隨著科技的發(fā)展,智能視頻監(jiān)控的普及,計(jì)算機(jī)視覺(jué)領(lǐng)域中運(yùn)動(dòng)目標(biāo)的檢測(cè)與追蹤的需求變得越來(lái)越重要。雖然已經(jīng)有大量檢測(cè)目標(biāo)和跟蹤目標(biāo)的方法,然而,由于視頻中人體成像的差異和背景環(huán)境的變化,使得運(yùn)動(dòng)目標(biāo)的檢測(cè)和追蹤成為一項(xiàng)很困難的工作。本文的研究工作主要是在靜態(tài)背景中檢測(cè)和追蹤運(yùn)動(dòng)人體,重點(diǎn)工作內(nèi)容安排如下:在運(yùn)動(dòng)人體檢測(cè)方面,針對(duì)傳統(tǒng)三幀差分法檢測(cè)人體輪廓的不足,提出了一種改進(jìn)算法,通過(guò)改進(jìn)混合高斯背景模型的建立,獲得當(dāng)前視頻幀的背景模型,再使用背景相減法得到當(dāng)前幀的移動(dòng)目標(biāo)區(qū)域,再將該運(yùn)動(dòng)目標(biāo)區(qū)域進(jìn)一步劃分為非動(dòng)態(tài)區(qū)域和動(dòng)態(tài)區(qū)域,然后判定得到的動(dòng)態(tài)區(qū)域即準(zhǔn)確的運(yùn)動(dòng)目標(biāo)區(qū)域,并采用不同的背景更新率實(shí)時(shí)的對(duì)背景區(qū)域進(jìn)行更新;同時(shí)利用三幀差分法,將視頻當(dāng)前幀分別同前一幀、下一幀做差值運(yùn)算,并對(duì)差值結(jié)果進(jìn)行“與”操作,并將獲得的運(yùn)動(dòng)目標(biāo)區(qū)域同“與”運(yùn)算結(jié)果,進(jìn)行相“或”操作,并對(duì)操作結(jié)果通過(guò)形態(tài)學(xué)相關(guān)處理,獲得最終平滑的輪廓區(qū)域。在運(yùn)動(dòng)人體追蹤領(lǐng)域,首先敘述了幾種主流的目標(biāo)追蹤技術(shù),主要包括基于區(qū)域、形狀和模型的目標(biāo)追蹤技術(shù)。同時(shí)以傳統(tǒng)追蹤方法為基礎(chǔ),并結(jié)合Kalman濾波和Meanshift跟蹤... 

【文章來(lái)源】：河南工業(yè)大學(xué)河南省

【文章頁(yè)數(shù)】：70 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

主要技術(shù)框架

線性灰度變換可以看出，這是一個(gè)線性方程，是一個(gè)一維函數(shù)，對(duì)于圖像像素在設(shè)定的圖像灰度

圖4分段線性變換通過(guò)改變分段線性變換函數(shù)的斜率，及直線拐點(diǎn)的范圍，可以擴(kuò)展或壓縮每個(gè)分段

【參考文獻(xiàn)】：
期刊論文
[1]基于全局和局部卷積特征融合的車輛目標(biāo)檢測(cè)[J]. 黃俊潔,陳念年,范勇.  西南科技大學(xué)學(xué)報(bào). 2018(04)
[2]復(fù)雜熱紅外監(jiān)控場(chǎng)景下行人檢測(cè)[J]. 許茗,于曉升,陳東岳,吳成東,賈同,茹敬雨.  中國(guó)圖象圖形學(xué)報(bào). 2018(12)
[3]遮擋判別下的多尺度相關(guān)濾波跟蹤算法[J]. 劉萬(wàn)軍,張壯,姜文濤,張晟翀.  中國(guó)圖象圖形學(xué)報(bào). 2018(12)
[4]運(yùn)動(dòng)目標(biāo)檢測(cè)的ViBe算法改進(jìn)[J]. 楊丹,戴芳.  中國(guó)圖象圖形學(xué)報(bào). 2018(12)
[5]基于靜脈灰度值特征的圖像分割算法研究[J]. 王定漢,馮桂蘭,王雄,吳羽峰,鄧毛華.  光電工程. 2018(12)
[6]基于優(yōu)化HOG特征計(jì)算的非完整人體特征檢測(cè)[J]. 李闖,陳張平,王堅(jiān),張波濤.  計(jì)算機(jī)測(cè)量與控制. 2018(11)
[7]基于改進(jìn)核相關(guān)濾波器的目標(biāo)跟蹤算法[J]. 江維創(chuàng),張俊為,桂江生.  計(jì)算機(jī)工程. 2018(11)
[8]智能視頻監(jiān)控技術(shù)研究綜述[J]. 李雯雯,譚玉波.  福建電腦. 2018(03)
[9]基于改進(jìn)ViBe算法的運(yùn)動(dòng)目標(biāo)檢測(cè)方法[J]. 高健焮,陳健.  計(jì)算機(jī)應(yīng)用. 2017(S2)
[10]基于熵和相關(guān)接近度的混合高斯目標(biāo)檢測(cè)算法[J]. 李睿,盛超.  計(jì)算機(jī)科學(xué). 2017(12)

博士論文
[1]基于數(shù)字圖像的蝴蝶種類自動(dòng)識(shí)別研究[D]. 李凡.北京林業(yè)大學(xué) 2015

碩士論文
[1]尺度特征自適應(yīng)的相關(guān)濾波跟蹤算法研究[D]. 孫蕾.南京郵電大學(xué) 2018
[2]基于計(jì)算機(jī)視覺(jué)的目標(biāo)檢測(cè)和陰影檢測(cè)算法的研究[D]. 宋全恒.吉林大學(xué) 2017
[3]基于雙目視覺(jué)的運(yùn)動(dòng)恢復(fù)結(jié)構(gòu)[D]. 楊陽(yáng).電子科技大學(xué) 2016
[4]復(fù)雜環(huán)境下人臉識(shí)別研究及其在CRM的實(shí)現(xiàn)[D]. 王瑤.電子科技大學(xué) 2016
[5]基于模糊理論與空間信息的圖像分割方法研究[D]. 孫鑫.中北大學(xué) 2015
[6]基于視頻的車輛違章行為檢測(cè)研究[D]. 陳亞?wèn)|.安徽大學(xué) 2015
[7]復(fù)雜路況車輛檢測(cè)與跟蹤系統(tǒng)設(shè)計(jì)[D]. 郭佳佳.安徽大學(xué) 2015
[8]基于FPGA的實(shí)時(shí)運(yùn)動(dòng)檢測(cè)系統(tǒng)研究[D]. 孫文正.長(zhǎng)安大學(xué) 2014
[9]基于視頻的行人檢測(cè)與跟蹤技術(shù)研究[D]. 向應(yīng).西南交通大學(xué) 2014
[10]MeanShift粒子濾波算法在視頻目標(biāo)跟蹤中的應(yīng)用研究[D]. 張虎.廣西科技大學(xué) 2013



本文編號(hào)：3419858