本文關(guān)鍵詞：監(jiān)控視頻中的前景提取和目標(biāo)檢測跟蹤算法研究

  更多相關(guān)文章： 視頻分析 前景提取 圖像形態(tài)學(xué) 光流 多目標(biāo)跟蹤 目標(biāo)識別

【摘要】：當(dāng)下,隨著社會的快速發(fā)展,由民族、社會等多方面社會矛盾所引起的各類突發(fā)事件和恐怖襲擊屢屢發(fā)生。城市監(jiān)控系統(tǒng)作為建設(shè)平安城市的基礎(chǔ),對當(dāng)前以及未來發(fā)生的突發(fā)情況起著極其關(guān)鍵的作用。但是,由于監(jiān)控?cái)?shù)據(jù)量巨大,單憑人力監(jiān)控管理成了一個(gè)巨大挑戰(zhàn)。為了讓安防系統(tǒng)更好的服務(wù)于應(yīng)對突發(fā)事件,我們需要一個(gè)智能的安防系統(tǒng)來準(zhǔn)確地獲取信息。隨著科技的進(jìn)步以及計(jì)算機(jī)視覺技術(shù)的不斷發(fā)展,搭建一個(gè)大規(guī)模的網(wǎng)絡(luò)化數(shù)字化的視頻監(jiān)控系統(tǒng)已經(jīng)成為現(xiàn)實(shí),利用人工智能技術(shù)構(gòu)建新一代智能視頻監(jiān)控系統(tǒng)也已經(jīng)成為了可能。智能監(jiān)控系統(tǒng)的研發(fā)是一個(gè)極具挑戰(zhàn)性的工作,它要完成視頻進(jìn)行智能分析,對視頻中出現(xiàn)的內(nèi)容進(jìn)行檢測識別,這其中包含了多個(gè)計(jì)算機(jī)科學(xué)領(lǐng)域。在眾多的智能監(jiān)控視頻分析領(lǐng)域中,提取監(jiān)控視頻中有目標(biāo)運(yùn)動的前景部分與監(jiān)控場景中多個(gè)目標(biāo)的檢測跟蹤是一個(gè)至關(guān)重要的一部分。本文針對監(jiān)控視頻的前景提取和目標(biāo)檢測跟蹤問題進(jìn)行了研究,提出了對于這些問題的解決方法。本文主要的研究內(nèi)容如下：1.對于視頻中運(yùn)動前景部分提取,本文采用了一種基于多通道高斯混合模型的動態(tài)背景模型。通過對背景模型的改進(jìn),提高了前景提取的準(zhǔn)確性,并使其能夠滿足實(shí)時(shí)檢測的要求。針對提取前景出現(xiàn)細(xì)小空洞以及不連貫問題,本文采取了圖像形態(tài)學(xué)的處理,增強(qiáng)了前景提取的可靠性。通過與之前的算法進(jìn)行對比發(fā)現(xiàn),本文提出的改進(jìn)算法提取的前景噪點(diǎn)更少更準(zhǔn)確。2.針對目標(biāo)檢測分類,本文總結(jié)介紹了三種常用的特征模型,即HOG、Haar-like、LBP,利用級聯(lián)的Adaboost分類器和支持向量機(jī)對人臉五官和行人目標(biāo)做了一系列的檢測實(shí)驗(yàn)。3.在目標(biāo)跟蹤方面,本文利用Lucas-Kanade光流估計(jì)算法,設(shè)計(jì)并實(shí)現(xiàn)了一種快速跟蹤多物體的算法,本算法采用均勻采樣目標(biāo)像素點(diǎn)作為目標(biāo)描述子,并運(yùn)用了一種前向-反向誤差濾波器,大大提高了跟蹤的準(zhǔn)確性。為了驗(yàn)證算法的可用性,本文選取了三段真實(shí)監(jiān)控視頻用于實(shí)驗(yàn),通過比較發(fā)現(xiàn)本文算法具有速度更快、能夠跟蹤多個(gè)物體的優(yōu)點(diǎn)。4.為了提高程序執(zhí)行速度,本文利用GPGPU技術(shù)對算法進(jìn)行了并行加速研究,通過使用CUDA技術(shù)大大提高了算法速度。
【關(guān)鍵詞】：視頻分析 前景提取 圖像形態(tài)學(xué) 光流 多目標(biāo)跟蹤 目標(biāo)識別
【學(xué)位授予單位】：浙江大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.41
【目錄】：

• 致謝4-5
• 摘要5-7
• Abstract7-12
• 第1章 緒論12-19
• 1.1 監(jiān)控視頻中前景提取和目標(biāo)檢測跟蹤算法研究的背景和意義12-14
• 1.2 監(jiān)控視頻中前景提取和目標(biāo)檢測跟蹤算法的研究現(xiàn)狀14-16
• 1.3 本文的內(nèi)容安排和主要結(jié)構(gòu)16-19
• 第2章 基于多通道高斯混合模型的前景檢測算法19-36
• 2.1 引言19
• 2.2 前景提取的方法簡介19-22
• 2.3 基于高斯混合模型的背景建模22-26
• 2.3.1 高斯混合模型22
• 2.3.2 幾種改進(jìn)的高斯混合背景模型22-26
• 2.4 基于多通道高斯混合模型的前景檢測算法26-30
• 2.4.1 算法的總體框架26-29
• 2.4.2 算法技術(shù)分析29-30
• 2.5 前景掩膜的圖像形態(tài)學(xué)處理30-33
• 2.5.1 圖像形態(tài)學(xué)處理的意義30
• 2.5.2 幾種基本形態(tài)學(xué)處理操作30-32
• 2.5.3 圖像形態(tài)學(xué)處理結(jié)果比較32-33
• 2.6 實(shí)驗(yàn)結(jié)果與比較33-35
• 2.7 本章小結(jié)35-36
• 第3章 目標(biāo)檢測算法研究36-57
• 3.1 引言36
• 3.2 特征描述子36-45
• 3.2.1 Haar-like特征37-40
• 3.2.2 LBP特征40-42
• 3.2.3 HOG特征42-45
• 3.3 基于級聯(lián)分類器的人臉及五官檢測45-49
• 3.3.1 Adaboost分類算法45-48
• 3.3.2 級聯(lián)Adaboost分類器48-49
• 3.4 檢測實(shí)驗(yàn)結(jié)果49-50
• 3.5 基于支持向量機(jī)的行人檢測50-55
• 3.5.1 支持向量機(jī)50-53
• 3.5.2 檢測實(shí)驗(yàn)結(jié)果53-55
• 3.6 本章小結(jié)55-57
• 第4章 基于光流的多目標(biāo)跟蹤算法57-69
• 4.1 引言57
• 4.2 基于圖像金字塔的局部光流估計(jì)算法57-63
• 4.2.1 單尺度局部光流估計(jì)算法58-59
• 4.2.2 高斯圖像金字塔的構(gòu)建和多尺度局部光流估計(jì)59-61
• 4.2.3 前向-反向誤差檢測61-63
• 4.3 基于光流的多目標(biāo)跟蹤算法框架63-65
• 4.4 實(shí)驗(yàn)結(jié)果和分析65-68
• 4.5 本章小結(jié)68-69
• 第5章 基于GPGPU的算法加速69-77
• 5.1 引言69-70
• 5.2 CUDA技術(shù)介紹70-73
• 5.3 實(shí)驗(yàn)結(jié)果和對比分析73-76
• 5.3.1 前景提取73
• 5.3.2 目標(biāo)檢測73-75
• 5.3.3 多目標(biāo)跟蹤75-76
• 5.4 本章小結(jié)76-77
• 第6章 總結(jié)與展望77-79
• 6.1 論文工作總結(jié)77-78
• 6.2 未來研究工作展望78-79
• 參考文獻(xiàn)79-85
• 攻讀碩士學(xué)位期間主要的研究成果85

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 李斌;孫華峰;;內(nèi)河運(yùn)動船舶的準(zhǔn)確檢測跟蹤技術(shù)研究[J];微電子學(xué)與計(jì)算機(jī);2012年11期

2 李海軍;;在康復(fù)理療系統(tǒng)中基于人體部位的多人檢測跟蹤方法[J];計(jì)算機(jī)應(yīng)用與軟件;2014年04期

3 游波;張明敏;;一種對水下運(yùn)動目標(biāo)被動檢測跟蹤的一體化算法[J];電子學(xué)報(bào);2006年04期

4 藍(lán)曉平;;內(nèi)河運(yùn)動船舶的準(zhǔn)確檢測跟蹤技術(shù)研究[J];企業(yè)技術(shù)開發(fā);2013年21期

5 王坤;王磊;游安清;;基于局部輪廓特征的無人機(jī)頭部檢測跟蹤算法[J];光學(xué)技術(shù);2011年02期

6 向桂山;王宣銀;梁冬泰;;基于人臉膚色和特征的實(shí)時(shí)檢測跟蹤算法[J];光電工程;2007年04期

7 張麗麗;王建民;;太陽位置光電模擬信號檢測跟蹤的實(shí)現(xiàn)[J];自動化技術(shù)與應(yīng)用;2010年09期

8 盛平;張凈;倪冬瑋;劉曉梅;;基于單運(yùn)動目標(biāo)的PTZ檢測跟蹤系統(tǒng)設(shè)計(jì)[J];江蘇大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年06期

9 方國強(qiáng);滕克難;;基于序列紅外圖像的彈道導(dǎo)彈中段目標(biāo)檢測跟蹤方法[J];宇航計(jì)測技術(shù);2014年01期

10 牛薌潔;黃永春;;微弱運(yùn)動目標(biāo)的檢測與跟蹤識別算法研究[J];計(jì)算機(jī)仿真;2010年04期

中國重要會議論文全文數(shù)據(jù)庫 前3條

1 游波;張明敏;;基于匹配場和長項(xiàng)積分混合處理的多模式檢測跟蹤一體化算法[A];2004年全國水聲學(xué)學(xué)術(shù)會議論文集[C];2004年

2 柳迪;董緒榮;;視頻目標(biāo)檢測和跟蹤框架的研究[A];2011年全國通信安全學(xué)術(shù)會議論文集[C];2011年

3 王楠;姜志國;孟鋼;趙丹培;;基于DSP的深空背景仿真及目標(biāo)檢測跟蹤系統(tǒng)開發(fā)[A];第九屆全國光電技術(shù)學(xué)術(shù)交流會論文集（下冊）[C];2010年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前3條

1 劉釗;無人車2D激光雷達(dá)結(jié)構(gòu)化環(huán)境感知技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2013年

2 龔俊亮;紅外弱小多目標(biāo)實(shí)時(shí)檢測跟蹤技術(shù)研究[D];中國科學(xué)院研究生院（長春光學(xué)精密機(jī)械與物理研究所）;2013年

3 王守佳;基于圖像的人體檢測跟蹤和人臉識別的研究[D];吉林大學(xué);2013年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 王云奇;知識輔助檢測跟蹤一體化算法研究[D];電子科技大學(xué);2014年

2 張?jiān)?無源毫米波圖像變尺度目標(biāo)檢測跟蹤算法研究與實(shí)現(xiàn)[D];電子科技大學(xué);2014年

3 金純;基于無人機(jī)平臺的目標(biāo)檢測跟蹤系統(tǒng)研究[D];西安電子科技大學(xué);2015年

4 田歌;人臉檢測跟蹤技術(shù)的研究[D];河南工業(yè)大學(xué);2015年

5 關(guān)曉青;基于L-GEM徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測跟蹤算法研究[D];浙江大學(xué);2016年

6 郭達(dá)潔;監(jiān)控視頻中的前景提取和目標(biāo)檢測跟蹤算法研究[D];浙江大學(xué);2016年

7 賈艾琪;復(fù)雜背景下運(yùn)動靶標(biāo)檢測跟蹤技術(shù)的研究[D];長春理工大學(xué);2009年

8 李俊勰;視頻監(jiān)控下運(yùn)動目標(biāo)檢測跟蹤與控制系統(tǒng)的研究[D];南昌大學(xué);2014年

9 杜宇;視頻中的人臉檢測跟蹤技術(shù)及其應(yīng)用[D];西安電子科技大學(xué);2006年

10 吳澤賓;中文微博話題檢測跟蹤方法研究和系統(tǒng)設(shè)計(jì)[D];廣東技術(shù)師范學(xué)院;2013年

，

本文編號：1053864