本文關(guān)鍵詞：幾類目標(biāo)異常行為的視頻監(jiān)控研究

  更多相關(guān)文章： 圖像識(shí)別 背景建模 異常行為 煙霧檢測(cè)

【摘要】：本文以視頻監(jiān)控技術(shù)為依托,對(duì)典型的人體異常行為和船舶碰撞煙霧檢測(cè)進(jìn)行分析研究。首先有針對(duì)性地介紹了圖像識(shí)別、計(jì)算機(jī)視覺(jué)和視頻監(jiān)控技術(shù)方面的基礎(chǔ)知識(shí),以及當(dāng)前的研究現(xiàn)狀和應(yīng)用情況。針對(duì)視頻中常見(jiàn)的光照和陰影對(duì)檢測(cè)結(jié)果造成影響的問(wèn)題,論述圖像去噪與增強(qiáng)算法去除陰影和光照,為后續(xù)視頻監(jiān)控智能分析提供扎實(shí)的基礎(chǔ)。 然后介紹當(dāng)前常用的背景建模算法并結(jié)合本文實(shí)際檢測(cè)要求,對(duì)比選出適合本文應(yīng)用場(chǎng)景的背景建模和前景提取算法。本文將人體異常行為分為簡(jiǎn)單異常行為和復(fù)雜異常行為兩種。前者通過(guò)計(jì)算前景區(qū)域的質(zhì)心運(yùn)動(dòng)軌跡和最小外接矩形的寬高比變化來(lái)檢測(cè)。后者由于運(yùn)動(dòng)復(fù)雜,質(zhì)心運(yùn)動(dòng)和寬高比變化檢測(cè)并不能勝任,遂引入金字塔光流法計(jì)算窗口內(nèi)光流場(chǎng),并通過(guò)統(tǒng)計(jì)光流場(chǎng)的混亂程度鑒定是否發(fā)生異常。 船舶煙霧檢測(cè)因?yàn)槠涑０橛兴ǚ垂夂秃骘L(fēng)吹而具有一定的特殊性,本文根據(jù)煙霧的靜態(tài)特征和動(dòng)態(tài)特征兩大方面提出一種融合煙霧多個(gè)特征的快速檢測(cè)方法,靜態(tài)特征包括顏色特征、輪廓不規(guī)則性特征,動(dòng)態(tài)特征包括面積擴(kuò)散特征、半透明性特征。利用顏色模型、輪廓不規(guī)則性提取初步的疑似煙霧區(qū)塊,利用面積擴(kuò)張屬性再排除一些檢測(cè)的干擾,最終通過(guò)二維離散小波變換獲得精確的冒煙區(qū),找到具有煙霧特征的像素并標(biāo)記。 本文在研究視頻圖像基礎(chǔ)知識(shí)和圖像識(shí)別經(jīng)典算法的基礎(chǔ)上,加入自己的想法,通過(guò)實(shí)驗(yàn)分析驗(yàn)證,初步實(shí)現(xiàn)了典型的人體異常行為和船舶煙霧檢測(cè),為后續(xù)進(jìn)一步的研究打下基礎(chǔ)。
【關(guān)鍵詞】：圖像識(shí)別 背景建模 異常行為 煙霧檢測(cè)
【學(xué)位授予單位】：浙江大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TN948.6
【目錄】：

• 致謝5-6
• 摘要6-7
• Abstract7-8
• 目錄8-10
• 1 緒論10-20
• 1.1 研究背景與意義10-11
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀11-13
• 1.3 基于視頻監(jiān)控的異常行為檢測(cè)技術(shù)13-18
• 1.3.1 智能視頻監(jiān)控技術(shù)概述13-16
• 1.3.2 不同場(chǎng)景異常行為分類16-17
• 1.3.3 基于視頻監(jiān)控的異常行為檢測(cè)概述17-18
• 1.4 課題研究主要內(nèi)容及論文框架18-19
• 1.5 本章小結(jié)19-20
• 2 視頻監(jiān)控圖像預(yù)處理20-37
• 2.1 引言20
• 2.2 圖像采集與格式轉(zhuǎn)換20-23
• 2.3 圖像的色彩空間及轉(zhuǎn)換23-25
• 2.4 圖像去噪與圖像增強(qiáng)25-31
• 2.5 圖像光照和陰影去除31-37
• 2.5.1 圖像光影去除方法概述31-34
• 2.5.2 本文光照和陰影去除方法34
• 2.5.3 實(shí)驗(yàn)結(jié)果34-37
• 3 背景建模與前景檢測(cè)37-42
• 3.1 引言37
• 3.2 基于背景減差的前景檢測(cè)37-38
• 3.3 背景建模算法概述38-41
• 3.3.1 混合高斯法38-39
• 3.3.2 W4模型39-40
• 3.3.3 滑動(dòng)平均法40
• 3.3.4 近似中值法40-41
• 3.4 本章小結(jié)41-42
• 4 人體異常行為檢測(cè)42-55
• 4.1 人體異常行為檢測(cè)方法概述42-43
• 4.2 本文異常行為檢測(cè)方法43-54
• 4.2.1 分割人體目標(biāo)43-44
• 4.2.2 人體典型異常行為檢測(cè)44-54
• 4.3 本章小結(jié)54-55
• 5 船舶碰撞煙霧檢測(cè)55-66
• 5.1 引言55
• 5.2 煙霧檢測(cè)常用方法55-56
• 5.2.1 煙霧檢測(cè)方法概述55-56
• 5.2.2 本文煙霧檢測(cè)方法56
• 5.3 基于視頻圖像處理的煙霧檢測(cè)56-64
• 5.3.1 煙霧顏色特征56-59
• 5.3.2 煙霧輪廓不規(guī)則性59-60
• 5.3.3 煙霧面積擴(kuò)散60-61
• 5.3.4 煙霧半透明性61-64
• 5.4 實(shí)驗(yàn)結(jié)果64-66
• 6 結(jié)論與展望66-68
• 6.1 工作總結(jié)66-67
• 6.2 工作展望67-68
• 參考文獻(xiàn)68-70
• 碩士期間完成的項(xiàng)目70

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前3條

1 溫學(xué)恒,溫景陽(yáng);二值目標(biāo)圖象質(zhì)心的計(jì)算[J];長(zhǎng)春光學(xué)精密機(jī)械學(xué)院學(xué)報(bào);1997年03期

2 佟麗娜;宋全軍;葛運(yùn)建;;基于時(shí)序分析的人體摔倒預(yù)測(cè)方法[J];模式識(shí)別與人工智能;2012年02期

3 余孟澤;劉正熙;駱鍵;楊丹;;融合紋理特征和陰影屬性的陰影檢測(cè)方法[J];計(jì)算機(jī)工程與設(shè)計(jì);2011年10期

，

本文編號(hào)：1079209