種子點(diǎn),本文提出了將視覺顯著性與區(qū)域生長(zhǎng)結(jié)合的方法對(duì)其進(jìn)行改進(jìn)。利用基于頻譜殘差的視覺顯著性模型來確定目標(biāo)的顯著區(qū)域,通過對(duì)顯著圖進(jìn)行處理得到目標(biāo)區(qū)域的重心,最后以重心作為起始點(diǎn)進(jìn)行區(qū)域生長(zhǎng)分割,實(shí)現(xiàn)了目標(biāo)分割的自動(dòng)化。對(duì)于特征提取算法部分,針對(duì)由于紅外圖像的成像特點(diǎn)造成的其紋理信息差、灰度信息分布低等缺點(diǎn),本文分別以幾何特征、傅里葉描述子、Hu不變矩對(duì)圖像的形狀特征進(jìn)行提取,并根據(jù)穩(wěn)定性及可區(qū)分性原則對(duì)提取的特征進(jìn)行了優(yōu)化選擇。對(duì)于目標(biāo)分類識(shí)別算法部分,分別使用了KNN算法及SVM算法完成了對(duì)自創(chuàng)建的紅外人體姿勢(shì)圖像庫(kù)的姿勢(shì)識(shí)別,并提出了根據(jù)DTW距離對(duì)FKNN算法的改進(jìn)算法,提高了識(shí)別的準(zhǔn)確率。通過實(shí)驗(yàn)驗(yàn)證了本文所... 

【文章來源】：沈陽(yáng)航空航天大學(xué)遼寧省

【文章頁(yè)數(shù)】：60 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

中值濾波結(jié)果

通過將高斯核與所對(duì)應(yīng)的圖像位置進(jìn)行卷積運(yùn)算以實(shí)現(xiàn)對(duì)圖像像素的加權(quán)平均從而去除了噪聲。圖2.3 所示為對(duì)于站立姿勢(shì)的紅外圖像進(jìn)行基于 5 5的高斯核的高斯濾波結(jié)果。(a) 原始圖像 (b) 加噪圖像 (c) 高斯濾波后圖像圖 2.3 高斯濾波結(jié)果2.2.2 數(shù)學(xué)形態(tài)學(xué)處理數(shù)學(xué)形態(tài)學(xué)處理是利用結(jié)構(gòu)元素來對(duì)圖像進(jìn)行操作，主要可以用來提取目標(biāo)的邊界以及具有區(qū)域填充和去除噪聲的作用。它是圖像處理領(lǐng)域的有力工具，經(jīng)常被用在圖像的預(yù)處理和后處理的過程中。形態(tài)學(xué)處理主要分為膨脹、腐蝕以及開、閉運(yùn)算[16]。

中 c1 、 c 2為常數(shù)，且 c1 + c2 1。進(jìn)的 SR 模型具體流程如圖 3.3 所示：原始圖像水平梯度垂直梯度水平顯著圖最終顯著圖垂直顯著圖Prewitt算子SR模型SR模型融合圖 3.3 改進(jìn)的 SR 模型流程圖實(shí)驗(yàn)結(jié)果分析圖 3.4 所示，選取一張單目標(biāo)紅外圖像和一張多目標(biāo)紅外圖像作為測(cè)試數(shù)原始 SR 模型和改進(jìn)的 SR 模型對(duì)數(shù)據(jù)組圖像進(jìn)行測(cè)試得到顯著圖，圖中對(duì)應(yīng)于原圖、原 SR 模型所得結(jié)果、以及改進(jìn)的 SR 模型所得結(jié)果。

【參考文獻(xiàn)】：
期刊論文
[1]基于邊緣信息和Otsu的紅外圖像分割方法[J]. 曲楊,許衛(wèi)東,楊駿堂,童俊.  指揮控制與仿真. 2017(06)
[2]基于區(qū)域生長(zhǎng)的圖像分割研究進(jìn)展[J]. 徐蔚波,劉穎,章浩偉.  北京生物醫(yī)學(xué)工程. 2017(03)
[3]紅外圖像預(yù)處理研究概述[J]. 時(shí)譽(yù)寧.  黑龍江科技信息. 2017(06)
[4]圖像邊緣檢測(cè)算法的比較分析[J]. 王娟.  電子測(cè)試. 2016(23)
[5]紅外成像制導(dǎo)技術(shù)發(fā)展展望[J]. 楊俊彥,吳建東,宋敏敏.  紅外. 2016(08)
[6]基于Hu不變矩及傅里葉描述子的手勢(shì)分類算法[J]. 張?zhí)祜w,龍海燕,全海燕,丁嬌,郭慧.  電子技術(shù)與軟件工程. 2016(04)
[7]基于多特征的紅外圖像行人檢測(cè)[J]. 胡慶新,王磊.  電子設(shè)計(jì)工程. 2016(04)
[8]模式識(shí)別及其在圖像處理中的應(yīng)用[J]. 高翔,邢玉娟.  自動(dòng)化與儀器儀表. 2015(03)
[9]智能視頻監(jiān)控技術(shù)綜述[J]. 黃凱奇,陳曉棠,康運(yùn)鋒,譚鐵牛.  計(jì)算機(jī)學(xué)報(bào). 2015(06)
[10]紅外視頻監(jiān)控中的人體目標(biāo)檢測(cè)[J]. 汪金禮,王皓,袁寶紅,劉鴻濤,蘇亞輝,尹濤.  測(cè)試技術(shù)學(xué)報(bào). 2014(01)

博士論文
[1]基于圖像識(shí)別理論的智能交通系統(tǒng)關(guān)鍵技術(shù)研究[D]. 耿慶田.吉林大學(xué) 2016
[2]基于計(jì)算機(jī)視覺的行人交通信息智能檢測(cè)理論和關(guān)鍵技術(shù)研究[D]. 王愛麗.北京交通大學(xué) 2016
[3]基于計(jì)算機(jī)視覺的人體行為識(shí)別研究[D]. 邵延華.重慶大學(xué) 2015
[4]灰度圖像閾值分割的自適應(yīng)和快速算法研究[D]. 陽(yáng)樹洪.重慶大學(xué) 2014
[5]紅外圖像中人體目標(biāo)檢測(cè)、跟蹤及其行為識(shí)別研究[D]. 李建福.重慶大學(xué) 2010
[6]支持向量機(jī)方法及其應(yīng)用研究[D]. 王書舟.哈爾濱工業(yè)大學(xué) 2009

碩士論文
[1]基于智能監(jiān)控系統(tǒng)的圖像分割技術(shù)研究[D]. 楊洋.中國(guó)科學(xué)技術(shù)大學(xué) 2016
[2]基于視覺顯著性的紅外小目標(biāo)檢測(cè)算法研究[D]. 白婷.華中科技大學(xué) 2016
[3]基于傅里葉描述子的物體形狀識(shí)別的研究[D]. 彭正初.哈爾濱工業(yè)大學(xué) 2016
[4]老人監(jiān)護(hù)系統(tǒng)中的姿態(tài)識(shí)別算法研究[D]. 曲中鑫.哈爾濱工業(yè)大學(xué) 2015
[5]基于姿態(tài)估計(jì)的行為識(shí)別方法研究[D]. 張培浩.南京航空航天大學(xué) 2015
[6]融合多特征的圖像檢索研究[D]. 齊新勇.重慶大學(xué) 2014
[7]基于視頻監(jiān)控的人體異常行為識(shí)別系統(tǒng)研究[D]. 羅芳.廣東工業(yè)大學(xué) 2013
[8]海空背景下紅外艦船目標(biāo)識(shí)別方法研究[D]. 劉世軍.電子科技大學(xué) 2011
[9]基于形狀特征的人體行為識(shí)別方法研究[D]. 黃靜.燕山大學(xué) 2010
[10]基于人體姿勢(shì)分析的智能監(jiān)控系統(tǒng)研究[D]. 陳瑞強(qiáng).燕山大學(xué) 2010



本文編號(hào)：3128457