本文關(guān)鍵詞：面向智能監(jiān)控的運(yùn)動(dòng)目標(biāo)檢測(cè)和分類(lèi)方法的研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：近些年,隨著圖像采集技術(shù)的發(fā)展,城市安裝越來(lái)越多的監(jiān)控?cái)z像頭,以便有效的監(jiān)控違法犯罪行為,從而確保經(jīng)濟(jì)建設(shè)的順利進(jìn)行,維護(hù)社會(huì)安定。然而按照傳統(tǒng)的人工排查、監(jiān)控的方式,海量的監(jiān)控視頻將消耗大量的人力和物力,而且一旦人工疲勞等疏漏關(guān)鍵視頻幀,將會(huì)造成嚴(yán)重的后果。鑒于傳統(tǒng)方式的弊端,基于計(jì)算機(jī)視覺(jué)的智能監(jiān)控系統(tǒng)被越來(lái)越多地應(yīng)用,其中運(yùn)動(dòng)目標(biāo)檢測(cè)和分類(lèi)是智能監(jiān)控系統(tǒng)的重要組成部分。本文主要針對(duì)運(yùn)動(dòng)目標(biāo)檢測(cè)和目標(biāo)分類(lèi)進(jìn)行研究,結(jié)合各個(gè)算法的特點(diǎn)和實(shí)際情況,提出有效的整體方法,取得了較好的實(shí)驗(yàn)結(jié)果。本文的具體成果如下：本文提出基于運(yùn)動(dòng)目標(biāo)檢測(cè)和Binarized Normed Gradients(二值化梯度范數(shù),BING)相結(jié)合的運(yùn)動(dòng)目標(biāo)檢測(cè)方法。本文首先從監(jiān)控視頻流中,利用混合高斯模型的方法獲得運(yùn)動(dòng)目標(biāo)區(qū)域；由于噪聲的影響,導(dǎo)致運(yùn)動(dòng)目標(biāo)區(qū)域含有大量噪聲,而經(jīng)過(guò)簡(jiǎn)單的形態(tài)學(xué)處理方法處理,便可得到干凈的運(yùn)動(dòng)目標(biāo)區(qū)域。為了方便后續(xù)的處理(目標(biāo)跟蹤、目標(biāo)分類(lèi)等),目標(biāo)檢測(cè)應(yīng)輸出包含運(yùn)動(dòng)目標(biāo)區(qū)域的最小矩形框。但由于陰影等影響,造成多個(gè)目標(biāo)相連、或者矩形框過(guò)大等現(xiàn)象,從而影響后續(xù)處理的準(zhǔn)確性。而基于BING的目標(biāo)檢測(cè)方法能夠有效地避免上述弊端,在300幀每秒的速度下,獲得含有前景目標(biāo)的最小矩形框。最后將二者的結(jié)果相結(jié)合,獲得運(yùn)動(dòng)目標(biāo)矩形區(qū)域。本文還提出基于卷積神經(jīng)網(wǎng)絡(luò)的運(yùn)動(dòng)目標(biāo)分類(lèi)方法。目前,業(yè)內(nèi)沒(méi)有一個(gè)專(zhuān)門(mén)關(guān)于運(yùn)動(dòng)目標(biāo)的數(shù)據(jù)庫(kù),所以本文首先以嚴(yán)格的標(biāo)準(zhǔn),建立了一個(gè)運(yùn)動(dòng)目標(biāo)數(shù)據(jù)庫(kù),并以機(jī)動(dòng)車(chē)、非機(jī)動(dòng)車(chē)和行人3類(lèi)標(biāo)簽標(biāo)注,57836張訓(xùn)練樣本和4827張測(cè)試樣本。由于運(yùn)動(dòng)目標(biāo)圖像分辨低,本文分別設(shè)計(jì)3層和5層的卷積神經(jīng)網(wǎng)絡(luò)。由于背景變化經(jīng)常導(dǎo)致運(yùn)動(dòng)目標(biāo)不清晰,本文采用直方圖均衡化對(duì)圖像進(jìn)行預(yù)處理,在測(cè)試集上,mAP(平均識(shí)別率)可提高1%。在我國(guó),運(yùn)動(dòng)目標(biāo)每一類(lèi)的形態(tài)多樣,特別是非機(jī)動(dòng)車(chē),本文采用不平衡樣本策略進(jìn)行訓(xùn)練,實(shí)驗(yàn)中mAP最高可提高8%。最后,通過(guò)多模型融合的方法,將兩種模型進(jìn)行融合,取得了更高的識(shí)別率,在3層卷積層的情況下,最高可達(dá)96%。
【關(guān)鍵詞】：運(yùn)動(dòng)目標(biāo)檢測(cè) 運(yùn)動(dòng)目標(biāo)分類(lèi) BING 卷積神經(jīng)網(wǎng)絡(luò)
【學(xué)位授予單位】：北京交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：TP391.41
【目錄】：

• 致謝5-6
• 摘要6-7
• ABSTRACT7-9
• 序言9-12
• 1 引言12-26
• 1.1 課題研究背景與研究意義12-13
• 1.2 課題研究現(xiàn)狀及難點(diǎn)13-24
• 1.2.1 運(yùn)動(dòng)目標(biāo)檢測(cè)現(xiàn)狀及難點(diǎn)13-17
• 1.2.2 運(yùn)動(dòng)目標(biāo)分類(lèi)現(xiàn)狀及難點(diǎn)17-24
• 1.3 論文的主要內(nèi)容及結(jié)構(gòu)安排24-26
• 2 面向智能監(jiān)控的運(yùn)動(dòng)目標(biāo)檢測(cè)和目標(biāo)分類(lèi)方法26-38
• 2.1 運(yùn)動(dòng)目標(biāo)檢測(cè)方法26-31
• 2.1.1 幀間差分法26-28
• 2.1.2 背景建模法28-31
• 2.2 運(yùn)動(dòng)目標(biāo)分類(lèi)方法31-37
• 2.2.1 卷積神經(jīng)網(wǎng)絡(luò)的原理31-33
• 2.2.2 卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)33-37
• 2.3 運(yùn)動(dòng)目標(biāo)檢測(cè)和分類(lèi)方法37
• 2.4 本章小結(jié)37-38
• 3 基于背景建模和BING的運(yùn)動(dòng)目標(biāo)檢測(cè)38-48
• 3.1 運(yùn)動(dòng)目標(biāo)檢測(cè)整體設(shè)計(jì)38-39
• 3.2 形態(tài)學(xué)處理39-41
• 3.2.1 膨脹和腐蝕40-41
• 3.2.2 開(kāi)運(yùn)算和閉運(yùn)算41
• 3.3 BING算法原理41-43
• 3.4 實(shí)驗(yàn)結(jié)果與分析43-46
• 3.4.1 經(jīng)過(guò)形態(tài)學(xué)處理后的運(yùn)動(dòng)目標(biāo)檢測(cè)的實(shí)驗(yàn)結(jié)果44-45
• 3.4.2 基于BING的目標(biāo)檢測(cè)的實(shí)驗(yàn)結(jié)果45-46
• 3.4.3 基于GMM和BING的運(yùn)動(dòng)目標(biāo)檢測(cè)的實(shí)驗(yàn)結(jié)果46
• 3.5 本章小結(jié)46-48
• 4 基于卷積神經(jīng)網(wǎng)絡(luò)的運(yùn)動(dòng)目標(biāo)分類(lèi)48-61
• 4.1 建立運(yùn)動(dòng)目標(biāo)數(shù)據(jù)庫(kù)48-50
• 4.2 基于卷積神經(jīng)網(wǎng)絡(luò)的運(yùn)動(dòng)目標(biāo)分類(lèi)50-54
• 4.2.1 運(yùn)動(dòng)目標(biāo)圖像的預(yù)處理50-51
• 4.2.2 卷積神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)51-54
• 4.2.3 不平衡樣本訓(xùn)練策略54
• 4.2.4 多模型融合策略54
• 4.3 實(shí)驗(yàn)結(jié)果與分析54-59
• 4.3.1 實(shí)驗(yàn)結(jié)果的評(píng)價(jià)指標(biāo)54-55
• 4.3.2 預(yù)處理后的實(shí)驗(yàn)結(jié)果55-56
• 4.3.3 單模型的實(shí)驗(yàn)結(jié)果56-57
• 4.3.4 不平衡樣本的實(shí)驗(yàn)結(jié)果57-58
• 4.3.5 多模型融合的實(shí)驗(yàn)結(jié)果58-59
• 4.4 基于運(yùn)動(dòng)目標(biāo)檢測(cè)和分類(lèi)方法的實(shí)驗(yàn)結(jié)果59-60
• 4.5 本章小結(jié)60-61
• 5 總結(jié)與展望61-63
• 5.1 工作總結(jié)61-62
• 5.2 工作展望62-63
• 參考文獻(xiàn)63-67
• 作者簡(jiǎn)歷及攻讀碩士學(xué)位期間取得的研究成果67-69
• 學(xué)位論文數(shù)據(jù)集69

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 劉穎;廖桂生;李海;;動(dòng)目標(biāo)檢測(cè)、定位與成像方法研究[J];系統(tǒng)工程與電子技術(shù);2005年12期

2 李文明;;相干動(dòng)目標(biāo)檢測(cè)器中的正交雙通道不平衡效應(yīng)[J];現(xiàn)代雷達(dá);1988年01期

3 郭志芬,張玉蘭;圖象動(dòng)目標(biāo)檢測(cè)[J];北京理工大學(xué)學(xué)報(bào);1992年03期

4 鄭世超;宋紅軍;劉亞波;閆賀;吳琨;;廣域監(jiān)視動(dòng)目標(biāo)檢測(cè)模式下動(dòng)目標(biāo)快速定位誤差分析[J];雷達(dá)學(xué)報(bào);2013年04期

5 胡愛(ài)明;胡可欣;;一種基于優(yōu)化設(shè)計(jì)的動(dòng)目標(biāo)檢測(cè)方法及其運(yùn)用[J];航天電子對(duì)抗;2006年06期

6 胡可欣;胡愛(ài)明;;一種優(yōu)化設(shè)計(jì)的動(dòng)目標(biāo)檢測(cè)方法及其運(yùn)用[J];火控雷達(dá)技術(shù);2007年02期

7 劉書(shū)君;袁運(yùn)能;魏俊;毛士藝;;雙通道與單通道相結(jié)合的運(yùn)動(dòng)目標(biāo)檢測(cè)新方法[J];信號(hào)處理;2008年03期

8 林文耀;覃亞麗;胡海容;;基于分?jǐn)?shù)傅立葉變換的機(jī)載SAR多運(yùn)動(dòng)目標(biāo)檢測(cè)[J];計(jì)算機(jī)與數(shù)字工程;2009年01期

9 劉敬興;;地面探測(cè)脈沖壓縮雷達(dá)的動(dòng)目標(biāo)檢測(cè)[J];電子技術(shù)應(yīng)用;2010年01期

10 史洪印;;基于道路輔助的機(jī)載SAR動(dòng)目標(biāo)檢測(cè)和參數(shù)估計(jì)[J];燕山大學(xué)學(xué)報(bào);2012年05期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前8條

1 王新勇;梁國(guó)龍;惠俊英;郭龍祥;;寬帶多頻動(dòng)目標(biāo)檢測(cè)的仿真研究[A];2001年全國(guó)水聲學(xué)學(xué)術(shù)會(huì)議論文集[C];2001年

2 王磊;;雙置條件下運(yùn)動(dòng)目標(biāo)檢測(cè)方法[A];2008年全國(guó)聲學(xué)學(xué)術(shù)會(huì)議論文集[C];2008年

3 祁亞斌;周軍紅;;基于二維最大熵的運(yùn)動(dòng)目標(biāo)檢測(cè)[A];計(jì)算機(jī)技術(shù)與應(yīng)用進(jìn)展·2007——全國(guó)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

4 穆文爭(zhēng);張曉玲;;一種新的多通道SAR運(yùn)動(dòng)目標(biāo)檢測(cè)方法[A];2007北京地區(qū)高校研究生學(xué)術(shù)交流會(huì)通信與信息技術(shù)會(huì)議論文集（上冊(cè)）[C];2008年

5 王宏群;方帥;高明;;基于抑制光強(qiáng)變化影響的運(yùn)動(dòng)目標(biāo)檢測(cè)[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

6 唐勇;張桂林;李利榮;;基于光流的運(yùn)動(dòng)目標(biāo)檢測(cè)方法研究[A];全國(guó)冶金自動(dòng)化信息網(wǎng)年會(huì)論文集[C];2004年

7 郭銳;王建國(guó);;基于特征分解的多通道SAR運(yùn)動(dòng)目標(biāo)檢測(cè)[A];2006北京地區(qū)高校研究生學(xué)術(shù)交流會(huì)——通信與信息技術(shù)會(huì)議論文集（上）[C];2006年

8 王睿;國(guó)智;王鳳宇;;利用動(dòng)態(tài)參數(shù)檢測(cè)紅外動(dòng)目標(biāo)的算法研究[A];中國(guó)儀器儀表學(xué)會(huì)第九屆青年學(xué)術(shù)會(huì)議論文集[C];2007年

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

1 許京偉;頻率分集陣列雷達(dá)運(yùn)動(dòng)目標(biāo)檢測(cè)方法研究[D];西安電子科技大學(xué);2015年

2 屈鑒銘;智能視頻監(jiān)控中的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤技術(shù)研究[D];西安電子科技大學(xué);2015年

3 王歡;復(fù)雜場(chǎng)景下的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤研究[D];北京理工大學(xué);2015年

4 李菊;復(fù)雜背景下的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤[D];合肥工業(yè)大學(xué);2015年

5 鄭明潔;合成孔徑雷達(dá)動(dòng)目標(biāo)檢測(cè)和成像研究[D];中國(guó)科學(xué)院研究生院（電子學(xué)研究所）;2003年

6 危嵩;機(jī)載合成孔徑雷達(dá)動(dòng)目標(biāo)檢測(cè)與成像研究[D];華中科技大學(xué);2005年

7 王東升;視頻運(yùn)動(dòng)目標(biāo)檢測(cè)及其實(shí)時(shí)處理系統(tǒng)研究[D];電子科技大學(xué);2004年

8 寧蔚;機(jī)載/星載雷達(dá)地面動(dòng)目標(biāo)檢測(cè)方法研究[D];西安電子科技大學(xué);2005年

9 潘翔;運(yùn)動(dòng)目標(biāo)檢測(cè)[D];浙江大學(xué);2003年

10 張立峰;動(dòng)目標(biāo)檢測(cè)、成像與參數(shù)估計(jì)方法研究[D];西安電子科技大學(xué);2013年

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

1 夏斌偉;視頻監(jiān)控中的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤[D];華南理工大學(xué);2015年

2 亓萌;雙基地SAR動(dòng)目標(biāo)檢測(cè)及成像研究[D];電子科技大學(xué);2015年

3 王龍;動(dòng)態(tài)場(chǎng)景建模與運(yùn)動(dòng)目標(biāo)檢測(cè)方法研究[D];電子科技大學(xué);2014年

4 黃蒙;基于FPGA的雷達(dá)運(yùn)動(dòng)目標(biāo)檢測(cè)系統(tǒng)設(shè)計(jì)[D];西安電子科技大學(xué);2014年

5 羅一淳;SAR轉(zhuǎn)動(dòng)目標(biāo)檢測(cè)與參數(shù)估計(jì)方法研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2013年

6 柴國(guó)強(qiáng);機(jī)載SAR動(dòng)目標(biāo)檢測(cè)及參數(shù)估計(jì)技術(shù)研究[D];電子科技大學(xué);2014年

7 蘇靖峰;基于激光掃描的運(yùn)動(dòng)目標(biāo)檢測(cè)與識(shí)別[D];電子科技大學(xué);2014年

8 李春海;DBS成像與廣域地面動(dòng)目標(biāo)檢測(cè)、定位方法研究[D];西安電子科技大學(xué);2014年

9 崔雪梅;靜態(tài)場(chǎng)景下運(yùn)動(dòng)目標(biāo)檢測(cè)和跟蹤的關(guān)鍵技術(shù)研究[D];青島大學(xué);2015年

10 魯緣政;機(jī)載MIMO雷達(dá)運(yùn)動(dòng)目標(biāo)檢測(cè)和跟蹤方法研究[D];西安電子科技大學(xué);2014年

  本文關(guān)鍵詞：面向智能監(jiān)控的運(yùn)動(dòng)目標(biāo)檢測(cè)和分類(lèi)方法的研究，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：397685