移動目標(biāo)檢測與跟蹤技術(shù)作為計算機(jī)視覺應(yīng)用技術(shù)的一個重要分支,其目的是實現(xiàn)對監(jiān)控區(qū)域內(nèi)的移動目標(biāo)進(jìn)行實時連續(xù)的視頻采集與檢測,并將這些用戶感興趣的信息存儲起來作為分析現(xiàn)場狀況的重要依據(jù),以達(dá)到主動監(jiān)控、節(jié)省資源、提升監(jiān)控效率的目的。本文的主要工作總結(jié)如下:（1）為了解決目標(biāo)檢測過程中出現(xiàn)的“空洞”與“雙影”問題,用三幀差分法改進(jìn)幀間差分法;采用混合高斯模型選取合適的閾值進(jìn)行背景建模,使得背景的適度變化不會導(dǎo)致背景模型出現(xiàn)偏差。在兩種算法融合過程中,使用三幀差分法對連續(xù)三幀圖像做差值,得到移動目標(biāo)模糊的區(qū)域圖像;接下來對當(dāng)前幀與背景幀圖像做差分運(yùn)算可獲得移動目標(biāo)的變化量,然后再將三幀差分法的差值與背景差分法的差值做交集運(yùn)算,從而完整的提取出移動目標(biāo)的信息,繼而得到移動目標(biāo)精確完整的輪廓。（2）在對移動目標(biāo)進(jìn)行跟蹤時,均值漂移算法因為其核函數(shù)和權(quán)重函數(shù)要在多維歐式空間中進(jìn)行設(shè)置,設(shè)置難度較大,難以保證其合理性,從而易在跟蹤時丟失目標(biāo);粒子濾波算法中,由于貝葉斯復(fù)雜積分難以直接計算,必須使用蒙特卡羅抽樣方法通過系統(tǒng)采用大量隨機(jī)樣本去測試,增加了算法復(fù)雜度。對這兩種算法進(jìn)行了整合,利用目標(biāo)的初始... 

【文章來源】：長安大學(xué)陜西省 211工程院校 教育部直屬院校

【文章頁數(shù)】：65 頁

【學(xué)位級別】：碩士

【部分圖文】：

（a）背景圖像

第二章基于移動目標(biāo)的檢測算法研究11圖2.3（a）背景圖像圖2.3（b）當(dāng)前幀圖像通過對選取的136幀和197幀使用幀間差分法能得出移動目標(biāo)如下：圖2.3（c）二值化圖像圖2.3幀間差分二值圖從圖2.3可看出，相比光流法，幀間差分法受光照影響不大，基本能檢測出小轎車輪廓。幀間差分法的優(yōu)點(diǎn):1.在監(jiān)控視頻中，相鄰兩幀中若有目標(biāo)出現(xiàn)，該算法能立刻通過兩幀亮度差值的絕對值與給定閾值作比較，判斷是否出現(xiàn)移動目標(biāo)，可見其運(yùn)算速度快；2.在現(xiàn)實情況下，該算法適應(yīng)性強(qiáng)，由于基本不會受到光照的影響，所以有非常高的穩(wěn)定性。該算法的缺點(diǎn)也很突出:1.若出現(xiàn)移動目標(biāo)移速緩慢，前后兩幀圖像在時間上相差短，即兩幀之間差不多沒有區(qū)別，導(dǎo)致將移動目標(biāo)錯誤的判定為背景區(qū)域，二值化處理后就會和背景融為一體，導(dǎo)致分離不出來前景和背景，這也是常見的“空洞”現(xiàn)象。2.若目標(biāo)的移動速度過快，且相鄰兩幀之間的時間間隔又較長，這時會看到移動目標(biāo)在背景圖像中產(chǎn)生一個“拉長”的現(xiàn)象，這就是“雙影”現(xiàn)象，如果檢測條件比較極端，即視頻幀中相鄰的兩幀幾乎完全沒有重合，這時就會把一個前景目標(biāo)檢測成兩個不同的目標(biāo)，使人在視覺上產(chǎn)生錯誤的判斷。（3）背景差分法在現(xiàn)實生活中，背景差分法因為復(fù)雜度低，計算量小的特點(diǎn)也受到了研究者的青睞。

第二章基于移動目標(biāo)的檢測算法研究11圖2.3（a）背景圖像圖2.3（b）當(dāng)前幀圖像通過對選取的136幀和197幀使用幀間差分法能得出移動目標(biāo)如下：圖2.3（c）二值化圖像圖2.3幀間差分二值圖從圖2.3可看出，相比光流法，幀間差分法受光照影響不大，基本能檢測出小轎車輪廓。幀間差分法的優(yōu)點(diǎn):1.在監(jiān)控視頻中，相鄰兩幀中若有目標(biāo)出現(xiàn)，該算法能立刻通過兩幀亮度差值的絕對值與給定閾值作比較，判斷是否出現(xiàn)移動目標(biāo)，可見其運(yùn)算速度快；2.在現(xiàn)實情況下，該算法適應(yīng)性強(qiáng)，由于基本不會受到光照的影響，所以有非常高的穩(wěn)定性。該算法的缺點(diǎn)也很突出:1.若出現(xiàn)移動目標(biāo)移速緩慢，前后兩幀圖像在時間上相差短，即兩幀之間差不多沒有區(qū)別，導(dǎo)致將移動目標(biāo)錯誤的判定為背景區(qū)域，二值化處理后就會和背景融為一體，導(dǎo)致分離不出來前景和背景，這也是常見的“空洞”現(xiàn)象。2.若目標(biāo)的移動速度過快，且相鄰兩幀之間的時間間隔又較長，這時會看到移動目標(biāo)在背景圖像中產(chǎn)生一個“拉長”的現(xiàn)象，這就是“雙影”現(xiàn)象，如果檢測條件比較極端，即視頻幀中相鄰的兩幀幾乎完全沒有重合，這時就會把一個前景目標(biāo)檢測成兩個不同的目標(biāo)，使人在視覺上產(chǎn)生錯誤的判斷。（3）背景差分法在現(xiàn)實生活中，背景差分法因為復(fù)雜度低，計算量小的特點(diǎn)也受到了研究者的青睞。

【參考文獻(xiàn)】：
期刊論文
[1]智能視頻監(jiān)控技術(shù)的應(yīng)用[J]. 汪樹勝.  中國高新科技. 2018(24)
[2]基于QT的Linux基準(zhǔn)測試GUI的設(shè)計與實現(xiàn)[J]. 柳玉巧,李傳忠,吳登勇,陳亮甫.  信息技術(shù)與信息化. 2017(05)
[3]一種結(jié)合幀間差分法與光流法的運(yùn)動目標(biāo)檢測[J]. 馮訓(xùn)偉.  法制博覽. 2017(03)
[4]運(yùn)動目標(biāo)跟蹤算法綜述[J]. 霍玲玲,楊瑩.  電子技術(shù)與軟件工程. 2016(24)
[5]淺析嵌入式Linux操作系統(tǒng)的實時應(yīng)用中的問題與優(yōu)化[J]. 袁世軍.  低碳世界. 2016(32)
[6]基于嵌入式系統(tǒng)的運(yùn)動目標(biāo)跟蹤視頻監(jiān)控系統(tǒng)的設(shè)計[J]. 于明.  自動化與儀器儀表. 2015(12)
[7]基于Kalman濾波器的運(yùn)動目標(biāo)跟蹤算法[J]. 谷欣超,劉俊杰,才華,韓太林,楊勇.  長春理工大學(xué)學(xué)報(自然科學(xué)版). 2015(05)
[8]基于Kalman濾波器的視頻運(yùn)動目標(biāo)跟蹤算法研究[J]. 仲躍,楊勁,顧京,張俊,汪超.  信息與電腦(理論版). 2015(17)
[9]基于Qt/E的嵌入式Linux GUI研究與實現(xiàn)[J]. 周開,倪偉.  淮陰工學(xué)院學(xué)報. 2015(03)
[10]YUV空間下基于碼本模型的視頻運(yùn)動目標(biāo)檢測方法[J]. 王雯,陳麗,李晨,趙宇,代蕩蕩,王先培.  武漢大學(xué)學(xué)報(工學(xué)版). 2015(03)

博士論文
[1]智能視頻監(jiān)控中的運(yùn)動目標(biāo)檢測與跟蹤技術(shù)研究[D]. 屈鑒銘.西安電子科技大學(xué) 2015
[2]智能視頻監(jiān)控中運(yùn)動目標(biāo)檢測的算法研究[D]. 郭玲.華南理工大學(xué) 2013

碩士論文
[1]人臉識別中人臉檢測和特征提取算法的研究[D]. 劉勝昔.南京郵電大學(xué) 2018
[2]基于視頻監(jiān)控的目標(biāo)檢測與跟蹤算法研究[D]. 姜丹.西安理工大學(xué) 2018
[3]基于Mean Shift的運(yùn)動目標(biāo)跟蹤方法研究[D]. 石雪楠.東北電力大學(xué) 2018
[4]基于背景建模的運(yùn)動目標(biāo)檢測算法研究[D]. 張維新.南京信息工程大學(xué) 2017
[5]智能視頻監(jiān)控系統(tǒng)中運(yùn)動目標(biāo)檢測與跟蹤的研究與實現(xiàn)[D]. 程偉.江蘇科技大學(xué) 2016
[6]基于ARM的嵌入式視頻監(jiān)控系統(tǒng)設(shè)計[D]. 何群山.安徽理工大學(xué) 2016
[7]基于OpenCV的目標(biāo)檢測與跟蹤算法的研究與實現(xiàn)[D]. 岳兵.安徽大學(xué) 2016
[8]基于嵌入式Linux的遠(yuǎn)程視頻監(jiān)控系統(tǒng)[D]. 王哲梁.杭州電子科技大學(xué) 2014
[9]基于OpenCV的運(yùn)動目標(biāo)檢測與跟蹤算法的研究[D]. 王艷紅.杭州電子科技大學(xué) 2014
[10]基于粒子濾波的目標(biāo)跟蹤算法研究[D]. 范戈.華南理工大學(xué) 2013



本文編號：3209288