本文關(guān)鍵詞：視頻監(jiān)控中的時空顯著目標(biāo)跟蹤，由筆耕文化傳播整理發(fā)布。

【摘要】：視頻數(shù)據(jù)以非結(jié)構(gòu)化形式存在且數(shù)量巨大,模擬人類視覺系統(tǒng)快速抽取信息的顯著性檢測是計算機(jī)視覺中的一個熱點(diǎn)。顯著目標(biāo)是圖像或視頻中感興趣的對象,也是構(gòu)成視頻場景內(nèi)容的主要實(shí)體。因此借助顯著目標(biāo)進(jìn)行目標(biāo)檢測、定位、識別和跟蹤可以快速、高效地實(shí)現(xiàn)視頻監(jiān)控。近年來的研究表明通過多特征融合方法可以得到比較好的顯著圖。本文以視頻序列作為研究對象,主要研究了基于時空顯著性的顯著目標(biāo)檢測、分割和跟蹤方法,具體內(nèi)容如下:1)針對現(xiàn)有方法以視頻幀中心作為位置先驗,沒有充分利用視頻的運(yùn)動連續(xù)性信息以及現(xiàn)有方法使用邊緣和連通性作為背景的先驗不能很好地處理紋理復(fù)雜的場景導(dǎo)致的顯著區(qū)域錯誤提取的問題,本文考慮監(jiān)控視頻中相鄰幀顯著區(qū)域的空間連續(xù)性,提出改進(jìn)的先驗和時空特征相結(jié)合的顯著性檢測模型。該模型通過得到的檢測結(jié)果計算位置先驗;以時間維度上的均值濾波得到背景作為背景先驗;然后將背景和位置先驗與速度加速度先驗融合成先驗顯著圖,最后與顏色、運(yùn)動大小和方向構(gòu)成的對比度特征顯著圖相融合形成最終的顯著圖。在標(biāo)準(zhǔn)數(shù)據(jù)庫和監(jiān)控視頻上的實(shí)驗結(jié)果表明,提出方法得到的顯著圖很好地抑制了背景,突出了顯著目標(biāo)。2)顯著區(qū)域的確定是目標(biāo)完整性提取的關(guān)鍵,針對現(xiàn)有顯著區(qū)域提取方法存在的這一不足,從顯著圖出發(fā),在充分分析各種目標(biāo)分割算法的基礎(chǔ)上,選用改進(jìn)的區(qū)域生長方法對顯著圖進(jìn)行顯著目標(biāo)的提取。在實(shí)際監(jiān)控視頻上的實(shí)驗比較分析發(fā)現(xiàn),改進(jìn)的區(qū)域生長顯著區(qū)域提取方法具有較好的目標(biāo)區(qū)域提取性能,可以有效地保證視頻監(jiān)控中顯著目標(biāo)的完整性,便于后續(xù)的目標(biāo)跟蹤。3)針對傳統(tǒng)Mean Shift跟蹤缺乏目標(biāo)模板更新導(dǎo)致對變化較快的目標(biāo)無法跟蹤,以及Kalman濾波和Mean Shift無法處理多目標(biāo)跟蹤的問題,在顯著目標(biāo)檢測與數(shù)據(jù)關(guān)聯(lián)的基礎(chǔ)上,本文將Mean Shift和Kalman濾波方法相結(jié)合,進(jìn)行顯著目標(biāo)的跟蹤。該方法在傳統(tǒng)的Mean Shift算法中加入模板更新,利用Kalman濾波預(yù)測下一幀中的目標(biāo)位置,加快搜索速度,并且通過數(shù)據(jù)關(guān)聯(lián)匹配檢測窗口和目標(biāo)模板。實(shí)驗證明本文的方法有效提高了目標(biāo)跟蹤的準(zhǔn)確性。
【關(guān)鍵詞】：視頻監(jiān)控 多特征融合 顯著性先驗 目標(biāo)檢測 多目標(biāo)跟蹤
【學(xué)位授予單位】：蘇州大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TN948.6
【目錄】：

• 中文摘要4-6
• Abstract6-10
• 第一章 緒論10-19
• 1.1 課題研究背景與意義10-11
• 1.2 人類視覺系統(tǒng)概述11-12
• 1.3 研究現(xiàn)狀12-15
• 1.3.1 目標(biāo)跟蹤的研究現(xiàn)狀12-13
• 1.3.2 顯著性的研究現(xiàn)狀13-15
• 1.4 目前存在的問題15-17
• 1.4.1 目標(biāo)跟蹤的問題15-16
• 1.4.2 顯著性模型存在的問題16-17
• 1.5 本文主要工作17
• 1.6 本文的組織結(jié)構(gòu)17-19
• 第二章 基于多特征融合與先驗結(jié)合的時空顯著性計算19-31
• 2.1 顯著性計算概述19-20
• 2.2 多特征融合與先驗結(jié)合的時空顯著性模型20-25
• 2.2.1 特征對比度20-23
• 2.2.2 顯著性先驗23-24
• 2.2.3 顯著性融合24-25
• 2.3 實(shí)驗分析25-30
• 2.4 本章小結(jié)30-31
• 第三章 基于區(qū)域生長的顯著目標(biāo)檢測31-38
• 3.1 目標(biāo)檢測31-32
• 3.2 區(qū)域生長32-33
• 3.3 基于區(qū)域生長的顯著目標(biāo)檢測33-35
• 3.4 實(shí)驗結(jié)果35-37
• 3.5 本章小結(jié)37-38
• 第四章 基于Mean Shift和Kalman濾波的顯著目標(biāo)跟蹤38-48
• 4.1 Mean Shift目標(biāo)跟蹤38-41
• 4.2 Kalman濾波41-43
• 4.3 Mean Shift結(jié)合Kalman濾波的目標(biāo)跟蹤43
• 4.4 多目標(biāo)跟蹤及數(shù)據(jù)關(guān)聯(lián)43-45
• 4.5 實(shí)驗分析45-47
• 4.6 本章小結(jié)47-48
• 第五章 總結(jié)與展望48-50
• 5.1 論文工作總結(jié)48-49
• 5.2 未來工作展望49-50
• 參考文獻(xiàn)50-55
• 攻讀學(xué)位期間公開發(fā)表的論文及知識產(chǎn)權(quán)成果55-56
• 致謝56-57

【參考文獻(xiàn)】

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 尤亞;無重疊視域多攝像機(jī)運(yùn)動目標(biāo)匹配研究[D];蘇州大學(xué);2013年

  本文關(guān)鍵詞：視頻監(jiān)控中的時空顯著目標(biāo)跟蹤，由筆耕文化傳播整理發(fā)布。

，

本文編號：289215