本文關(guān)鍵詞： 室內(nèi)運動目標(biāo)檢測 三維背景估計 三維均值漂移 深度卷積神經(jīng)網(wǎng)絡(luò)　出處：《儀器儀表學(xué)報》2017年10期 　論文類型：期刊論文

【摘要】：室內(nèi)環(huán)境中的運動目標(biāo)檢測是計算機(jī)視覺領(lǐng)域的研究熱點,而移動相機(jī)造成的動態(tài)背景是運動目標(biāo)檢測的難點。本文提出一種基于同步定位與地圖創(chuàng)建(ORB-SLAM)三維背景估計的運動目標(biāo)檢測算法,首先使用移動相機(jī)遍歷整個室內(nèi)環(huán)境,采用ORB-SLAM技術(shù)建立當(dāng)前全局環(huán)境的三維背景特征點云模型;然后基于局部視頻建立局部三維特征點云,根據(jù)定位信息將當(dāng)前局部三維特征點云與環(huán)境三維背景特征點云進(jìn)行嵌入,基于環(huán)境背景信息,采用三維均值漂移(3DMS)算法,對局部三維特征點云進(jìn)行前景特征點提取;運用深度卷積神經(jīng)網(wǎng)絡(luò),對提取的前景特征點所在候選區(qū)域進(jìn)行運動目標(biāo)確認(rèn)。通過多個室內(nèi)場景的實際實驗進(jìn)行驗證,結(jié)果表明本文方法具有較高的運動目標(biāo)檢測準(zhǔn)確率和召回率,提出的運動目標(biāo)檢測算法充分利用了三維背景信息,采用深度卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行確認(rèn),有效地改善了檢測的準(zhǔn)確性和魯棒性。
[Abstract]:Moving target detection in indoor environment is a hot topic in the field of computer vision. The dynamic background caused by mobile camera is the difficulty of moving target detection. In this paper, a moving target detection algorithm based on synchronous location and map creation ORB-SLAM 3D background estimation is proposed. Firstly, the mobile camera is used to traverse the whole indoor environment, and the ORB-SLAM technology is used to establish the 3D background feature point cloud model of the current global environment. Then the local 3D feature point cloud is built based on the local video, and the current local 3D feature point cloud and the environment 3D background feature point cloud are embedded according to the location information, which is based on the environment background information. The 3D mean shift (3DMS) algorithm is used to extract the foreground feature points of the local 3D feature point clouds. Using the deep convolution neural network, the candidate areas of the extracted foreground feature points are confirmed by the moving targets. The results are verified by the actual experiments of many indoor scenes. The results show that this method has a high accuracy and recall rate of moving target detection. The proposed algorithm makes full use of 3D background information and uses deep convolution neural network to confirm. The accuracy and robustness of the detection are improved effectively.
【作者單位】： 中國科學(xué)院深圳先進(jìn)技術(shù)研究院;中國科學(xué)院大學(xué)深圳先進(jìn)技術(shù)學(xué)院;
【基金】：國家自然科學(xué)基金面上項目(61473277) 機(jī)器人與智能制造國家地方聯(lián)合工程實驗室(2015581) 深圳市智能機(jī)器人與智能制造工程實驗室(20141722) 深圳市技術(shù)攻關(guān)項目(JSGG20150930154605341)資助
【分類號】：TP391.41
【正文快照】： 0引言運動目標(biāo)檢測是計算機(jī)視覺中的一項重要技術(shù)[1],主要應(yīng)用領(lǐng)域包括視頻監(jiān)控、視頻編碼、目標(biāo)識別與跟蹤、行為分析等[2-4]。此外,該技術(shù)經(jīng)常被用于其他計算機(jī)視覺相關(guān)工作的預(yù)處理當(dāng)中,如視頻摳圖[5]等。傳統(tǒng)的移動目標(biāo)檢測技術(shù)假設(shè)相機(jī)是固定靜止不動的,近年來研究人員提

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 郭志芬,張玉蘭;圖象動目標(biāo)檢測[J];北京理工大學(xué)學(xué)報;1992年03期

2 陳忠碧;張啟衡;彭先蓉;任臣;;基于塊估計的運動目標(biāo)檢測方法[J];光電工程;2006年06期

3 于明;閆必行;閻剛;于洋;;融合空時顯著性的運動目標(biāo)檢測方法[J];計算機(jī)仿真;2013年04期

4 關(guān)曉惠;周志敏;;一種復(fù)雜背景下的運動目標(biāo)檢測方法[J];浙江水利水電�？茖W(xué)校學(xué)報;2010年01期

5 甘新勝;趙書斌;;基于背景差的運動目標(biāo)檢測方法比較分析[J];指揮控制與仿真;2008年03期

6 高瓊;戴曉琴;;淺談運動目標(biāo)檢測方法的研究[J];科技信息;2009年27期

7 王欣;殷肖川;;基于背景重構(gòu)的運動目標(biāo)檢測方法[J];微計算機(jī)信息;2008年10期

8 王成儒;孟鳳;;快速背景重建的在線運動目標(biāo)檢測[J];光電工程;2007年06期

9 於時才;吳鍵;;運動背景下的運動目標(biāo)檢測方法[J];計算機(jī)仿真;2011年02期

10 張國欣;張殿富;范柳青;;運動目標(biāo)檢測方法的對比分析和仿真實現(xiàn)[J];電子科技;2011年12期

相關(guān)會議論文 前6條

1 王磊;;雙置條件下運動目標(biāo)檢測方法[A];2008年全國聲學(xué)學(xué)術(shù)會議論文集[C];2008年

2 祁亞斌;周軍紅;;基于二維最大熵的運動目標(biāo)檢測[A];計算機(jī)技術(shù)與應(yīng)用進(jìn)展·2007——全國第18屆計算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會議論文集[C];2007年

3 王宏群;方帥;高明;;基于抑制光強(qiáng)變化影響的運動目標(biāo)檢測[A];第十四屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2008年

4 趙晶晶;諶海新;劉星彤;;基于均值漂移的紅外飛行目標(biāo)分割方法[A];第十四屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2008年

5 徐青松;王仁明;劉代志;;基于均值漂移的紅外目標(biāo)跟蹤方法綜述[A];國家安全地球物理叢書（七）——地球物理與核探測[C];2011年

6 李冠彬;吳賀豐;;基于顏色紋理直方圖的帶權(quán)分塊均值漂移目標(biāo)跟蹤算法[A];第五屆全國幾何設(shè)計與計算學(xué)術(shù)會議論文集[C];2011年

相關(guān)博士學(xué)位論文 前10條

1 屈鑒銘;智能視頻監(jiān)控中的運動目標(biāo)檢測與跟蹤技術(shù)研究[D];西安電子科技大學(xué);2015年

2 王歡;復(fù)雜場景下的運動目標(biāo)檢測與跟蹤研究[D];北京理工大學(xué);2015年

3 黃敏;基于視頻的運動目標(biāo)檢測研究[D];東南大學(xué);2014年

4 于紅緋;車載環(huán)境下基于單目大視角相機(jī)的運動目標(biāo)檢測方法研究[D];東北大學(xué);2013年

5 王歡;運動目標(biāo)檢測與跟蹤技術(shù)研究[D];南京理工大學(xué);2009年

6 解曉萌;復(fù)雜背景下運動目標(biāo)檢測和識別關(guān)鍵技術(shù)研究[D];華南理工大學(xué);2012年

7 向金海;視頻中運動目標(biāo)檢測與跟蹤相關(guān)問題研究[D];華中科技大學(xué);2014年

8 李菊;復(fù)雜背景下的運動目標(biāo)檢測與跟蹤[D];合肥工業(yè)大學(xué);2015年

9 孫志海;視頻運動目標(biāo)檢測及減法聚類定位技術(shù)研究[D];浙江大學(xué);2009年

10 丁瑩;復(fù)雜環(huán)境運動目標(biāo)檢測若干關(guān)鍵問題研究[D];吉林大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 夏斌偉;視頻監(jiān)控中的運動目標(biāo)檢測與跟蹤[D];華南理工大學(xué);2015年

2 王龍;動態(tài)場景建模與運動目標(biāo)檢測方法研究[D];電子科技大學(xué);2014年

3 蘇靖峰;基于激光掃描的運動目標(biāo)檢測與識別[D];電子科技大學(xué);2014年

4 崔雪梅;靜態(tài)場景下運動目標(biāo)檢測和跟蹤的關(guān)鍵技術(shù)研究[D];青島大學(xué);2015年

5 吳佳龍;基于DSP的運動目標(biāo)檢測與跟蹤系統(tǒng)的研究與實現(xiàn)[D];西安電子科技大學(xué);2014年

6 劉志紅;一種運動目標(biāo)檢測與跟蹤監(jiān)控系統(tǒng)的研究[D];湖南師范大學(xué);2015年

7 黃潔;基于FPGA的運動目標(biāo)檢測系統(tǒng)設(shè)計與實現(xiàn)[D];東華理工大學(xué);2015年

8 彭娟;運動目標(biāo)檢測和跟蹤系統(tǒng)的設(shè)計與實現(xiàn)[D];中南民族大學(xué);2014年

9 劉盛中;基于低秩結(jié)構(gòu)的運動目標(biāo)檢測[D];合肥工業(yè)大學(xué);2014年

10 孟燦;基于全方位視覺的運動目標(biāo)檢測與跟蹤算法研究[D];中國計量學(xué)院;2015年

，

本文編號：1445633