運(yùn)動(dòng)目標(biāo)檢測(cè)技術(shù)是計(jì)算機(jī)視覺(jué)領(lǐng)域最為基礎(chǔ)的一環(huán),該技術(shù)主要根據(jù)視頻中背景區(qū)域與運(yùn)動(dòng)區(qū)域像素點(diǎn)變化的不同,從視頻中提取感興趣的目標(biāo),目標(biāo)檢測(cè)的質(zhì)量會(huì)直接對(duì)后續(xù)的跟蹤,監(jiān)控,異常行為檢測(cè)等目的造成影響。傳統(tǒng)的固定攝像頭攝取的視頻大多數(shù)都處于靜態(tài)背景,而近年來(lái)隨著智能手機(jī)及航拍器等移動(dòng)設(shè)備的普及,人們通過(guò)智能移動(dòng)設(shè)備攝取的視頻信息也逐年增多,通過(guò)智能終端直接檢測(cè)視頻中運(yùn)動(dòng)目標(biāo)可以減少人力消耗。但由于環(huán)境影響及拍攝時(shí)設(shè)備的移動(dòng),這些視頻的背景都不再靜止。因此,針對(duì)上述問(wèn)題,本文綜合考慮智能終端的硬件限制及內(nèi)存消耗,結(jié)合背景補(bǔ)償算法,設(shè)計(jì)實(shí)現(xiàn)基于智能移動(dòng)終端的視頻運(yùn)動(dòng)目標(biāo)檢測(cè)算法。本文的主要研究?jī)?nèi)容如下:1.針對(duì)攝像設(shè)備移動(dòng)導(dǎo)致的背景偏移問(wèn)題,研究分析傳統(tǒng)的背景補(bǔ)償算法,提出基于改進(jìn)SURF算子的背景補(bǔ)償算法。首先通過(guò)SURF算子對(duì)被檢測(cè)圖像進(jìn)行特征提取,再通過(guò)二進(jìn)制的特征描述算法對(duì)特征點(diǎn)進(jìn)行描述,然后通過(guò)漢明距離進(jìn)行匹配及RANSAC算法剔除誤匹配點(diǎn)。相較傳統(tǒng)算法,改進(jìn)算法在提升實(shí)時(shí)性的同時(shí),具備較高的準(zhǔn)確性及魯棒性。實(shí)驗(yàn)證明,本文算法在尺度,旋轉(zhuǎn)角度及光照強(qiáng)度不同的條件下,都具有良好的匹配效... 

【文章來(lái)源】：寧波大學(xué)浙江省

【文章頁(yè)數(shù)】：77 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
引言
1 緒論
    1.1 研究背景與意義
    1.2 課題研究現(xiàn)狀
        1.2.1 目標(biāo)檢測(cè)技術(shù)研究現(xiàn)狀
        1.2.2 背景補(bǔ)償算法研究現(xiàn)狀
    1.3 智能終端檢測(cè)問(wèn)題
    1.4 論文的主要研究?jī)?nèi)容及組織架構(gòu)
        1.4.1 主要研究?jī)?nèi)容
        1.4.2 本文組織架構(gòu)
2 運(yùn)動(dòng)目標(biāo)檢測(cè)相關(guān)理論
    2.1 背景補(bǔ)償相關(guān)理論
        2.1.1 運(yùn)動(dòng)參數(shù)建模
        2.1.2 特征點(diǎn)檢測(cè)算法介紹
    2.2 靜態(tài)背景下的目標(biāo)檢測(cè)理論介紹
        2.2.1 幀間差分法
        2.2.2 背景差分法
        2.2.3 光流法
    2.3 本章小結(jié)
3 基于SURF算子的改進(jìn)背景補(bǔ)償算法研究
    3.1 SURF算子
        3.1.1 SURF算子的特征點(diǎn)檢測(cè)
        3.1.2 特征點(diǎn)描述
    3.2 改進(jìn)的SURF算子
        3.2.1 基于描述階段的改進(jìn)
        3.2.2 特征點(diǎn)匹配
    3.3 實(shí)驗(yàn)結(jié)果分析
        3.3.1 不同旋轉(zhuǎn)角度的圖像檢測(cè)效果對(duì)比
        3.3.2 不同光照條件下的圖像檢測(cè)效果對(duì)比
        3.3.3 不同尺度條件下的圖像檢測(cè)效果對(duì)比
        3.3.4 實(shí)驗(yàn)效果分析
    3.4 本章小結(jié)
4 基于改進(jìn)Vibe算法的運(yùn)動(dòng)目標(biāo)檢測(cè)
    4.1 Vibe算法
        4.1.1 背景模型的建立
        4.1.2 前景檢測(cè)
        4.1.3 背景模型更新
    4.2 改進(jìn)的Vibe算法
        4.2.1 運(yùn)動(dòng)參數(shù)估計(jì)
        4.2.2 背景轉(zhuǎn)換及更新因子的重設(shè)
        4.2.3 邊緣檢測(cè)
        4.2.4 形態(tài)學(xué)處理
    4.3 實(shí)驗(yàn)結(jié)果分析
        4.3.1 背景轉(zhuǎn)換效果
        4.3.2 目標(biāo)檢測(cè)效果
    4.4 本章小結(jié)
5 基于移動(dòng)終端的視頻目標(biāo)檢測(cè)系統(tǒng)
    5.1 OpenCV介紹
    5.2 Android介紹
    5.3 移動(dòng)終端軟件整體設(shè)計(jì)
        5.3.1 背景補(bǔ)償模塊設(shè)計(jì)
        5.3.2 運(yùn)動(dòng)檢測(cè)模塊
    5.4 實(shí)驗(yàn)結(jié)果與分析
        5.4.1 背景補(bǔ)償實(shí)驗(yàn)
        5.4.2 運(yùn)動(dòng)目標(biāo)檢測(cè)實(shí)驗(yàn)
    5.5 本章小結(jié)
6 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
在學(xué)研究成果
致謝
Abstract of Thesis
論文摘要


【參考文獻(xiàn)】：
期刊論文
[1]基于改進(jìn)的Vibe和Canny邊緣檢測(cè)算法的運(yùn)動(dòng)目標(biāo)檢測(cè)[J]. 賀超宇,鄭紫微.  數(shù)據(jù)通信. 2018(02)
[2]基于灰度差分與模板的Harris角點(diǎn)檢測(cè)快速算法[J]. 張立亭,黃曉浪,鹿琳琳,陳竹安,徐志寬.  儀器儀表學(xué)報(bào). 2018(02)
[3]基于屬性重要度的決策樹(shù)算法[J]. 王蓉,劉遵仁,紀(jì)俊.  計(jì)算機(jī)科學(xué). 2017(S2)
[4]基于NSST和改進(jìn)數(shù)學(xué)形態(tài)學(xué)的遙感圖像目標(biāo)邊緣提取[J]. 吳詩(shī)婳,吳一全,周建江.  圖學(xué)學(xué)報(bào). 2017(04)
[5]基于改進(jìn)Sobel算子的動(dòng)態(tài)自動(dòng)調(diào)焦算法研究[J]. 褚翔,祝連慶,婁小平,孟曉辰,潘志康.  應(yīng)用光學(xué). 2017(02)
[6]基于仿射變換的運(yùn)動(dòng)補(bǔ)償[J]. 顏堯平,盧朝陽(yáng),吳成柯.  中國(guó)圖象圖形學(xué)報(bào). 1997(05)

碩士論文
[1]智能移動(dòng)終端運(yùn)動(dòng)背景下視頻運(yùn)動(dòng)目標(biāo)檢測(cè)技術(shù)研究[D]. 趙婷.寧波大學(xué) 2017
[2]基于運(yùn)動(dòng)補(bǔ)償及全局背景優(yōu)化的目標(biāo)檢測(cè)[D]. 張維.安徽大學(xué) 2016
[3]動(dòng)態(tài)背景下的視頻目標(biāo)檢測(cè)與跟蹤研究[D]. 李恒年.鄭州大學(xué) 2016
[4]動(dòng)態(tài)背景多目標(biāo)檢測(cè)與跟蹤技術(shù)研究[D]. 蘇杭.電子科技大學(xué) 2016
[5]動(dòng)態(tài)背景下運(yùn)動(dòng)目標(biāo)的檢測(cè)與跟蹤[D]. 張?jiān)沸?西安電子科技大學(xué) 2015
[6]基于特征點(diǎn)的目標(biāo)檢測(cè)與跟蹤快速算法研究[D]. 賀元晨.西安電子科技大學(xué) 2014
[7]航拍視頻中運(yùn)動(dòng)目標(biāo)的檢測(cè)與跟蹤算法研究[D]. 李文輝.西安電子科技大學(xué) 2014



本文編號(hào)：3549135