本文關(guān)鍵詞：復(fù)雜場(chǎng)景下的運(yùn)動(dòng)目標(biāo)檢測(cè)算法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：運(yùn)動(dòng)目標(biāo)檢測(cè)是計(jì)算機(jī)視覺領(lǐng)域中一個(gè)重要的研究課題,也是很多視覺應(yīng)用系統(tǒng)的關(guān)鍵組成部分,如智能視頻監(jiān)控、視覺導(dǎo)航、視頻壓縮編碼等。運(yùn)動(dòng)目標(biāo)檢測(cè)作為一個(gè)應(yīng)用價(jià)值很高的研究課題,近年來受到越來越多的關(guān)注。很多新的方法被提出并應(yīng)用于視覺系統(tǒng)中,但目前的運(yùn)動(dòng)目標(biāo)檢測(cè)方法大都只適用于特定的應(yīng)用場(chǎng)景。如何在復(fù)雜場(chǎng)景下有效的進(jìn)行運(yùn)動(dòng)目標(biāo)檢測(cè)仍然是個(gè)很有挑戰(zhàn)性的問題。復(fù)雜場(chǎng)景中系統(tǒng)獲取視頻的背景不斷變化,給運(yùn)動(dòng)目標(biāo)的分割帶來很大的困難。無論是靜態(tài)場(chǎng)景中光照變化、樹葉等微動(dòng),還是動(dòng)態(tài)場(chǎng)景中攝像機(jī)的移動(dòng)都是研究人員在進(jìn)行運(yùn)動(dòng)目標(biāo)檢測(cè)時(shí)要重點(diǎn)要解決的問題。本文對(duì)復(fù)雜場(chǎng)景下靜態(tài)背景與動(dòng)態(tài)背景中運(yùn)動(dòng)目標(biāo)檢測(cè)算法進(jìn)行研究,主要工作如下：1)本文首先對(duì)各種常見運(yùn)動(dòng)目標(biāo)檢測(cè)算法分別進(jìn)行了研究總結(jié),給出這些算法的理論分析與實(shí)驗(yàn)結(jié)果。梳理包括靜態(tài)背景和動(dòng)態(tài)背景下各種算法的優(yōu)缺點(diǎn),并對(duì)目前這些算法的改進(jìn)熱點(diǎn)進(jìn)行討論。2)在對(duì)靜態(tài)背景下的各種運(yùn)動(dòng)目標(biāo)檢測(cè)算法對(duì)比分析后,針對(duì)高斯背景建模法,提出一種基于分塊模型更新的單高斯背景建模新方法,新方法將視頻圖像劃分為多個(gè)區(qū)塊,并對(duì)塊內(nèi)的像素進(jìn)行統(tǒng)一建模,以替代傳統(tǒng)高斯建模法中對(duì)單像素點(diǎn)的建模統(tǒng)計(jì)。由于對(duì)區(qū)塊內(nèi)像素進(jìn)行平均得出的數(shù)值更符合高斯分布特性,使得估計(jì)出的模型更有利于發(fā)揮單高斯建模方法的優(yōu)勢(shì),因此增強(qiáng)了算法應(yīng)對(duì)復(fù)雜背景的能力,同時(shí)分塊建模也有效降低了算法復(fù)雜性。3)關(guān)于動(dòng)態(tài)背景下的各種運(yùn)動(dòng)目標(biāo)檢測(cè)算法,本文主要研究了基于運(yùn)動(dòng)補(bǔ)償方法中的全局運(yùn)動(dòng)估計(jì)法。分別對(duì)基于全像素點(diǎn)的全局運(yùn)動(dòng)估計(jì)方法與基于運(yùn)動(dòng)矢量的全局運(yùn)動(dòng)估計(jì)方法做出理論分析與實(shí)驗(yàn)驗(yàn)證。并在分析實(shí)驗(yàn)結(jié)果的過程中,討論無效的矢量采樣即“奇異矢量”對(duì)基于運(yùn)動(dòng)矢量的估計(jì)方法實(shí)驗(yàn)結(jié)果造成的影響。4)針對(duì)奇異矢量會(huì)影響全局運(yùn)動(dòng)估計(jì)法效果的問題,本文使用一種結(jié)合角點(diǎn)檢測(cè)和k-means算法的改進(jìn)方法。該方法首先使用角點(diǎn)檢測(cè)算法選出圖像中細(xì)節(jié)比較豐富的區(qū)域代替?zhèn)鹘y(tǒng)算法中對(duì)圖像平均分塊的策略,使得塊匹配算法失準(zhǔn)率降低,減少了與背景運(yùn)動(dòng)不相符的奇異矢量的產(chǎn)生。其次對(duì)角點(diǎn)檢測(cè)選出的運(yùn)動(dòng)矢量使用k-means算法進(jìn)行聚類,將個(gè)體數(shù)目較多的群落定為符合背景運(yùn)動(dòng)的矢量。從而排除由運(yùn)動(dòng)目標(biāo)產(chǎn)生的運(yùn)動(dòng)矢量的影響,進(jìn)一步減少奇異矢量,提高了全局運(yùn)動(dòng)估計(jì)法的檢測(cè)效果。
【關(guān)鍵詞】：運(yùn)動(dòng)目標(biāo)檢測(cè) 單高斯模型 全局運(yùn)動(dòng)估計(jì) 塊匹配
【學(xué)位授予單位】：安徽大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP391.41
【目錄】：

• 摘要3-5
• Abstract5-9
• 第一章 緒論9-15
• 1.1 研究課題的背景與意義9
• 1.2 課題研究現(xiàn)狀9-13
• 1.2.1 靜態(tài)背景下的運(yùn)動(dòng)目標(biāo)檢測(cè)方法10-11
• 1.2.2 動(dòng)態(tài)背景下的運(yùn)動(dòng)目標(biāo)檢測(cè)方法11-13
• 1.3 論文的主要工作與章節(jié)安排13-15
• 1.3.1 論文的主要工作13-14
• 1.3.2 章節(jié)安排14-15
• 第二章 復(fù)雜場(chǎng)景中靜態(tài)背景下的目標(biāo)檢測(cè)算法研究15-29
• 2.1 幀間差分法15-18
• 2.2 背景差分法18-21
• 2.2.1 單高斯背景建模算法19-21
• 2.3 改進(jìn)單高斯背景建模法21-24
• 2.4 實(shí)驗(yàn)結(jié)果分析24-28
• 2.5 本章總結(jié)28-29
• 第三章 基于全局運(yùn)動(dòng)估計(jì)的運(yùn)動(dòng)目標(biāo)檢測(cè)算法研究29-55
• 3.1 全局運(yùn)動(dòng)估計(jì)法的基本思想29-31
• 3.2 經(jīng)典運(yùn)動(dòng)參數(shù)模型31-37
• 3.2.1 投影模型32-33
• 3.2.2 基于透視投影的八參數(shù)模型33-35
• 3.2.3 基于透視投影的四參數(shù)模型35-36
• 3.2.4 基于正交投影的六參數(shù)模型36-37
• 3.2.5 其他運(yùn)動(dòng)參數(shù)模型37
• 3.3 基于全像素點(diǎn)的參數(shù)估計(jì)37-42
• 3.3.1 基于全像素點(diǎn)的參數(shù)估計(jì)方法原理37-39
• 3.3.2 基于全像素點(diǎn)的參數(shù)估計(jì)方法實(shí)驗(yàn)結(jié)果39-42
• 3.4 基于運(yùn)動(dòng)矢量的估計(jì)方法42-53
• 3.4.1 基于運(yùn)動(dòng)矢量估計(jì)方法的基本原理42-44
• 3.4.2 基于塊匹配的運(yùn)動(dòng)矢量求解44-50
• 3.4.3 基于運(yùn)動(dòng)矢量估計(jì)方法的實(shí)驗(yàn)結(jié)果50-53
• 3.5 本章總結(jié)53-55
• 第四章 基于奇異運(yùn)動(dòng)矢量分析的全局運(yùn)動(dòng)估計(jì)算法55-69
• 4.1 奇異運(yùn)動(dòng)矢量產(chǎn)生原因分析與消除方法55-57
• 4.2 基于Harris角點(diǎn)檢測(cè)的宏塊篩選方法57-60
• 4.2.1 Harris角點(diǎn)檢測(cè)的基本原理57-59
• 4.2.2 基于Harris角點(diǎn)檢測(cè)進(jìn)行宏塊篩選59-60
• 4.2.3 基于Harris角點(diǎn)檢測(cè)進(jìn)行宏塊篩選實(shí)驗(yàn)結(jié)果60
• 4.3 基于K-means聚類的奇異運(yùn)動(dòng)矢量剔除方法60-64
• 4.3.1 K-means聚類算法基本原理60-62
• 4.3.2 使用K-means算法對(duì)運(yùn)動(dòng)矢量場(chǎng)進(jìn)行聚類62-64
• 4.4 實(shí)驗(yàn)結(jié)果與分析64-68
• 4.5 本章總結(jié)68-69
• 第五章 總結(jié)與展望69-71
• 5.1 總結(jié)69-70
• 5.2 展望70-71
• 參考文獻(xiàn)71-76
• 附圖76-78
• 附表78-79
• 致謝79-80
• 攻讀碩士學(xué)位期間參與的科研項(xiàng)目以及發(fā)表的論文80-81
• 學(xué)習(xí)與研究簡歷81

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 張桂林，，熊艷，曹偉，李強(qiáng);一種評(píng)價(jià)自動(dòng)目標(biāo)檢測(cè)算法性能的方法[J];華中理工大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版);1994年05期

2 秦劍;陳錢;錢惟賢;;基于背景分類的弱小目標(biāo)檢測(cè)算法[J];光電工程;2011年01期

3 蔣建國;吳暉;齊美彬;張莉;;攝像機(jī)旋轉(zhuǎn)運(yùn)動(dòng)下的快速目標(biāo)檢測(cè)算法[J];圖學(xué)學(xué)報(bào);2012年03期

4 逯鵬;張姍姍;劉馳;黃石磊;湯玉合;;基于稀疏超完備表示的目標(biāo)檢測(cè)算法[J];儀器儀表學(xué)報(bào);2013年06期

5 李大輝;金濤;;弱小目標(biāo)檢測(cè)算法的設(shè)計(jì)與分析[J];中國科技信息;2013年16期

6 張明艷;許鋼;孟櫻;;基于時(shí)空特性的運(yùn)動(dòng)目標(biāo)檢測(cè)算法研究[J];安徽工程大學(xué)學(xué)報(bào);2013年04期

7 徐振海,王雪松,肖順平,莊釗文;基于模糊融合的目標(biāo)檢測(cè)算法研究[J];國防科技大學(xué)學(xué)報(bào);2000年04期

8 李維雅,董能力,金鋼,李正周;弱小目標(biāo)檢測(cè)算法性能評(píng)價(jià)的回歸分析方法[J];光電工程;2005年02期

9 高陳強(qiáng);田金文;王鵬;;基于時(shí)域特性分析的紅外運(yùn)動(dòng)小目標(biāo)檢測(cè)算法[J];紅外與激光工程;2008年05期

10 曾脈;左志宏;常曉夫;何煊;;一種準(zhǔn)確而快速的運(yùn)動(dòng)目標(biāo)檢測(cè)算法[J];成都信息工程學(xué)院學(xué)報(bào);2008年04期

中國重要會(huì)議論文全文數(shù)據(jù)庫 前10條

1 高飛;蔣建國;安紅新;齊美彬;;一種快速運(yùn)動(dòng)目標(biāo)檢測(cè)算法[A];全國第22屆計(jì)算機(jī)技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議(CACIS·2011)暨全國第3屆安全關(guān)鍵技術(shù)與應(yīng)用（SCA·2011）學(xué)術(shù)會(huì)議論文摘要集[C];2011年

2 孫瑾秋;張艷寧;姜磊;王敏;;基于變換域特征的星空背景弱小目標(biāo)檢測(cè)算法[A];第八屆全國信號(hào)與信息處理聯(lián)合學(xué)術(shù)會(huì)議論文集[C];2009年

3 鄧宇;陳孝威;;綜合利用時(shí)空信息的運(yùn)動(dòng)目標(biāo)檢測(cè)算法[A];第二屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議(HHME2006)——第15屆中國多媒體學(xué)術(shù)會(huì)議(NCMT'06)論文集[C];2006年

4 袁輝;孫卓;李德民;魏穎;;基于小波多尺度互能量交叉融合濾波的弱小目標(biāo)檢測(cè)算法[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2009年

5 顧靜良;萬敏;張衛(wèi);鄭捷;;低對(duì)比度弱小目標(biāo)檢測(cè)算法[A];中國工程物理研究院科技年報(bào)（2005）[C];2005年

6 黃龔;鄭錦;劉養(yǎng)科;;攝像機(jī)水平巡掃時(shí)的運(yùn)動(dòng)目標(biāo)檢測(cè)算法[A];第六屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議（HHME2010)、第19屆全國多媒體學(xué)術(shù)會(huì)議（NCMT2010）、第6屆全國人機(jī)交互學(xué)術(shù)會(huì)議（CHCI2010）、第5屆全國普適計(jì)算學(xué)術(shù)會(huì)議（PCC2010）論文集[C];2010年

7 張國華;;一種基于導(dǎo)引頭穩(wěn)定平臺(tái)結(jié)構(gòu)的目標(biāo)檢測(cè)算法[A];第九屆全國光電技術(shù)學(xué)術(shù)交流會(huì)論文集（下冊(cè)）[C];2010年

8 王正;劉瑞華;;基于PTZ攝像機(jī)的運(yùn)動(dòng)目標(biāo)檢測(cè)算法[A];全國第一屆嵌入式技術(shù)聯(lián)合學(xué)術(shù)會(huì)議論文集[C];2006年

9 王彪;王成儒;王芬芬;;一種改進(jìn)的運(yùn)動(dòng)目標(biāo)檢測(cè)算法[A];計(jì)算機(jī)技術(shù)與應(yīng)用進(jìn)展·2007——全國第18屆計(jì)算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會(huì)議論文集[C];2007年

10 劉琳;顧國華;錢惟賢;陳錢;徐富元;;目標(biāo)檢測(cè)算法的研究以及SRIO協(xié)議在目標(biāo)檢測(cè)的應(yīng)用[A];第八屆華東三省一市真空學(xué)術(shù)交流會(huì)論文集[C];2013年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前5條

1 王海豐;基于機(jī)器視覺的剖竹機(jī)加工目標(biāo)檢測(cè)算法研究[D];東北林業(yè)大學(xué);2015年

2 王俊強(qiáng);圖像中人體目標(biāo)檢測(cè)算法研究[D];北京郵電大學(xué);2012年

3 郭明瑋;基于視覺記憶的目標(biāo)檢測(cè)算法：一個(gè)特征學(xué)習(xí)與特征聯(lián)想的過程[D];中國科學(xué)技術(shù)大學(xué);2014年

4 臧風(fēng)妮;智能視頻監(jiān)控中海面艦船目標(biāo)檢測(cè)算法研究[D];中國海洋大學(xué);2014年

5 陳偉;基于PSO的復(fù)雜工業(yè)環(huán)境視覺目標(biāo)檢測(cè)算法應(yīng)用研究[D];武漢科技大學(xué);2008年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 劉恒建;基于FPGA+DSP的運(yùn)動(dòng)目標(biāo)檢測(cè)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];南京理工大學(xué);2015年

2 賈建英;視頻序列中運(yùn)動(dòng)目標(biāo)檢測(cè)算法研究[D];長安大學(xué);2015年

3 周亞運(yùn);基于TMS320DM642平臺(tái)的紅外運(yùn)動(dòng)目標(biāo)檢測(cè)算法設(shè)計(jì)[D];南京理工大學(xué);2015年

4 姚丹;基于多光譜信息融合的弱小運(yùn)動(dòng)目標(biāo)檢測(cè)技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2015年

5 劉培培;基于區(qū)域特征的運(yùn)動(dòng)目標(biāo)檢測(cè)算法的研究與開發(fā)[D];廣西大學(xué);2015年

6 崔璇;天空背景下紅外小目標(biāo)檢測(cè)算法研究[D];陜西師范大學(xué);2015年

7 范肖肖;基于視覺注意機(jī)制的目標(biāo)檢測(cè)算法的研究[D];電子科技大學(xué);2015年

8 丁嬋;運(yùn)動(dòng)目標(biāo)檢測(cè)算法在嵌入式平臺(tái)的研究[D];電子科技大學(xué);2015年

9 張冠雄;基于標(biāo)簽傳播的顯著性目標(biāo)檢測(cè)算法研究[D];大連理工大學(xué);2015年

10 李建波;視頻監(jiān)控中運(yùn)動(dòng)目標(biāo)檢測(cè)算法的研究[D];哈爾濱工業(yè)大學(xué);2014年

  本文關(guān)鍵詞：復(fù)雜場(chǎng)景下的運(yùn)動(dòng)目標(biāo)檢測(cè)算法研究，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：278919