在智能視頻監(jiān)控中,前景目標(biāo)檢測(cè)的目的是提取感興趣前景目標(biāo)并將其用于中高層視頻分析技術(shù)。因此,視頻前景檢測(cè)具有重要的研究?jī)r(jià)值,也是智能視頻監(jiān)控的核心內(nèi)容。針對(duì)目前尚未解決或部分解決的前景檢測(cè)挑戰(zhàn),分析了當(dāng)前視頻前景目標(biāo)檢測(cè)方法的不足,并提出有效的視頻前景檢測(cè)算法,同時(shí)設(shè)計(jì)并實(shí)現(xiàn)了視頻前景檢測(cè)系統(tǒng)。本文的主要工作如下:1、提出了基于背景復(fù)雜度自適應(yīng)距離閾值修正SuBSENSE（Self-Balanced Sensitivity Segmenter,SuBSENSE）算法。針對(duì)SuBSENSE算法中初始化模型不準(zhǔn)確和復(fù)雜動(dòng)態(tài)場(chǎng)景下距離閾值更新慢造成前景漏檢和錯(cuò)檢問(wèn)題,提出了一種改進(jìn)初始化方式和基于背景復(fù)雜度自適應(yīng)距離閾值修正的SuBSENSE算法。在算法初始化階段,通過(guò)改進(jìn)的三幀差法創(chuàng)建背景模型從而提高模型的真實(shí)性。在模型更新階段,通過(guò)時(shí)間一致性和空間一致性度量背景復(fù)雜度,結(jié)合定義的背景復(fù)雜度修正得到的距離閾值,得到更準(zhǔn)確的距離閾值用于像素分類(lèi)。實(shí)驗(yàn)結(jié)果表明,該算法相較于原算法的整體檢測(cè)效果得到一定程度的提升。2、提出了基于置信度加權(quán)融合與視覺(jué)注意的前景檢測(cè)方法。針對(duì)樣本一致性的像素分類(lèi)算法... 

【文章來(lái)源】：江蘇大學(xué)江蘇省

【文章頁(yè)數(shù)】：71 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景與意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 技術(shù)難點(diǎn)與挑戰(zhàn)
    1.4 論文主要工作
    1.5 技術(shù)路線和章節(jié)安排
        1.5.1 技術(shù)路線
        1.5.2 章節(jié)安排
第二章 相關(guān)技術(shù)概述
    2.1 引言
    2.2 顏色空間
        2.2.1 RGB顏色空間
        2.2.2 HSV顏色空間
        2.2.3 RGB與 HSV顏色空間互相轉(zhuǎn)化
    2.3 LBSP紋理特征
    2.4 背景減除法基本理論
        2.4.1 模型表示
        2.4.2 模型初始化
        2.4.3 前景檢測(cè)
        2.4.4 模型更新
    2.5 視覺(jué)注意機(jī)制
        2.5.1 視覺(jué)注意機(jī)制簡(jiǎn)述
        2.5.2 顯著性檢測(cè)基本原理
第三章 基于背景復(fù)雜度自適應(yīng)修正SuBSENSE算法
    3.1 引言
    3.2 SuBSENSE算法
        3.2.1 初始化模型
        3.2.2 前景檢測(cè)
        3.2.3 模型更新
    3.3 基于背景復(fù)雜度自適應(yīng)距離閾值修正SuBSENSE算法
        3.3.1 改進(jìn)的模型初始化方式
        3.3.2 背景復(fù)雜度的度量方式
        3.3.3 距離閾值修正策略
        3.3.4 算法描述與分析
    3.4 實(shí)驗(yàn)結(jié)果與分析
        3.4.1 數(shù)據(jù)集與參數(shù)設(shè)置
        3.4.2 算法評(píng)價(jià)指標(biāo)
        3.4.3 整體效果對(duì)比與分析
        3.4.4 動(dòng)態(tài)場(chǎng)景下的實(shí)驗(yàn)定量分析
    3.5 本章小結(jié)
第四章 基于置信度加權(quán)融合與視覺(jué)注意的前景檢測(cè)方法
    4.1 引言
    4.2 樣本一致性的像素分類(lèi)方法概述及其不足
    4.3 基于置信度加權(quán)融合和視覺(jué)注意的前景檢測(cè)方法
        4.3.1 基于置信度加權(quán)融合的像素分類(lèi)算法
        4.3.2 樣本置信度和權(quán)值自適應(yīng)更新
        4.3.3 基于視覺(jué)注意的靜止前景檢測(cè)算法
        4.3.4 算法描述與分析
    4.4 實(shí)驗(yàn)結(jié)果與分析
        4.4.1 數(shù)據(jù)集與參數(shù)設(shè)置
        4.4.2 定量分析
        4.4.3 定性分析
    4.5 本章小結(jié)
第五章 視頻前景檢測(cè)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)
    5.1 系統(tǒng)框架介紹
        5.1.1 核心功能介紹
        5.1.2 系統(tǒng)開(kāi)發(fā)環(huán)境
    5.2 系統(tǒng)模塊及算法實(shí)現(xiàn)
        5.2.1 視頻輸入模塊實(shí)現(xiàn)
        5.2.2 前景檢測(cè)模塊實(shí)現(xiàn)
        5.2.3 數(shù)據(jù)存儲(chǔ)
    5.3 系統(tǒng)實(shí)現(xiàn)效果
        5.3.1 前景檢測(cè)系統(tǒng)主頁(yè)面
        5.3.2 視頻前景檢測(cè)效果
        5.3.3 存儲(chǔ)功能展示
    5.4 本章小結(jié)
第六章 總結(jié)與未來(lái)工作
    6.1 工作總結(jié)
    6.2 未來(lái)展望
參考文獻(xiàn)
致謝
附錄 :攻讀碩士學(xué)位期間取得的科研成果



本文編號(hào)：3269225