行人檢測是智能監(jiān)控的主要目的。傳統(tǒng)的行人檢測方法一般是針對室內(nèi)或較小范圍的視頻場景中的行人,所以均沒有考慮透視現(xiàn)象的影響。而隨著行人的出行量和活動數(shù)的大量增加,監(jiān)控的視頻場景也漸漸由室內(nèi)或較小范圍的場景擴展為室外或較大范圍的視頻場景,這些視頻場景中的透視現(xiàn)象很明顯,會影響到檢測方法的精度和性能。因此,顧及透視現(xiàn)象對檢測方法精度和性能影響的研究變得極為重要。因此,本文顧及了透視現(xiàn)象對檢測方法精度和性能的影響,首先通過視頻圖像空間與地理空間的互映射方法得到相關的地理信息,然后在傳統(tǒng)的行人檢測方法中引入地理空間面積約束條件,從而進一步提升檢測方法的精度和性能。本文的研究內(nèi)容和結(jié)論主要包括:（1）視頻圖像空間與地理空間互映射針對四種常用的視頻圖像空間與地理空間互映射的方法,設計了對不同方法在地形不變和地形緩慢變化的情況下的精度對比實驗,選取適合的方法,實現(xiàn)視頻場景與地理場景之間的互映射,提取圖像場景的地理坐標,并獲得地理空間面積約束信息。（2）引入地理空間面積約束進行背景減除針對透視現(xiàn)象對背景減除方法的影響,利用所得到的地理空間面積約束信息,改進基于背景減除的運動檢測方法,提高檢測方法的精度和... 

【文章來源】：南京師范大學江蘇省 211工程院校

【文章頁數(shù)】：104 頁

【學位級別】：碩士

【部分圖文】：

圖２－２物平面和像平面的對應情況??以齊次坐標系表不（２－９）式，則??

?按照地形不變（平面）、地形緩慢變化（斜面）的情況，分別從南京師范大??學北區(qū)校區(qū)（圖２－５）選�。矇K實驗區(qū)域（圖２－６），并在實驗區(qū)布設均勻的目標??點。其中，布設的目標點遵循以下的原則：特征明顯，便于在拍攝的影像上清晰??識別其中心；在實驗區(qū)內(nèi)分布均勻。因此，從平面上選取了?９個目標點來對地形??不變的情況進行分析（圖２－７）；而從斜面上選取了?１３個目標點來對地形緩慢變??化的情況進行分析（圖２－８）。??圖２－５南京師范大學仙林校區(qū)北區(qū)衛(wèi)星彩像圖??遍觸??丨：丨．Ｊ?…、：一―一＇：』氣??（ａ）地形不變?（ｂ）地形緩慢變化??圖２－６兩種地形示意圖??２３??

?按照地形不變（平面）、地形緩慢變化（斜面）的情況，分別從南京師范大??學北區(qū)校區(qū)（圖２－５）選�。矇K實驗區(qū)域（圖２－６），并在實驗區(qū)布設均勻的目標??點。其中，布設的目標點遵循以下的原則：特征明顯，便于在拍攝的影像上清晰??識別其中心；在實驗區(qū)內(nèi)分布均勻。因此，從平面上選取了?９個目標點來對地形??不變的情況進行分析（圖２－７）；而從斜面上選取了?１３個目標點來對地形緩慢變??化的情況進行分析（圖２－８）。??圖２－５南京師范大學仙林校區(qū)北區(qū)衛(wèi)星彩像圖??遍觸??丨：丨．Ｊ?…、：一―一＇：』氣??（ａ）地形不變?（ｂ）地形緩慢變化??圖２－６兩種地形示意圖??２３??

【參考文獻】：
期刊論文
[1]一種改進的三幀差分運動目標檢測算法[J]. 陳寶遠,霍智超,陳光毅,孫忠祥.  應用科技. 2016(02)
[2]基于顏色和局部二值相似模式的背景減除[J]. 任典元,王文偉,馬強.  計算機科學. 2016(03)
[3]監(jiān)控視頻中基于運動目標顯著性的關鍵幀提取方法[J]. 胡圓圓,干宗良,陳昌紅,崔子冠,劉峰.  南京郵電大學學報(自然科學版). 2016(01)
[4]基于混合高斯模型和六幀差分的目標檢測算法[J]. 陸冰,王玲玲,裴東.  激光與紅外. 2016(02)
[5]結(jié)合SVM分類器與HOG特征提取的行人檢測[J]. 徐淵,許曉亮,李才年,姜梅,張建國.  計算機工程. 2016(01)
[6]基于局部二值模式和四元數(shù)的行人檢測[J]. 朱龍,戰(zhàn)蔭偉.  電視技術. 2015(24)
[7]自適應k均值聚類算法在運動目標檢測中的應用[J]. 汪克峰,葉飛躍.  江蘇理工學院學報. 2015(06)
[8]基于改進的codebook算法的運動目標檢測[J]. 趙玉吉,駱且,杜宇人.  揚州大學學報(自然科學版). 2015(04)
[9]一種改進的基于混合高斯模型的運動目標檢測算法[J]. 王思思,任世卿.  計算機科學. 2015(S2)
[10]基于混合顏色空間與碼本背景減除的虛擬觸控優(yōu)化技術[J]. 林孜鎧,戴思璋,梁浩文,林岱昆,朱潔霞,蘇劍邦,陳海域,王嘉輝,周建英.  液晶與顯示. 2015(04)

博士論文
[1]基于視頻的人體檢測與目標跟蹤方法研究[D]. 倪洪印.吉林大學 2014
[2]區(qū)域人群狀態(tài)與行為的時空感知方法[D]. 宋宏權.南京師范大學 2013
[3]基于視頻的人體行為分析[D]. 郭萍.北京交通大學 2012

碩士論文
[1]基于自適應背景減除方法的運動目標檢測[D]. 劉舒.哈爾濱工業(yè)大學 2013
[2]基于改進光流法的運動目標檢測與跟蹤系統(tǒng)[D]. 吳振杰.鄭州大學 2012
[3]基于特征學習的人體檢測[D]. 甘國龍.電子科技大學 2012
[4]基于多特征的行人檢測方法研究[D]. 陳剛.吉林大學 2012
[5]基于區(qū)域約束HOG-LBP特征的人體檢測算法研究[D]. 周生輝.武漢理工大學 2012
[6]基于Hausdorff距離模板匹配的行人檢測算法研究與應用[D]. 黃琛.清華大學 2006



本文編號：3067377