發(fā)布時(shí)間：2022-02-24 10:47

　　隨著科技的進(jìn)步,計(jì)算機(jī)視覺(jué)在眾多領(lǐng)域的應(yīng)用也得以飛速發(fā)展,而前景檢測(cè)作為解決眾多計(jì)算機(jī)視覺(jué)問(wèn)題的基礎(chǔ)與前提,一直是研究的熱點(diǎn)。前景檢測(cè)是通過(guò)一定的技術(shù)將圖像或視頻中人們感興趣的區(qū)域或者運(yùn)動(dòng)目標(biāo)作為前景從背景中提取出來(lái)。隨著前景檢測(cè)的應(yīng)用范圍越來(lái)越廣,固定攝像機(jī)已不能滿足所有場(chǎng)景,由于移動(dòng)拍攝設(shè)備的日漸普及,移動(dòng)攝像機(jī)在前景檢測(cè)中的應(yīng)用也越來(lái)越廣泛。Vibe算法是前景檢測(cè)領(lǐng)域中常用的檢測(cè)算法之一,它有計(jì)算量小,具有良好的實(shí)時(shí)性等諸多優(yōu)點(diǎn)。但是當(dāng)Vibe算法應(yīng)用于移動(dòng)攝像機(jī)拍攝下的場(chǎng)景時(shí)會(huì)出現(xiàn)一些問(wèn)題,例如背景模型更新機(jī)制不能適應(yīng)于實(shí)時(shí)場(chǎng)景等。為了解決這些問(wèn)題,本文提出了一種RGB-D Vibe算法,該算法從背景建模、像素分類和背景模型更新三個(gè)部分對(duì)Vibe算法進(jìn)行改進(jìn)。與Vibe算法利用彩色信息提取前景相比,RGB-D Vibe算法不僅利用了彩色信息還利用了深度信息。其中,深度信息由RGB-D攝像機(jī)Kinect采集的深度圖像獲得。經(jīng)實(shí)驗(yàn)驗(yàn)證,RGB-D Vibe算法能夠在動(dòng)態(tài)背景下有效地檢測(cè)到運(yùn)動(dòng)物體（前景）。針對(duì)前景偽裝的問(wèn)題,本文提出基于深度邊緣的前景檢測(cè)方法。該方法基于前景外部輪廓... 

【文章來(lái)源】：北京化工大學(xué)北京市211工程院校教育部直屬院校

【文章頁(yè)數(shù)】：84 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 課題背景及意義
    1.2 前景檢測(cè)的研究現(xiàn)狀
        1.2.1 基于固定攝像機(jī)的前景檢測(cè)
        1.2.2 基于移動(dòng)攝像機(jī)的前景檢測(cè)
        1.2.3 基于RGB-D攝像機(jī)的前景檢測(cè)
    1.3 本文的主要研究?jī)?nèi)容及創(chuàng)新點(diǎn)
第二章 RGB-D攝像機(jī)Kinect1.0
    2.1 Kinect 1.0簡(jiǎn)介
    2.2 Kinect 1.0深度圖像獲取原理
    2.3 深度圖像與彩色圖像對(duì)齊
    2.4 基于Kinect的數(shù)據(jù)集
        2.4.1 TUM數(shù)據(jù)集
        2.4.2 自生成數(shù)據(jù)集
    2.5 本章小結(jié)
第三章 基于移動(dòng)RGB-D攝像機(jī)的色彩深度背景提取算法
    3.1 Vibe算法
        3.1.1 背景建模
        3.1.2 像素分類
        3.1.3 背景模型更新
    3.2 Vibe算法應(yīng)用于移動(dòng)攝像機(jī)時(shí)存在的問(wèn)題
    3.3 RGB-D Vibe算法
        3.3.1 基于空間轉(zhuǎn)換的背景建模
        3.3.2 像素分類
            3.3.2.1 距離定義
            3.3.2.2 基于深度信息的自適應(yīng)前景檢測(cè)
        3.3.3 背景幀更新
            3.3.3.1 基于前景點(diǎn)的背景幀更新策略
            3.3.3.2 基于深度變化的背景幀更新策略
        3.3.4 鬼影點(diǎn)檢測(cè)
        3.3.5 流程圖
    3.4 實(shí)驗(yàn)結(jié)果與討論
        3.4.1 案例 1
        3.4.2 案例 2
    3.5 本章小結(jié)
第四章 RGB-D Vibe與深度邊緣提取相結(jié)合的前景檢測(cè)策略
    4.1 前景檢測(cè)
    4.2 邊緣檢測(cè)算法
        4.2.1 Roberts算子
        4.2.2 Sobel算子
        4.2.3 Prewitt算子
        4.2.4 Laplacia算子
        4.2.5 Canny算子
        4.2.6 不同算子之間的對(duì)比
    4.3 基于深度邊緣的前景檢測(cè)方法
        4.3.1 基于Sobel算子的邊緣檢測(cè)
        4.3.2 自適應(yīng)添加地線
        4.3.3 基于種子填充算法的自適應(yīng)前景填充
        4.3.4 消除背景邊緣
    4.4 實(shí)驗(yàn)結(jié)果與討論
        4.4.1 案例 1
        4.4.2 案例 2
    4.5 本章小結(jié)
第五章 結(jié)論與展望
    5.1 結(jié)論
    5.2 展望
參考文獻(xiàn)
致謝
研究成果及發(fā)表的學(xué)術(shù)論文
作者及導(dǎo)師簡(jiǎn)介
附件


【參考文獻(xiàn)】：
期刊論文
[1]An effective graph and depth layer based RGB-D image foreground object extraction method[J]. Zhiguang Xiao,Hui Chen,Changhe Tu,Reinhard Klette.  Computational Visual Media. 2017(04)
[2]移動(dòng)相機(jī)下基于三維背景估計(jì)的運(yùn)動(dòng)目標(biāo)檢測(cè)[J]. 郭會(huì)文,吳新宇,蘇士娟,傅睿卿.  儀器儀表學(xué)報(bào). 2017(10)
[3]動(dòng)態(tài)場(chǎng)景中基于絕對(duì)差值和的前景檢測(cè)算法[J]. 劉敏,趙丹丹,武明虎,王娟.  計(jì)算機(jī)工程. 2017(07)
[4]一種針對(duì)移動(dòng)相機(jī)的實(shí)時(shí)視頻背景減除算法[J]. 孫豐,秦開(kāi)懷,孫偉,郭華源.  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2016(04)
[5]基于Kinect深度圖像信息的人體運(yùn)動(dòng)檢測(cè)[J]. 孟明,楊方波,佘青山,孫曜,羅志增.  儀器儀表學(xué)報(bào). 2015(02)
[6]EVibe:一種改進(jìn)的Vibe運(yùn)動(dòng)目標(biāo)檢測(cè)算法[J]. 余燁,曹明偉,岳峰.  儀器儀表學(xué)報(bào). 2014(04)
[7]基于改進(jìn)Sobel算子的邊緣檢測(cè)算法的研究[J]. 何春華,張雪飛,胡迎春.  光學(xué)技術(shù). 2012(03)
[8]圖像邊緣檢測(cè)中的微分算子法及其比較[J]. 龍清.  信息技術(shù). 2011(06)
[9]一種Roberts自適應(yīng)邊緣檢測(cè)方法[J]. 康牧,許慶功,王寶樹(shù).  西安交通大學(xué)學(xué)報(bào). 2008(10)
[10]自適應(yīng)Canny算子邊緣檢測(cè)技術(shù)[J]. 李牧,閆繼紅,李戈,趙杰.  哈爾濱工程大學(xué)學(xué)報(bào). 2007(09)

博士論文
[1]視頻序列中運(yùn)動(dòng)物體檢測(cè)算法研究[D]. 劉敏.華中科技大學(xué) 2013

碩士論文
[1]基于RGB-D數(shù)據(jù)的運(yùn)動(dòng)目標(biāo)檢測(cè)技術(shù)研究[D]. 章婷婷.南京理工大學(xué) 2017
[2]移動(dòng)機(jī)器人視覺(jué)檢測(cè)和跟蹤研究[D]. 劉軍學(xué).哈爾濱工業(yè)大學(xué) 2008



本文編號(hào)：3642565