運動目標(biāo)的檢測是計算機(jī)視覺領(lǐng)域研究的熱點之一,在人機(jī)交互、智能交通、戰(zhàn)場偵查等領(lǐng)域應(yīng)用廣泛。本文針對單獨基于顏色信息或深度信息的運動目標(biāo)檢測存在的問題,圍繞深度圖超分辨率重建、基于RGB-D數(shù)據(jù)的運動目標(biāo)檢測、行人計數(shù)及其軟件設(shè)計三塊展開,主要工作如下:(1)針對深度圖像存在分辨率低、空洞、噪聲等問題,設(shè)計了由RGB圖像引導(dǎo),基于二階廣義總變分模型的深度圖像超分辨率重建的方法,即將重建問題轉(zhuǎn)化成最優(yōu)求解問題。首先根據(jù)深度圖的重構(gòu)約束構(gòu)造目標(biāo)函數(shù)的數(shù)據(jù)項,然后利用RGB圖像的邊緣信息對正則化模型加權(quán),將擴(kuò)散張量引入二階廣義總變分模型,構(gòu)成針對深度圖像特點的正則化模型,最后通過迭代重加權(quán)和原-對偶算法進(jìn)行求解得到高分辨率深度圖。實驗結(jié)果表明本文方法能夠有效解決深度圖像分辨率低、存在空洞和噪聲的問題。(2)針對單獨基于RGB或深度信息的運動目標(biāo)檢測存在的問題,設(shè)計了基于RGB-D數(shù)據(jù)的Codebook碼本算法進(jìn)行運動目標(biāo)檢測,利用深度信息作為碼本的第四維通道,增強(qiáng)了背景建模與前景檢測的準(zhǔn)確性,并通過圖像減操作、均值濾波、閾值判斷、邏輯"與"操作等一系列的后續(xù)處理,使檢測結(jié)果邊緣清晰。實驗證明該算法克服了單獨基于顏色信息易受光照、陰影的影響或單獨基于深度信息檢測時,近距離目標(biāo)無法檢測且目標(biāo)邊緣噪聲大等問題。(3)在本文設(shè)計的運動目標(biāo)檢測方法的基礎(chǔ)上,設(shè)計了一個行人計數(shù)方法..利用基于RGB-D數(shù)據(jù)的運動目標(biāo)檢測算法檢測出目標(biāo)區(qū)域,以該目標(biāo)區(qū)域為虛擬計數(shù)器,在區(qū)域內(nèi)劃分運動塊并設(shè)置虛擬線進(jìn)行計數(shù)和行人運動方向判斷。利用Kinect相機(jī)實時采集了基于室內(nèi)可控環(huán)境和復(fù)雜環(huán)境兩組不同視頻進(jìn)行實驗驗證。(4)在VS2010軟件平臺上結(jié)合OpenCV庫和Qt工具設(shè)計了一套運動目標(biāo)檢測軟件。整合論文前期的深度圖重建算法、運動目標(biāo)檢測算法、行人計數(shù)方法,利用Kinect相機(jī)進(jìn)行實時采集計數(shù)。檢測軟件集視頻輸入、行人計數(shù)、檢測和重建結(jié)果比較、虛擬線標(biāo)定等功能為一體,方便用戶進(jìn)行行人計數(shù),同時通過該檢測系統(tǒng)初步驗證了本文算法的可行性和可實現(xiàn)性。
【學(xué)位單位】：南京理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2017
【中圖分類】：TP391.41
【文章目錄】：
摘要
Abstract
1 緒論
    1.1 課題背景及研究意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 超分辨率重建算法
        1.2.2 運動目標(biāo)檢測技術(shù)
    1.3 本文主要工作和章節(jié)安排
        1.3.1 本文主要工作
        1.3.2 本文章節(jié)安排
2 相關(guān)理論基礎(chǔ)
    2.1 深度圖像的定義
    2.2 被動測距傳感
        2.2.1 雙目視覺法原理
        2.2.2 立體匹配方法
    2.3 主動測距傳感
        2.3.1 TOF相機(jī)
        2.3.2 Kinect深度傳感器
    2.4 目標(biāo)檢測基本方法
        2.4.1 光流法
        2.4.2 幀差法
        2.4.3 背景差分法
    2.5 本章小結(jié)
3 基于RGB圖像輔助的深度圖像超分辨率重建算法
    3.1 RGB圖像輔助的深度圖像超分辨率重建算法概述
    3.2 RGB圖像輔助的二階TGV深度圖像超分辨率重建
        3.2.1 問題描述
        3.2.2 算法框架
        3.2.3 小波變換取模
        3.2.4 改進(jìn)的二階TGV正則項
        3.2.5 算法實現(xiàn)
    3.3 實驗與分析
        3.3.1 定性分析
        3.3.2 定量分析
    3.4 本章小結(jié)
4 基于RGB-D數(shù)據(jù)Codebook算法的運動目標(biāo)檢測
    4.1 方法概述
    4.2 Codebook背景建模算法
        4.2.1 Codebook模型背景建模
        4.2.2 Codebook模型前景檢測
    4.3 基于RGB-D數(shù)據(jù)的Codebook背景建模改進(jìn)算法
C&D)'>        4.3.1 改進(jìn)的Codebook算法(CB_C&D)
        4.3.2 后處理
    4.4 實驗與分析
        4.4.1 實驗設(shè)置
        4.4.2 目標(biāo)與背景距離相近
        4.4.3 目標(biāo)與背景顏色相近
        4.4.4 光照突變
    4.5 本章小結(jié)
5 目標(biāo)檢測軟件設(shè)計
    5.1 行人計數(shù)方法
        5.1.1 計數(shù)方法框架
        5.1.2 計數(shù)方法實現(xiàn)
    5.2 軟件實現(xiàn)
        5.2.1 開發(fā)工具介紹
        5.2.2 模塊設(shè)計
        5.2.3 功能與界面
    5.3 行人計數(shù)實驗
        5.3.1 行人計數(shù)功能測試
        5.3.2 實驗性能分析
    5.4 本章小結(jié)
6 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
致謝
參考文獻(xiàn)
附錄

【參考文獻(xiàn)】

相關(guān)期刊論文 前5條

1 胡良梅;段琳琳;張旭東;楊靜;;融合顏色信息與深度信息的運動目標(biāo)檢測方法[J];電子與信息學(xué)報;2014年09期

2 邸維巍;張旭東;胡良梅;段琳琳;;彩色圖約束的二階廣義總變分深度圖超分辨率重建[J];中國圖象圖形學(xué)報;2014年08期

3 陳振華;周銳銳;李光偉;畢篤彥;;一種改進(jìn)的高斯混合背景模型算法及仿真[J];計算機(jī)仿真;2007年11期

4 左軍毅;潘泉;梁彥;張洪才;程詠梅;;基于模型切換的自適應(yīng)背景建模方法[J];自動化學(xué)報;2007年05期

5 楊威,張?zhí)镂?復(fù)雜景物環(huán)境下運動目標(biāo)檢測的新方法[J];計算機(jī)研究與發(fā)展;1998年08期

本文編號：2877207