發(fā)布時間：2017-09-30 20:00

  本文關鍵詞：面向實時智能監(jiān)控的背景建模算法研究與系統(tǒng)設計

  更多相關文章： 背景建模 智能監(jiān)控 紋理特征 VIBE算法 短時前景模型

【摘要】：背景建模算法是智能監(jiān)控領域中的一項位于底層的關鍵技術,主要用來檢測視頻場景中的運動前景。作為關鍵技術之一的背景建模算法,一方面,其準確率和魯棒性直接影響著上層智能分析算法的結果；另一方面,它需要為后續(xù)智能分析算法留出足夠的計算時間,其速度性能也是一項重要的評價指標。雖然國內外很多學者對于背景建模算法的理論及其應用進行了廣泛的研究,但是依然存在諸多問題。對于實時智能監(jiān)控系統(tǒng)而言,在選擇合適的背景建模算法時通常需要在其準確率和計算速度之間進行權衡取舍,而選擇的策略主要根據(jù)系統(tǒng)的實時性要求以及后續(xù)智能分析技術的特點。基于以上的原因,本文設計了兩種具有不同準確率和計算速度的背景建模算法,以適應不同的實時智能監(jiān)控系統(tǒng)的需求。本論文首先提出了一種基于鄰域特征和灰度信息的背景建模算法。其中的鄰域特征是一種紋理特征,通過對鄰域像素的大小關系進行3段式編碼得到。利用此鄰域特征構建鄰域特征背景模型,與灰度背景模型共同組成此算法的雙層背景模型。對于紋理較多的圖像高頻區(qū)域,用鄰域特征背景模型來判別背景,而在紋理較少的圖像低頻區(qū)域,用灰度背景模型來判別背景。這種策略充分發(fā)揮了兩者在區(qū)分不同頻率圖像時的互補性。實驗表明,此算法的準確率和魯棒性在現(xiàn)有的背景建模算法中處于較高水平,而且與同水平的算法相比,具有明顯的速度優(yōu)勢。對于640×480的視頻,本算法的處理速度達到了68fps(i5,2.2GHZ),基本滿足實時智能監(jiān)控系統(tǒng)的速度要求,允許系統(tǒng)在檢測出前景之后做一些耗時較少的智能分析。其次,本論文針對VIBE算法在前景較多時計算效率不高的問題,提出了一種基于短時前景改進的快速VIBE算法。通過在背景模型中加入短時前景模型,將原VIBE算法對于前景點的比較次數(shù)從經(jīng)典的平均20次降低到平均6次左右。實驗表明,本算法在前景較多的場景下,可以大幅加快VIBE算法的計算速度。在實際的道路監(jiān)控場景下,本算法比原VIBE算法快30%以上,對于640×360的實際監(jiān)控視頻達到250fps(i5,2.2GHZ),同時并不降低原VIBE算法的準確率和魯棒性。此方法可以滿足大多數(shù)實時智能監(jiān)控系統(tǒng)的速度要求,使得系統(tǒng)在檢測出前景之后仍有較充足的時間進行更復雜的智能分析。最后,針對與中興通訊合作的智能監(jiān)控項目,本論文研制了一種面向城市道路監(jiān)控網(wǎng)絡的跨攝像機智能監(jiān)控系統(tǒng),并將論文中提出的背景建模算法應用于此系統(tǒng)中,在實際監(jiān)控視頻測試中得到了預期的實驗效果。目前,該項目已經(jīng)順利結題并交付。
【關鍵詞】：背景建模 智能監(jiān)控 紋理特征 VIBE算法 短時前景模型
【學位授予單位】：浙江大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP391.41
【目錄】：

• 致謝4-5
• 摘要5-7
• Abstract7-15
• 1 緒論15-21
• 1.1 研究背景與意義15-16
• 1.2 國內外研究現(xiàn)狀16-18
• 1.2.1 背景建模算法研究現(xiàn)狀16-17
• 1.2.2 智能監(jiān)控系統(tǒng)研究現(xiàn)狀17-18
• 1.3 本文研究內容和章節(jié)安排18-19
• 1.4 本論文的創(chuàng)新點19-21
• 2. 背景建模算法介紹21-31
• 2.1 經(jīng)典背景建模算法21-28
• 2.1.1 均值函數(shù)法和中值函數(shù)法21-22
• 2.1.2 w4模型背景建模算法22-24
• 2.1.3 單高斯背景建模算法24-25
• 2.1.4 混合高斯背景建模算法25-26
• 2.1.5 貝葉斯背景建模算法26-27
• 2.1.6 VIBE背景建模算法27-28
• 2.2 實時智能監(jiān)控系統(tǒng)對于背景建模算法的要求28-30
• 2.3 本章小結30-31
• 3. 基于鄰域特征和灰度信息的背景建模算法31-56
• 3.1 LBP特征及其在背景建模中的缺陷31-36
• 3.1.1 LBP特征簡介31-34
• 3.1.2 LBP直接用于背景建模的缺陷34-36
• 3.2 本論文的鄰域特征編碼36-43
• 3.2.1 鄰域特征編碼方法及其距離度量36-40
• 3.2.2 鄰域特征與灰度信息的互補性分析40-43
• 3.3 基于鄰域特征和灰度信息的背景建模算法43-48
• 3.3.1 基于鄰域特征和灰度信息的雙層背景模型43-44
• 3.3.2 雙層背景模型的相似性度量44-45
• 3.3.3 基于鄰域特征和灰度信息的雙層背景建模算法流程45-48
• 3.4 實驗結果與分析48-54
• 3.4.1 實驗數(shù)據(jù)庫48-49
• 3.4.2 算法效果與參數(shù)設置49-51
• 3.4.3 雙層背景模型的合理性分析51-53
• 3.4.4 與主流背景建模算法比較53-54
• 3.5 本章小結54-56
• 4. 基于短時前景改進的快速VIBE算法56-71
• 4.1 VIBE算法速度分析56-59
• 4.2 基于短時前景模型改進的VIBE背景模型59-60
• 4.3 基于短時前景改進的快速VIBE算法流程60-62
• 4.4 實驗結果與分析62-69
• 4.4.1 算法效果與參數(shù)設置62-67
• 4.4.2 短時前景模型的有效性分析67-69
• 4.5 本章小結69-71
• 5. 跨攝像機的實時智能監(jiān)控系統(tǒng)平臺研制71-87
• 5.1 系統(tǒng)設計背景71
• 5.2 系統(tǒng)功能概述71-73
• 5.3 系統(tǒng)總體設計73-75
• 5.3.1 系統(tǒng)架構73-74
• 5.3.2 功能架構74-75
• 5.3.3 技術架構75
• 5.4 系統(tǒng)核心算法模塊75-81
• 5.4.1 目標跟蹤模塊概述76-77
• 5.4.2 目標匹配模塊概述77-79
• 5.4.3 運動前景檢測模塊與背景建模79-81
• 5.5 跨攝像機的實時智能監(jiān)控系統(tǒng)演示81-86
• 5.5.1 系統(tǒng)演示界面設計81-82
• 5.5.2 系統(tǒng)實驗效果演示82-86
• 5.6 本章小結86-87
• 6. 總結與展望87-89
• 6.1 本文工作總結87-88
• 6.2 未來工作展望88-89
• 參考文獻89-93
• 攻讀碩士期間所取得的科研成果和參與課題93

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 熊祺;張旭;王生進;;基于兩級時空隨機取樣的背景建模算法[J];航天醫(yī)學與醫(yī)學工程;2014年02期

2 李文輝;何林宣;倪洪印;;基于視頻序列的雙背景建模算法[J];計算機應用研究;2014年02期

3 蔡曉波;快速非遞推最小二乘AR建模算法[J];數(shù)據(jù)采集與處理;1988年01期

4 宋坤;李麗娟;趙英凱;;基于AP的LS-SVM多模型建模算法[J];計算機工程;2011年14期

5 李廣健;周浩;;用戶建模算法的適應性及多算法用戶建模研究[J];情報科學;2009年04期

6 馬p，

本文編號：950099