【摘要】：智能視頻監(jiān)控現(xiàn)已被廣泛地運(yùn)用在安防系統(tǒng)當(dāng)中,且主要安裝在倉庫、銀行、機(jī)場、交通路口等重要區(qū)域。因此提高視頻監(jiān)控中運(yùn)動目標(biāo)檢測識別的準(zhǔn)確度成為我們當(dāng)前研究的重點(diǎn)。本文主要針對如何提高智能監(jiān)控系統(tǒng)中運(yùn)動目標(biāo)的檢測識別率問題,對現(xiàn)有的目標(biāo)檢測識別技術(shù)進(jìn)行系統(tǒng)的分析研究,并提出了改進(jìn)方案,最后利用數(shù)據(jù)融合方法進(jìn)一步提高了目標(biāo)識別的精確度。主要研究內(nèi)容如下:提出了一種基于自適應(yīng)慣性權(quán)重優(yōu)化螢火蟲算法(IFA)改進(jìn)的二維OTSU圖像閾值分割法,在保證分割效果的前提下提高了二維OTSU閾值分割法的運(yùn)算效率。在此基礎(chǔ)上,針對監(jiān)測運(yùn)動目標(biāo)獲得相對完整信息的需求,提出了一種結(jié)合基于IFA的二維OTSU閾值分割法改進(jìn)三幀差法(ITFD)與光流法的運(yùn)動目標(biāo)檢測方法,使得整個檢測能夠達(dá)到實(shí)時性要求的同時取得更好的目標(biāo)檢測效果。圍繞運(yùn)動目標(biāo)區(qū)域檢測結(jié)果,采用基于被檢測目標(biāo)物理特征以及HOG特征結(jié)合支持向量機(jī)分類器的目標(biāo)識別方法完成單目標(biāo)識別,并通過運(yùn)用“一對一”的方法實(shí)現(xiàn)了多目標(biāo)分類,從而有效的提高了系統(tǒng)的識別性能。針對單視角目標(biāo)識別中出現(xiàn)誤判等問題,提出了基于多視角圖像決策層數(shù)據(jù)融合技術(shù)的目標(biāo)識別決策融合方法,以獲取更加準(zhǔn)確的類別判斷。綜上所述,本文針對運(yùn)動目標(biāo)檢測識別中的閾值分割、運(yùn)動目標(biāo)檢測、單目標(biāo)識別和誤判修正等問題提出了改進(jìn)算法和實(shí)現(xiàn)策略,有效地提高了視頻監(jiān)控系統(tǒng)對多運(yùn)動目標(biāo)域的單體特征目標(biāo)的識別精度。實(shí)驗(yàn)驗(yàn)證表明,本文提出的有關(guān)算法能夠準(zhǔn)確的檢測和識別視頻圖像序列中的運(yùn)動目標(biāo),較傳統(tǒng)的目標(biāo)檢測識別方法準(zhǔn)確率和魯棒性都得到了有效提高,同時基于多視角數(shù)據(jù)融合的方法可以有效糾正由于單攝像頭識別引起的錯誤判別問題,有效提高了系統(tǒng)的識別準(zhǔn)確度。
[Abstract]:Intelligent video surveillance has been widely used in security systems, and mainly installed in warehouses, banks, airports, traffic junctions and other important areas. Therefore, improving the accuracy of moving target detection and recognition in video surveillance has become the focus of our current research. Aiming at the problem of how to improve the detection and recognition rate of moving targets in intelligent monitoring system, this paper makes a systematic analysis and research on the existing target detection and recognition technology, and puts forward an improved scheme. Finally, the accuracy of target recognition is improved by using data fusion method. The main research contents are as follows: an improved threshold segmentation method for two-dimensional OTSU image based on adaptive inertial weight optimization firefly algorithm (IFA) is proposed, which improves the efficiency of two-dimensional OTSU threshold segmentation method on the premise of ensuring the segmentation effect. On this basis, aiming at the need of obtaining relatively complete information for monitoring moving targets, a new method of moving target detection based on 2D OTSU threshold segmentation method based on IFA is proposed, which is improved by three-frame difference method (ITFD) and optical flow method (OFC). So that the whole detection can achieve real-time requirements and achieve better target detection effect. Around the result of moving target region detection, a single target recognition method based on physical feature and HOG feature and support vector machine classifier is adopted. The method of "one-to-one" is used to realize multi-object classification, which improves the recognition performance of the system effectively. Aiming at the problem of misjudgment in single-angle target recognition, a method of target recognition decision fusion based on multi-view image decision level data fusion technology is proposed in order to obtain more accurate classification judgment. To sum up, this paper proposes an improved algorithm and implementation strategy for threshold segmentation, moving target detection, single target recognition and misjudgment correction in moving target detection and recognition. The recognition accuracy of single feature targets in multi-moving target domain is improved effectively by video surveillance system. Experimental results show that the proposed algorithm can accurately detect and recognize moving targets in video sequences, and the accuracy and robustness of the proposed algorithms are improved effectively. At the same time, the method based on multi-view data fusion can effectively correct the error discrimination problem caused by single camera recognition, and effectively improve the recognition accuracy of the system.
【學(xué)位授予單位】：沈陽大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 韓艷春;李智蘭;曾憲文;;目標(biāo)識別與分類方法[J];軍事通信技術(shù);2003年01期

2 楊建勛,史朝輝;基于模糊綜合函數(shù)的目標(biāo)識別融合算法研究[J];火控雷達(dá)技術(shù);2004年04期

3 李彥鵬,施福忠,黎湘,莊釗文;基于模糊綜合評判的目標(biāo)識別效果評估[J];計(jì)算機(jī)應(yīng)用研究;2005年03期

4 左崢嶸,張?zhí)煨?集成證據(jù)提高目標(biāo)識別性能的方法研究[J];華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2005年03期

5 李彥鵬,黎湘,莊釗文;一種應(yīng)用模糊聚類分析的目標(biāo)識別效果評估方法[J];電子對抗技術(shù);2005年03期

6 蓋明久;呂世良;時寶;;一種概率更新方法及在目標(biāo)識別中的應(yīng)用[J];海軍航空工程學(xué)院學(xué)報(bào);2006年05期

7 張平定;王海軍;王睿;;一種基于聚類思想的目標(biāo)識別新方法[J];空軍工程大學(xué)學(xué)報(bào)(自然科學(xué)版);2006年02期

8 賈宇平;付耀文;黎湘;莊釗文;;灰局勢決策方法在決策層融合目標(biāo)識別中的應(yīng)用[J];信號處理;2007年04期

9 李靜;黃崢;;靜態(tài)傅里葉干涉具在目標(biāo)識別中的應(yīng)用研究[J];光譜學(xué)與光譜分析;2009年08期

10 黃瑤;熊和金;;目標(biāo)識別的灰關(guān)聯(lián)方法研究[J];湖南農(nóng)業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年S1期

相關(guān)會議論文 前10條

1 王宇;鐘秋海;;用統(tǒng)計(jì)模式識別方法建立海上目標(biāo)識別的數(shù)學(xué)模型[A];1995中國控制與決策學(xué)術(shù)年會論文集[C];1995年

2 鄭援;胡成軍;;基于數(shù)據(jù)融合的魚雷目標(biāo)識別[A];第十四屆全國信號處理學(xué)術(shù)年會(CCSP-2009)論文集[C];2009年

3 李夕海;趙克;慕曉冬;劉代志;;目標(biāo)識別中的特征相空間吸引子分析[A];第十屆全國信號處理學(xué)術(shù)年會（CCSP-2001）論文集[C];2001年

4 馮杰;蓋強(qiáng);古軍峰;;模糊聚類分析方法在海上目標(biāo)識別中的應(yīng)用[A];第二屆全國信息獲取與處理學(xué)術(shù)會議論文集[C];2004年

5 趙克;劉代志;慕曉東;蘇娟;;目標(biāo)識別的特征量約束[A];第九屆全國信號處理學(xué)術(shù)年會（CCSP-99）論文集[C];1999年

6 李正東;陳興無;宋琛;何武良;;多傳感器的目標(biāo)識別[A];中國工程物理研究院科技年報(bào)（1999）[C];1999年

7 郭相科;劉進(jìn)忙;曹學(xué)斌;張玉鵬;;子類獨(dú)立分量分析在聲目標(biāo)識別中的應(yīng)用[A];中國聲學(xué)學(xué)會2007年青年學(xué)術(shù)會議論文集（上）[C];2007年

8 張翠;高廣春;趙勝穎;;基于時間融合算法的近程目標(biāo)識別[A];2011下一代自動測試系統(tǒng)學(xué)術(shù)研討會論文集[C];2011年

9 俞鴻波;趙榮椿;;三維空間目標(biāo)識別概述[A];信號與信息處理技術(shù)——第一屆信號與信息處理聯(lián)合學(xué)術(shù)會議論文集[C];2002年

10 曹健;陳紅倩;毛典輝;李海生;蔡強(qiáng);;基于局部特征的圖像目標(biāo)識別問題綜述[A];2013年中國智能自動化學(xué)術(shù)會議論文集（第五分冊）[C];2013年

相關(guān)重要報(bào)紙文章 前2條

1 莫衍崴 特約記者劉謙;上士白光斌:電話傳音排故障[N];戰(zhàn)士報(bào);2012年

2 陳德潮邋本報(bào)特約通訊員 曹金平 劉劍;為潛艇鑄“魂”[N];解放軍報(bào);2008年

相關(guān)博士學(xué)位論文 前10條

1 肖永生;射頻隱身雷達(dá)信號設(shè)計(jì)與目標(biāo)識別研究[D];南京航空航天大學(xué);2014年

2 崔宗勇;合成孔徑雷達(dá)目標(biāo)識別理論與關(guān)鍵技術(shù)研究[D];電子科技大學(xué);2015年

3 丁軍;基于稀疏理論的SAR圖像目標(biāo)識別研究[D];西安電子科技大學(xué);2015年

4 韓靜;基于仿生視覺模型和復(fù)雜信息學(xué)習(xí)的多光譜夜視目標(biāo)識別技術(shù)[D];南京理工大學(xué);2014年

5 舒銳;衛(wèi)星目標(biāo)識別與特征參數(shù)提取方法研究[D];哈爾濱工業(yè)大學(xué);2010年

6 張池平;多傳感器信息融合方法及其在空間目標(biāo)識別中的應(yīng)用[D];哈爾濱工業(yè)大學(xué);2006年

7 李彥鵬;自動目標(biāo)識別效果評估[D];國防科學(xué)技術(shù)大學(xué);2004年

8 賈宇平;基于信任函數(shù)理論的融合目標(biāo)識別研究[D];國防科學(xué)技術(shù)大學(xué);2009年

9 張祥合;復(fù)雜場景中目標(biāo)識別與分類的仿生原理和方法[D];吉林大學(xué);2012年

10 謝妤嬋;視覺目標(biāo)識別與三維定位關(guān)鍵技術(shù)的研究[D];天津大學(xué);2009年

相關(guān)碩士學(xué)位論文 前10條

1 許俊峰;基于模型的任意視點(diǎn)下三維目標(biāo)識別研究[D];南京航空航天大學(xué);2015年

2 李建;毫米波輻射計(jì)目標(biāo)識別性能測試系統(tǒng)研究[D];南京理工大學(xué);2015年

3 陳晨;紅外/毫米波復(fù)合信號處理方法及電路設(shè)計(jì)[D];南京理工大學(xué);2015年

4 王玉君;基于遠(yuǎn)紅外熱像儀的地面機(jī)動目標(biāo)識別[D];沈陽理工大學(xué);2015年

5 姚國偉;基于高分辨距離像的艦船目標(biāo)識別研究[D];哈爾濱工業(yè)大學(xué);2015年

6 周偉峰;基于神經(jīng)網(wǎng)絡(luò)的單目機(jī)器人目標(biāo)識別定位研究[D];安徽工程大學(xué);2015年

7 譚敏潔;基于壓縮感知的雷達(dá)一維距離像目標(biāo)識別[D];電子科技大學(xué);2015年

8 王翔;基于局部神經(jīng)反應(yīng)的目標(biāo)識別研究[D];華中師范大學(xué);2015年

9 劉巍;基于非均勻采樣圖像的目標(biāo)識別與跟蹤算法研究[D];北京理工大學(xué);2015年

10 田兵兵;基于核函數(shù)的SAR圖像目標(biāo)識別研究[D];電子科技大學(xué);2015年

，

本文編號：2408620