發(fā)布時(shí)間：2017-05-10 01:00

  本文關(guān)鍵詞：基于運(yùn)動(dòng)補(bǔ)償及全局背景優(yōu)化的目標(biāo)檢測(cè)，，由筆耕文化傳播整理發(fā)布。

【摘要】：視頻監(jiān)控作為現(xiàn)代城市的一種社會(huì)事務(wù)管理手段,在生活中得到了廣泛地運(yùn)用。傳統(tǒng)的監(jiān)控模式存在許多弊端,因此監(jiān)控中的智能視頻分析技術(shù)仍然有很大的進(jìn)步空間。在智能視頻分析使用到的諸多技術(shù)中,運(yùn)動(dòng)目標(biāo)檢測(cè)是一項(xiàng)重要的基礎(chǔ)技術(shù),所以對(duì)于運(yùn)動(dòng)目標(biāo)檢測(cè)的研究有助于提升智能視頻分析技術(shù)。近年來(lái),隨著運(yùn)動(dòng)目標(biāo)檢測(cè)技術(shù)的迅速發(fā)展,逐漸誕生了一些效果優(yōu)異的算法。這些算法雖然在一定程度上滿足了監(jiān)控場(chǎng)景下的目標(biāo)檢測(cè)需求,但其中的絕大部分只對(duì)于靜態(tài)場(chǎng)景有效,對(duì)于動(dòng)態(tài)背景(相機(jī)移動(dòng))下的運(yùn)動(dòng)目標(biāo)檢測(cè)任務(wù)不具有適用性。在動(dòng)態(tài)背景下,由于相機(jī)處于移動(dòng)狀態(tài),使得背景與前景同時(shí)具備了運(yùn)動(dòng)屬性,從而使兩者的區(qū)分變得十分困難。因此,動(dòng)態(tài)背景下的運(yùn)動(dòng)目標(biāo)檢測(cè)是當(dāng)下目標(biāo)檢測(cè)領(lǐng)域中一項(xiàng)具有挑戰(zhàn)性的課題。本文的主要工作如下：(1)針對(duì)動(dòng)態(tài)背景下的目標(biāo)檢測(cè)問(wèn)題,提出了一種基于運(yùn)動(dòng)補(bǔ)償方法的在線背景模型更新算法,用一個(gè)快速的方式檢測(cè)運(yùn)動(dòng)目標(biāo)。具體來(lái)說(shuō),首先為每個(gè)像素點(diǎn)建立一個(gè)像素級(jí)的背景模型。然后在前一幀的背景模型基礎(chǔ)上,用保邊濾波的光流算法來(lái)估計(jì)每個(gè)像素的運(yùn)動(dòng),傳播到當(dāng)前幀的背景模型。根據(jù)補(bǔ)償后的背景模型判斷每一個(gè)像素點(diǎn)是前景點(diǎn)還是背景點(diǎn)。最后,通過(guò)一個(gè)快速隨機(jī)算法對(duì)背景模型進(jìn)行在線更新,以適應(yīng)背景的變化。我們對(duì)收集到的視頻進(jìn)行了大量的實(shí)驗(yàn),通過(guò)實(shí)驗(yàn)驗(yàn)證了算法的先進(jìn)性。(2)針對(duì)像素級(jí)目標(biāo)檢測(cè)的算法廣泛存在的誤檢現(xiàn)象,提出了一種基于全局背景建模的目標(biāo)檢測(cè)優(yōu)化方法,方法使用超像素塊均值作為統(tǒng)計(jì)量進(jìn)行混合高斯建模,利用了背景的全局外觀一致性來(lái)優(yōu)化像素級(jí)目標(biāo)檢測(cè)方法。通過(guò)實(shí)驗(yàn),展示對(duì)像素級(jí)目標(biāo)檢測(cè)方法的優(yōu)化結(jié)果,證明這樣的一種檢測(cè)優(yōu)化方法具備優(yōu)秀的優(yōu)化能力。最后通過(guò)與基于運(yùn)動(dòng)補(bǔ)償?shù)臋z測(cè)方法的聯(lián)合,構(gòu)建了一種局部到全局的目標(biāo)檢測(cè)方法,通過(guò)對(duì)比實(shí)驗(yàn),驗(yàn)證了這種局部到全局的方法在動(dòng)態(tài)背景下有很好的檢測(cè)效果。
【關(guān)鍵詞】：動(dòng)態(tài)背景 背景建模 目標(biāo)檢測(cè) 運(yùn)動(dòng)補(bǔ)償 超像素 高斯背景建模
【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3-4
• Abstract4-8
• 第一章 緒論8-13
• 1.1 研究背景與意義8-9
• 1.2 研究現(xiàn)狀9-11
• 1.3 本文的工作與安排11-13
• 第二章 運(yùn)動(dòng)目標(biāo)檢測(cè)方法簡(jiǎn)介13-24
• 2.1 靜態(tài)背景下的目標(biāo)檢測(cè)方法13-14
• 2.2 動(dòng)態(tài)背景下的目標(biāo)檢測(cè)方法14-21
• 2.3 運(yùn)動(dòng)目標(biāo)檢測(cè)方法的優(yōu)缺點(diǎn)分析21-24
• 第三章 基于運(yùn)動(dòng)補(bǔ)償?shù)目焖倌繕?biāo)檢測(cè)24-35
• 3.1 相關(guān)工作24-27
• 3.1.1 ViBe算法簡(jiǎn)介24-25
• 3.1.2 保邊濾波光流法25-27
• 3.2 基于運(yùn)動(dòng)補(bǔ)償?shù)目焖倌繕?biāo)檢測(cè)算法27-31
• 3.2.1 背景模型的初始化28-29
• 3.2.2 背景模型的更新29-30
• 3.2.3 像素的分類30-31
• 3.2.4 目標(biāo)檢測(cè)的后期處理31
• 3.3 實(shí)驗(yàn)結(jié)果與分析31-34
• 3.3.1 參數(shù)的設(shè)定31-32
• 3.3.2 與其他方法的比較32-34
• 3.3.3 算法的性能分析34
• 3.4 本章小結(jié)34-35
• 第四章 基于全局背景建模的目標(biāo)檢測(cè)優(yōu)化35-52
• 4.1 混合高斯建模方法35-40
• 4.1.1 高斯分布35-36
• 4.1.2 混合高斯模型36-38
• 4.1.3 混合高斯模型的參數(shù)估計(jì)及EM算法38-40
• 4.2 超像素技術(shù)40-41
• 4.2.1 超像素概述40
• 4.2.2 超像素與背景建模40-41
• 4.2.3 超像素生成方法41
• 4.3 全局背景建模檢測(cè)優(yōu)化方法41-44
• 4.4 實(shí)驗(yàn)結(jié)果44-51
• 4.4.1 全局背景建模檢測(cè)優(yōu)化實(shí)驗(yàn)44-46
• 4.4.2 局部到全局聯(lián)合方法實(shí)驗(yàn)46-50
• 4.4.3 性能分析50-51
• 4.5 本章小結(jié)51-52
• 第五章 總結(jié)與展望52-54
• 參考文獻(xiàn)54-60
• 附錄A 圖索引60-61
• Appendix A Figure Index61-62
• 附錄B 表索引62-63
• Appendix B Table Index63-64
• 致謝64-65
• 攻讀碩士學(xué)位期間發(fā)表的論文65

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 金俁欣;陶霖密;徐光yP;彭玉新;;攝像機(jī)自由運(yùn)動(dòng)環(huán)境下的背景建模[J];中國(guó)圖象圖形學(xué)報(bào);2008年02期

2 王智靈;周露平;陳宗海;;針對(duì)不同信息特征的魯棒背景建模技術(shù)分析[J];模式識(shí)別與人工智能;2009年02期

3 姜忠民;趙建民;朱信忠;;基于最大間隔聚類的背景建模方法[J];計(jì)算機(jī)技術(shù)與發(fā)展;2009年10期

4 余孟澤;劉正熙;駱健;楊丹;;基于塊背景建模的運(yùn)動(dòng)目標(biāo)檢測(cè)[J];四川大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年03期

5 葛海淼;戴學(xué)豐;王成琳;;一種新型移動(dòng)物體檢測(cè)及背景建模系統(tǒng)[J];電子技術(shù)應(yīng)用;2013年01期

6 桑農(nóng);張濤;李斌;吳翔;;基于字典學(xué)習(xí)的背景建模[J];華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年09期

7 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(dòng)化學(xué)報(bào);2007年05期

8 張水發(fā);丁歡;張文生;;雙模型背景建模與目標(biāo)檢測(cè)研究[J];計(jì)算機(jī)研究與發(fā)展;2011年11期

9 楊敏;安振英;;基于低秩矩陣恢復(fù)的視頻背景建模[J];南京郵電大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年02期

10 李子龍;劉偉銘;張陽(yáng);;基于自適應(yīng)模糊估計(jì)的背景建模方法[J];華南理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年09期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前5條

1 王智靈;陳宗海;周露平;;基于多信息層次的魯棒背景建模方法[A];2007系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2007年

2 李霞;董雁冰;王亞輝;王俊;;空間光學(xué)輻射背景建模研究[A];2007年光電探測(cè)與制導(dǎo)技術(shù)的發(fā)展與應(yīng)用研討會(huì)論文集[C];2007年

3 何強(qiáng);林宏基;;基于蟻群算法的自適應(yīng)背景建模[A];第十一屆中國(guó)體視學(xué)與圖像分析學(xué)術(shù)會(huì)議論文集[C];2006年

4 李恒暉;楊金鋒;任小慧;吳仁彪;;一種多約束條件的混合高斯背景建模方法[A];全國(guó)第二屆信號(hào)處理與應(yīng)用學(xué)術(shù)會(huì)議�？痆C];2008年

5 韓穎婕;張海;李琳怡;;基于混合高斯背景建模的陰影抑制算法[A];第十四屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2008年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前4條

1 葉芳芳;監(jiān)控視頻中的異常行為檢測(cè)研究[D];浙江大學(xué);2014年

2 鄒騰躍;復(fù)雜環(huán)境目標(biāo)檢測(cè)與跟蹤關(guān)鍵技術(shù)研究及應(yīng)用[D];華中科技大學(xué);2013年

3 何志偉;基于模型的目標(biāo)提取及其在智能交通中的應(yīng)用[D];浙江大學(xué);2006年

4 江疆;基于稀疏表達(dá)的若干分類問(wèn)題研究[D];華中科技大學(xué);2014年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 劉雨辰;復(fù)雜背景中的多目標(biāo)檢測(cè)與跟蹤[D];內(nèi)蒙古大學(xué);2015年

2 胡婷;基于視頻技術(shù)的車輛檢測(cè)跟蹤及分類算法研究與實(shí)現(xiàn)[D];長(zhǎng)安大學(xué);2015年

3 楊文幫;基于視頻分析的人群流量檢測(cè)[D];貴州民族大學(xué);2015年

4 賴文杰;基于ARM-FPGA的視覺(jué)追蹤系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];哈爾濱工業(yè)大學(xué);2015年

5 宋歡歡;復(fù)雜場(chǎng)景下背景建模方法的研究與實(shí)現(xiàn)[D];南昌大學(xué);2015年

6 蘇建安;面向智能視頻監(jiān)控的高動(dòng)態(tài)場(chǎng)景建模和修復(fù)[D];電子科技大學(xué);2014年

7 滕琳琳;基于高階擴(kuò)展FMM和低秩矩陣恢復(fù)的信號(hào)重建研究[D];河北工業(yè)大學(xué);2015年

8 張?bào)@州;復(fù)雜場(chǎng)景下基于視頻的行人流量統(tǒng)計(jì)算法研究[D];電子科技大學(xué);2014年

9 陳星明;基于背景建模的運(yùn)動(dòng)目標(biāo)監(jiān)控視頻檢測(cè)算法[D];南京大學(xué);2015年

10 柯太清;基于快速背景建模的人物越界檢測(cè)系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D];電子科技大學(xué);2014年

  本文關(guān)鍵詞：基于運(yùn)動(dòng)補(bǔ)償及全局背景優(yōu)化的目標(biāo)檢測(cè)，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：353637