發(fā)布時間：2021-12-23 20:27

　　運動目標檢測技術(shù)是計算機視覺領(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)域與運動區(qū)域像素點變化的不同,從視頻中提取感興趣的目標,目標檢測的質(zhì)量會直接對后續(xù)的跟蹤,監(jiān)控,異常行為檢測等目的造成影響。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,而近年來隨著智能手機及航拍器等移動設(shè)備的普及,人們通過智能移動設(shè)備攝取的視頻信息也逐年增多,通過智能終端直接檢測視頻中運動目標可以減少人力消耗。但由于環(huán)境影響及拍攝時設(shè)備的移動,這些視頻的背景都不再靜止。因此,針對上述問題,本文綜合考慮智能終端的硬件限制及內(nèi)存消耗,結(jié)合背景補償算法,設(shè)計實現(xiàn)基于智能移動終端的視頻運動目標檢測算法。本文的主要研究內(nèi)容如下:1.針對攝像設(shè)備移動導致的背景偏移問題,研究分析傳統(tǒng)的背景補償算法,提出基于改進SURF算子的背景補償算法。首先通過SURF算子對被檢測圖像進行特征提取,再通過二進制的特征描述算法對特征點進行描述,然后通過漢明距離進行匹配及RANSAC算法剔除誤匹配點。相較傳統(tǒng)算法,改進算法在提升實時性的同時,具備較高的準確性及魯棒性。實驗證明,本文算法在尺度,旋轉(zhuǎn)角度及光照強度不同的條件下,都具有良好的匹配效... 

【文章來源】：寧波大學浙江省

【文章頁數(shù)】：77 頁

【學位級別】：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 目標檢測技術(shù)研究現(xiàn)狀
        1.2.2 背景補償算法研究現(xiàn)狀
    1.3 智能終端檢測問題
    1.4 論文的主要研究內(nèi)容及組織架構(gòu)
        1.4.1 主要研究內(nèi)容
        1.4.2 本文組織架構(gòu)
2 運動目標檢測相關(guān)理論
    2.1 背景補償相關(guān)理論
        2.1.1 運動參數(shù)建模
        2.1.2 特征點檢測算法介紹
    2.2 靜態(tài)背景下的目標檢測理論介紹
        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算子的改進背景補償算法研究
    3.1 SURF算子
        3.1.1 SURF算子的特征點檢測
        3.1.2 特征點描述
    3.2 改進的SURF算子
        3.2.1 基于描述階段的改進
        3.2.2 特征點匹配
    3.3 實驗結(jié)果分析
        3.3.1 不同旋轉(zhuǎn)角度的圖像檢測效果對比
        3.3.2 不同光照條件下的圖像檢測效果對比
        3.3.3 不同尺度條件下的圖像檢測效果對比
        3.3.4 實驗效果分析
    3.4 本章小結(jié)
4 基于改進Vibe算法的運動目標檢測
    4.1 Vibe算法
        4.1.1 背景模型的建立
        4.1.2 前景檢測
        4.1.3 背景模型更新
    4.2 改進的Vibe算法
        4.2.1 運動參數(shù)估計
        4.2.2 背景轉(zhuǎn)換及更新因子的重設(shè)
        4.2.3 邊緣檢測
        4.2.4 形態(tài)學處理
    4.3 實驗結(jié)果分析
        4.3.1 背景轉(zhuǎn)換效果
        4.3.2 目標檢測效果
    4.4 本章小結(jié)
5 基于移動終端的視頻目標檢測系統(tǒng)
    5.1 OpenCV介紹
    5.2 Android介紹
    5.3 移動終端軟件整體設(shè)計
        5.3.1 背景補償模塊設(shè)計
        5.3.2 運動檢測模塊
    5.4 實驗結(jié)果與分析
        5.4.1 背景補償實驗
        5.4.2 運動目標檢測實驗
    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
在學研究成果
致謝
Abstract of Thesis
論文摘要


【參考文獻】：
期刊論文
[1]基于改進的Vibe和Canny邊緣檢測算法的運動目標檢測[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角點檢測快速算法[J]. 張立亭,黃曉浪,鹿琳琳,陳竹安,徐志寬.  儀器儀表學報. 2018(02)
[3]基于屬性重要度的決策樹算法[J]. 王蓉,劉遵仁,紀俊.  計算機科學. 2017(S2)
[4]基于NSST和改進數(shù)學形態(tài)學的遙感圖像目標邊緣提取[J]. 吳詩婳,吳一全,周建江.  圖學學報. 2017(04)
[5]基于改進Sobel算子的動態(tài)自動調(diào)焦算法研究[J]. 褚翔,祝連慶,婁小平,孟曉辰,潘志康.  應用光學. 2017(02)
[6]基于仿射變換的運動補償[J]. 顏堯平,盧朝陽,吳成柯.  中國圖象圖形學報. 1997(05)

碩士論文
[1]智能移動終端運動背景下視頻運動目標檢測技術(shù)研究[D]. 趙婷.寧波大學 2017
[2]基于運動補償及全局背景優(yōu)化的目標檢測[D]. 張維.安徽大學 2016
[3]動態(tài)背景下的視頻目標檢測與跟蹤研究[D]. 李恒年.鄭州大學 2016
[4]動態(tài)背景多目標檢測與跟蹤技術(shù)研究[D]. 蘇杭.電子科技大學 2016
[5]動態(tài)背景下運動目標的檢測與跟蹤[D]. 張苑欣.西安電子科技大學 2015
[6]基于特征點的目標檢測與跟蹤快速算法研究[D]. 賀元晨.西安電子科技大學 2014
[7]航拍視頻中運動目標的檢測與跟蹤算法研究[D]. 李文輝.西安電子科技大學 2014



本文編號：3549135