發(fā)布時(shí)間：2022-02-19 04:22

　　隨著安防系統(tǒng)、交通監(jiān)控系統(tǒng)等監(jiān)控應(yīng)用越來(lái)越廣泛,隨之而來(lái)的實(shí)際應(yīng)用要求與問(wèn)題也日益增加。傳統(tǒng)安防系統(tǒng)常以單攝像頭對(duì)目標(biāo)進(jìn)行檢測(cè)與跟蹤,但因單攝像頭視野小、視角單一,難以從多角度對(duì)目標(biāo)進(jìn)行監(jiān)控,尤其目標(biāo)與攝像頭之間存在遮擋物時(shí),對(duì)目標(biāo)的檢測(cè)與跟蹤更加困難。利用多攝像頭視頻融合以實(shí)現(xiàn)在不同角度對(duì)目標(biāo)進(jìn)行監(jiān)控,起到了擴(kuò)大監(jiān)控視野、減小監(jiān)控死角、延長(zhǎng)對(duì)目標(biāo)監(jiān)控時(shí)長(zhǎng)的作用。因此,多攝像頭視頻融合的動(dòng)目標(biāo)檢測(cè)與跟蹤在安防系統(tǒng)、視頻監(jiān)控領(lǐng)域中逐漸成為研究熱點(diǎn)�；谏鲜霰尘�,本文主要研究基于視頻融合的動(dòng)目標(biāo)檢測(cè)與跟蹤,并通過(guò)下述三個(gè)板塊進(jìn)行功能實(shí)現(xiàn):1、攝像頭視頻融合。以加速魯棒特征（Speed-up Robust Feature,SURF）算法作為視頻融合實(shí)現(xiàn)的理論基礎(chǔ),對(duì)用SURF算法提取特征點(diǎn)的過(guò)程進(jìn)行了詳細(xì)推導(dǎo)�？紤]到縫合線尋找方法與圖像融合方法對(duì)視頻融合效果的重要作用,分別對(duì)最常用的三種縫合線尋找方法、三種圖像融合方法進(jìn)行了詳細(xì)探討,同時(shí)通過(guò)實(shí)驗(yàn)結(jié)果對(duì)這些縫合線尋找方法和融合方法進(jìn)行了對(duì)比分析、驗(yàn)證。針對(duì)視頻融合時(shí)重疊區(qū)域存在由運(yùn)動(dòng)目標(biāo)引起的圖像模糊問(wèn)題,提出了一種基于幀間差分法的視頻融合方... 

【文章來(lái)源】：西安電子科技大學(xué)陜西省211工程院校教育部直屬院校

【文章頁(yè)數(shù)】：107 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
符號(hào)對(duì)照表
縮略語(yǔ)對(duì)照表
第一章 緒論
    1.1 課題研究的背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 基于視頻融合的研究進(jìn)展
        1.2.2 基于視頻動(dòng)目標(biāo)檢測(cè)的研究進(jìn)展
        1.2.3 基于視頻動(dòng)目標(biāo)跟蹤的研究進(jìn)展
    1.3 本文的主要工作和結(jié)構(gòu)安排
第二章 攝像頭視頻拼接相關(guān)理論基礎(chǔ)
    2.1 引言
    2.2 攝像機(jī)成像基礎(chǔ)
        2.2.1 攝相機(jī)成像理論
        2.2.2 圖像幾何投影
    2.3 特征點(diǎn)檢測(cè)算法簡(jiǎn)介
        2.3.1 Harris角點(diǎn)算法
        2.3.2 SIFT特征算法
        2.3.3 SURF特征算法
    2.4 圖像投影理論基礎(chǔ)
        2.4.1 平面投影
        2.4.2 球面投影
        2.4.3 立方體投影
        2.4.4 柱面投影
    2.5 攝像頭視頻拼接流程
    2.6 本章小結(jié)
第三章 基于SURF算法的視頻幀圖像融合
    3.1 引言
    3.2 SURF特征算法
        3.2.1 構(gòu)建Hessian矩陣與尺度空間
        3.2.2 尺度空間特征點(diǎn)精確定位
        3.2.3 特征點(diǎn)主方向分配
        3.2.4 生成特征描述子
    3.3 尋找縫合線方法
        3.3.1 逐點(diǎn)法
        3.3.2 動(dòng)態(tài)規(guī)劃法
        3.3.3 圖割法
        3.3.4 結(jié)果對(duì)比分析
    3.4 圖像融合方法
        3.4.1 簡(jiǎn)單直接融合法
        3.4.2 漸入漸出加權(quán)融合法
        3.4.3 多分辨率融合法
        3.4.4 結(jié)果對(duì)比分析
    3.5 基于幀間差分的改進(jìn)視頻圖像融合算法與實(shí)現(xiàn)
        3.5.1 視頻融合實(shí)驗(yàn)測(cè)試與分析
        3.5.2 基于幀間差分法的改進(jìn)視頻圖像融合
        3.5.3 改進(jìn)視頻融合的實(shí)驗(yàn)結(jié)果分析
    3.6 本章小結(jié)
第四章 動(dòng)目標(biāo)檢測(cè)理論與實(shí)現(xiàn)
    4.1 引言
    4.2 幀間差分法
        4.2.1 幀間差分法原理
        4.2.2 幀間差分法概述
    4.3 混合高斯模型法
        4.3.1 混合高斯模型法原理
        4.3.2 混合高斯模型法概述
    4.4 Vi Be算法
        4.4.1 Vi Be算法原理
        4.4.2 Vi Be算法概述
        4.4.3 Vi Be算法結(jié)果與分析
    4.5 改進(jìn)Vi Be背景模型的鬼影及閃爍點(diǎn)快速消除實(shí)現(xiàn)
        4.5.1 Vi Be算法的改進(jìn)
        4.5.2 改進(jìn)Vi Be算法實(shí)現(xiàn)步驟
        4.5.3 實(shí)驗(yàn)結(jié)果與分析
    4.6 本章小結(jié)
第五章 動(dòng)目標(biāo)跟蹤理論與實(shí)現(xiàn)
    5.1 引言
    5.2 動(dòng)目標(biāo)跟蹤算法
        5.2.1 壓縮跟蹤算法原理
        5.2.2 TLD算法原理
    5.3 KCF跟蹤算法
        5.3.1 線性回歸
        5.3.2 循環(huán)矩陣頻域?qū)腔?br>        5.3.3 快速核回歸
        5.3.4 快速跟蹤
        5.3.5 結(jié)果分析
    5.4 基于特征融合的KCF跟蹤方法
        5.4.1 改進(jìn)KCF算法實(shí)現(xiàn)步驟
        5.4.2 實(shí)驗(yàn)結(jié)果與分析
    5.5 本章小結(jié)
第六章 基于視頻融合的動(dòng)目標(biāo)檢測(cè)與跟蹤實(shí)現(xiàn)
    6.1 實(shí)驗(yàn)基礎(chǔ)
    6.2 基于視頻融合的動(dòng)目標(biāo)檢測(cè)與跟蹤實(shí)現(xiàn)
    6.3 實(shí)驗(yàn)結(jié)果及分析
    6.4 本章小結(jié)
第七章 總結(jié)與展望
    7.1 全文總結(jié)
    7.2 前景展望
參考文獻(xiàn)
致謝
作者簡(jiǎn)介



本文編號(hào)：3632208