視頻圖像運(yùn)動(dòng)目標(biāo)檢測(cè)技術(shù)是圖形圖像處理領(lǐng)域的研究熱點(diǎn),具有一定的理論研究?jī)r(jià)值和實(shí)際應(yīng)用價(jià)值。本文針對(duì)運(yùn)動(dòng)無(wú)人機(jī)拍攝的視頻圖像,主要研究了適用于動(dòng)態(tài)背景下的基于特征匹配和目標(biāo)建模的運(yùn)動(dòng)目標(biāo)檢測(cè)算法,重點(diǎn)研究了基于目標(biāo)建模的目標(biāo)檢測(cè)算法。首先,為了提高基于特征匹配的運(yùn)動(dòng)目標(biāo)檢測(cè)效果,本文研究了一種具有信息累加的特征匹配運(yùn)動(dòng)目標(biāo)檢測(cè)改進(jìn)算法。基于Haar小波分解對(duì)原圖像進(jìn)行預(yù)處理,提取低頻圖像的SURF（Speed Up Robust Features,SURF）特征點(diǎn),根據(jù)特征點(diǎn)匹配結(jié)果估計(jì)全局背景運(yùn)動(dòng)矢量,并且基于信息累加的方法對(duì)目標(biāo)檢測(cè)過(guò)程中的差分圖像信息求累加和。經(jīng)實(shí)驗(yàn)證明本文研究的算法具有良好的運(yùn)動(dòng)目標(biāo)檢測(cè)效果。其次,本文研究了一種基于特征自適應(yīng)加權(quán)融合的DPM（Deformable Part Model,DPM）目標(biāo)檢測(cè)改進(jìn)算法。在訓(xùn)練DPM目標(biāo)檢測(cè)模型和進(jìn)行目標(biāo)檢測(cè)時(shí)需要計(jì)算融合特征,對(duì)HOG（Histogram of Oriented Gradient,HOG）特征進(jìn)行主成分分析后,與等價(jià)模式的LBP（Local Binary Pattern,LBP）特征進(jìn)行自適應(yīng)加權(quán)融合。... 

【文章來(lái)源】：西南科技大學(xué)四川省

【文章頁(yè)數(shù)】：87 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

行人模型可視化圖

法檢測(cè)出目標(biāo)，因此本文采用一層 Haar 小波分解。（a）原圖 （b）一層 Haar 小波分解 （c）低頻圖像圖3-1 基于 Haar 小波分解的預(yù)處理結(jié)果Fig. 3-1 The result of pretreatment based on Haar wavelate decomposition3.2 UAV 視頻圖像特征點(diǎn)提取比較分析3.2.1 特征點(diǎn)提取在基于特征匹配的運(yùn)動(dòng)目標(biāo)檢測(cè)算法中通常是提取特征點(diǎn)進(jìn)行匹配來(lái)實(shí)現(xiàn)全局背景運(yùn)動(dòng)參數(shù)估計(jì)，常見(jiàn)的特征點(diǎn)提取算法有 SIFT、SURF、ORB，在本文中對(duì)這三種算法進(jìn)行了具體的比較分析。（1）SIFT 特征點(diǎn)提取尺度不變特征變換（Scale Invariant Feature Transform，SIFT）是一種圖像特提取與描述算法[35]。對(duì)原圖片進(jìn)行平移、縮放、旋轉(zhuǎn)變化后，用該算法依然能夠有效地提取特征點(diǎn)[39]，SIFT 特征點(diǎn)提取具體步驟如下：Step1：檢測(cè)尺度空間特征點(diǎn)。要保證 SIFT 特征點(diǎn)具有尺度不變性需要在尺度空間內(nèi)檢測(cè)特征點(diǎn)，那么在特征計(jì)算過(guò)程中需要構(gòu)建二維圖像尺度空

在下面將用實(shí)際的實(shí)驗(yàn)效果來(lái)進(jìn)行驗(yàn)證。為了比較特征點(diǎn)檢測(cè)效果，本文對(duì)三幅圖像進(jìn)行了特征點(diǎn)的提取實(shí)驗(yàn)，三幅圖像分別是原圖片、原圖片旋轉(zhuǎn)變化之后的圖片以及原圖片縮小 50%的圖片，其中原圖片來(lái)源于運(yùn)動(dòng)無(wú)人機(jī)拍攝到的視頻圖像，是一幅街景圖。用上述三種特征提取算法分別對(duì)它們進(jìn)行特征點(diǎn)提取，實(shí)驗(yàn)效果如圖 3-2。上述實(shí)驗(yàn)的硬件環(huán)境：處理器為 Intel(R) Core(TM) i5-6300HQ CPU @2.30GHz2.30GHz，內(nèi)存為 8.00G；軟件環(huán)境為 widows 7 操作系統(tǒng)，Visual Studio 2013和 OpenCV 2.4.10 開(kāi)源庫(kù)。（a）原圖 （b）旋轉(zhuǎn)圖 （c）縮放圖

【參考文獻(xiàn)】：
期刊論文
[1]基于距離的相似最近鄰搜索算法研究[J]. 姜大光,孫賀娟,易軍凱.  北京化工大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(05)
[2]非均衡加權(quán)隨機(jī)梯度下降SVM在線算法[J]. 魯淑霞,周謐,金釗.  計(jì)算機(jī)科學(xué)與探索. 2017(10)
[3]無(wú)人機(jī)航拍視頻中目標(biāo)檢測(cè)和跟蹤方法綜述[J]. 劉亞偉,李小民.  飛航導(dǎo)彈. 2016(09)
[4]一種基于可變形部件模型的快速對(duì)象檢測(cè)算法[J]. 李春偉,于洪濤,李邵梅,卜佑軍.  電子與信息學(xué)報(bào). 2016(11)
[5]基于視覺(jué)的目標(biāo)檢測(cè)與跟蹤綜述[J]. 尹宏鵬,陳波,柴毅,劉兆棟.  自動(dòng)化學(xué)報(bào). 2016(10)
[6]無(wú)人機(jī)的應(yīng)用與管理[J]. 宋鴻.  中國(guó)公共安全. 2016(07)
[7]基于SURF特征提取和FLANN搜索的圖像匹配算法[J]. 馮亦東,孫躍.  圖學(xué)學(xué)報(bào). 2015(04)
[8]基于重疊區(qū)域的高性能近似kD樹(shù)算法[J]. 鄭明玲,許柯,劉衡竹,魏登萍,李寶峰.  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2015(06)
[9]智能視頻監(jiān)控技術(shù)綜述[J]. 黃凱奇,陳曉棠,康運(yùn)鋒,譚鐵牛.  計(jì)算機(jī)學(xué)報(bào). 2015(06)
[10]基于背景補(bǔ)償引導(dǎo)的動(dòng)態(tài)場(chǎng)景下目標(biāo)跟蹤算法[J]. 王棟,朱虹,康凱,趙永飛.  儀器儀表學(xué)報(bào). 2014(06)

碩士論文
[1]動(dòng)態(tài)背景下基于SIFT特征匹配的目標(biāo)檢測(cè)算法[D]. 馮艷.西安電子科技大學(xué) 2014
[2]智能視頻監(jiān)控中運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤算法研究[D]. 高瑞華.南京航空航天大學(xué) 2014
[3]基于霍夫變換和條件隨機(jī)場(chǎng)模型的目標(biāo)檢測(cè)[D]. 杜本漢.上海交通大學(xué) 2014
[4]動(dòng)態(tài)場(chǎng)景下運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤算法的研究[D]. 汪巍.合肥工業(yè)大學(xué) 2012



本文編號(hào)：3473509