本文選題：視頻監(jiān)控 + 圖像預(yù)處理��； 參考：《南京郵電大學(xué)》2014年碩士論文

【摘要】：自物聯(lián)網(wǎng)的概念被提出以來，人們希望自己的生活往智能化方向發(fā)展。視頻監(jiān)控屬于智慧安防的一個重要方面，一直是物聯(lián)網(wǎng)、計算機視覺的研究焦點，有極其重要的研究意義。本文從理論和實際應(yīng)用出發(fā)，重點研究了視頻監(jiān)控中的圖像預(yù)處理、目標(biāo)檢測和目標(biāo)跟蹤等方面，解決了視頻監(jiān)控中視頻質(zhì)量不高、目標(biāo)檢測率低和目標(biāo)跟蹤處理時間長及不準(zhǔn)確等問題。研究內(nèi)容包括以下幾個方面： 一、對視頻傳播中被噪聲影響而造成視頻圖像質(zhì)量降低的情況，研究了圖像預(yù)處理來改善視頻質(zhì)量。為了去除圖像中普遍存在的兩種噪聲：高斯噪聲和椒鹽噪聲，本文對能夠去除高斯噪聲并平滑圖像的雙邊濾波器進行了研究和改進，提出了一種能夠同時去除高斯噪聲和椒鹽噪聲的加權(quán)雙邊濾波器，彌補了雙邊濾波器在去除高頻噪聲方面的不足。實驗結(jié)果證明，該算法能夠在平滑圖像、保留邊緣的同時去除椒鹽噪聲。 二、對目標(biāo)檢測算法進行了研究。目標(biāo)檢測分為運動目標(biāo)檢測和靜態(tài)圖像中的目標(biāo)檢測。在視頻中進行檢測，既可以檢測到運動目標(biāo)，又可以將視頻幀作為靜態(tài)圖片來進行檢測，因此本文將兩者相結(jié)合，以提高檢測率。在運動目標(biāo)檢測上，本文利用背景差分法，建立背景模型，以檢測運動目標(biāo)。在靜態(tài)圖像的目標(biāo)檢測中，本文利用梯度方向直方圖特征加支持向量機分類器的方法進行目標(biāo)檢測。本文提出了一種將兩者有效結(jié)合、同時進行檢測的方法，實驗證明，該方法能提高檢測率。 此外，在目標(biāo)特征提取的過程中，本文發(fā)現(xiàn)，特征提取的好壞對目標(biāo)檢測的結(jié)果有著很重大的影響，而特征提取又是人為的、同時需要大量經(jīng)驗技巧的，因此本文希望能利用一種自動提取目標(biāo)特征的方法來提取較好的特征，，而當(dāng)前在機器學(xué)習(xí)領(lǐng)域快速發(fā)展的深度學(xué)習(xí)方法恰好能夠滿足本文的需求。因此，本文研究了基于深度學(xué)習(xí)的目標(biāo)檢測方法，雖然該方法目前還不是很成熟，但是實驗表明，該方法還是有不錯的性能。 三、在視頻目標(biāo)跟蹤方面，本文對傳統(tǒng)的算法進行了總結(jié)。然后對實用性很好的跟蹤學(xué)習(xí)檢測（Tracking-Learning-Detection，TLD）算法進行了詳細的研究，該算法將跟蹤和檢測算法相結(jié)合，解決了長時間跟蹤過程中被跟蹤目標(biāo)發(fā)生的形變、部分遮擋導(dǎo)致跟蹤失敗的問題。針對該算法檢測過程中會對整張圖片進行掃描，本文利用視頻幀間的聯(lián)系，聯(lián)合Camshift跟蹤方法提出了一種改進的檢測模塊，減小了掃描區(qū)域，提高的檢測的速度和準(zhǔn)確率。
[Abstract]:Since the concept of the Internet of things was put forward, people want their lives to develop intelligently. Video surveillance is an important aspect of intelligent security and has been the focus of the Internet of things and computer vision. Based on the theory and practical application, this paper focuses on the image preprocessing, target detection and target tracking in video surveillance, and solves the problem that video quality is not high in video surveillance. The target detection rate is low and the target tracking processing time is long and inaccurate. The research includes the following aspects: firstly, the image preprocessing is studied to improve the video quality, which is caused by noise in video transmission. In order to remove two kinds of noise, Gao Si noise and salt and pepper noise, the two-sided filter which can remove Gao Si noise and smooth the image is studied and improved in this paper. A weighted two-sided filter which can simultaneously remove Gao Si noise and salt and pepper noise is proposed, which makes up for the deficiency of the two-sided filter in removing high-frequency noise. The experimental results show that the algorithm can smooth the image and preserve the edges while removing the salt and pepper noise. Secondly, the target detection algorithm is studied. Target detection is divided into moving target detection and still image detection. In video detection, moving targets can be detected, and video frames can be detected as static pictures, so this paper combines the two to improve the detection rate. In this paper, the background model is established by using background difference method to detect moving targets. In the object detection of static image, the method of gradient direction histogram feature plus support vector machine classifier is used to detect the target. In this paper, a method of combining the two effectively and detecting simultaneously is proposed. The experimental results show that this method can improve the detection rate. In addition, in the process of target feature extraction, we find that, The quality of feature extraction has a great influence on the result of target detection, and the feature extraction is artificial and requires a lot of experience and skill. Therefore, this paper hopes to use an automatic target feature extraction method to extract better features, while the rapid development of depth learning methods in the field of machine learning can meet the needs of this paper. Therefore, this paper studies the target detection method based on depth learning. Although the method is not very mature, but the experiment shows that the method has good performance. Third, in video target tracking, This paper summarizes the traditional algorithm. Then, the tracking learning detection algorithm Tracking-Learning-DetectionTLDalgorithm is studied in detail. The algorithm combines tracking and detection algorithm to solve the deformation of the tracked target in the long time tracking process. Partial occlusion causes tracking failure. In view of the whole picture will be scanned in the detection process of the algorithm, this paper proposes an improved detection module by using the link between the video frames and the Camshift tracking method, which reduces the scanning area and improves the speed and accuracy of detection.
【學(xué)位授予單位】：南京郵電大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：TP391.41;TN948.6

【相似文獻】

相關(guān)期刊論文 前10條

1 張愛梅;蔣佳;魏麗君;田華良;孔文杰;;雙目圖像預(yù)處理技術(shù)研究[J];礦山機械;2009年06期

2 王巖;周蕭;;針對人臉識別的圖像預(yù)處理[J];科技信息;2011年16期

3 周進;吳欽章;;數(shù)字視頻判讀中圖像預(yù)處理技術(shù)研究[J];光電工程;2006年10期

4 劉新業(yè);;基于人臉識別的人臉圖像預(yù)處理研究[J];沈陽教育學(xué)院學(xué)報;2008年02期

5 孫林森;吳小培;項明;;一種有效的指紋圖像預(yù)處理方法[J];計算機技術(shù)與發(fā)展;2009年02期

6 ;服務(wù)于空間組織的預(yù)處理技術(shù)——本期主題專欄“遙感圖像預(yù)處理技術(shù)”序[J];中國圖象圖形學(xué)報;2009年08期

7 王輝;董勇;張成梅;吳海濱;劉立巖;;圖像預(yù)處理技術(shù)在軋鋼加熱爐內(nèi)圖像采集中的應(yīng)用[J];大氣與環(huán)境光學(xué)學(xué)報;2010年02期

8 翟繼偉;;地形圖掃描圖像預(yù)處理研究[J];黑龍江科技信息;2013年16期

9 王風(fēng)賀;楊乾;王剛;;紅外圖像預(yù)處理設(shè)計及非均勻性算法應(yīng)用[J];光電技術(shù)應(yīng)用;2013年05期

10 林國清,李見為,王崇文;指紋圖像預(yù)處理方法的研究[J];光電工程;2002年05期

相關(guān)會議論文 前10條

1 徐偉鈞;姚萌;;基于位置系統(tǒng)的圖像預(yù)處理[A];第六屆全國信息獲取與處理學(xué)術(shù)會議論文集（2）[C];2008年

2 趙永濤;李志敏;王洪建;陳志云;王林;;印章識別中的圖像預(yù)處理研究[A];中國儀器儀表學(xué)會第六屆青年學(xué)術(shù)會議論文集[C];2004年

3 陳志斌;李義照;卓家靖;侯章亞;;激光測距機光軸檢測中光斑圖像預(yù)處理研究[A];第十二屆全國光學(xué)測試學(xué)術(shù)討論會論文（摘要集）[C];2008年

4 弟宇鳴;高鵬;馬文彥;;基于MATLAB的核徑跡圖像預(yù)處理及特征選取[A];第十四屆全國核電子學(xué)與核探測技術(shù)學(xué)術(shù)年會論文集（下冊）[C];2008年

5 弟宇鳴;高鵬;馬文彥;;基于MATLAB的核徑跡圖像預(yù)處理及特征選取[A];第十四屆全國核電子學(xué)與核探測技術(shù)學(xué)術(shù)年會論文集（2）[C];2008年

6 陳益新;吳開華;;基于DM6467的高速圖像預(yù)處理技術(shù)研究[A];浙江省信號處理學(xué)會2011學(xué)術(shù)年會論文集[C];2011年

7 葉培建;;遙感衛(wèi)星CCD圖像預(yù)處理[A];中國空間科學(xué)學(xué)會空間探測專業(yè)委員會第十二次學(xué)術(shù)會議論文集[C];1999年

8 姚睿;李琦;尹齊國;王騏;;THz激光主動圖像預(yù)處理方法初步研究[A];第十七屆十三省（市）光學(xué)學(xué)術(shù)年會暨“五省一市光學(xué)聯(lián)合年會”論文集[C];2008年

9 古扎麗努爾·艾木肉拉;艾斯卡爾·艾木都拉;買買提江·吐爾遜;;維吾爾文筆跡圖像預(yù)處理及特征提取方法研究[A];少數(shù)民族青年自然語言處理技術(shù)研究與進展——第三屆全國少數(shù)民族青年自然語言信息處理、第二屆全國多語言知識庫建設(shè)聯(lián)合學(xué)術(shù)研討會論文集[C];2010年

10 康健;張旭明;胡仲翔;張甲英;;基于CCD的齒輪測量系統(tǒng)的圖像預(yù)處理研究[A];2005年中國機械工程學(xué)會年會論文集[C];2005年

相關(guān)碩士學(xué)位論文 前10條

1 張永清;基于多線程的水中微生物圖像預(yù)處理系統(tǒng)[D];云南大學(xué);2011年

2 曹世健;應(yīng)用于紋織領(lǐng)域的圖像預(yù)處理系統(tǒng)[D];浙江大學(xué);2007年

3 王宇舟;空間太陽望遠鏡圖像預(yù)處理系統(tǒng)設(shè)計與研制[D];電子科技大學(xué);2002年

4 岳建坡;視頻監(jiān)控中圖像預(yù)處理技術(shù)研究[D];河南工業(yè)大學(xué);2013年

5 樊帆;鑄坯表面缺陷自動評級中圖像預(yù)處理的研究[D];華中科技大學(xué);2009年

6 高穎慧;海空背景條件下圖像預(yù)處理和小目標(biāo)檢測技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2003年

7 趙欽佩;復(fù)雜背景條件下的紅外圖像預(yù)處理、檢測方法研究[D];上海交通大學(xué);2007年

8 楊小青;指紋采集系統(tǒng)及圖像預(yù)處理研究[D];重慶大學(xué);2007年

9 喻蓉;婦科手術(shù)圖像預(yù)處理研究與實現(xiàn)[D];電子科技大學(xué);2011年

10 詹必勝;基于FPGA的圖像預(yù)處理系統(tǒng)研究[D];湖北工業(yè)大學(xué);2009年

本文編號：1997288