本文關(guān)鍵詞：智能監(jiān)控視頻中的目標(biāo)檢測技術(shù)研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著信息化時(shí)代的來臨,智能監(jiān)控視頻在安防、交通各個(gè)領(lǐng)域都發(fā)揮了很大的作用。智能視頻監(jiān)控處理中,目標(biāo)檢測技術(shù),以及異常物體或異常事件的檢測是一個(gè)重要的研究方向。本文主要檢測的目標(biāo)對象為監(jiān)控視頻中運(yùn)動(dòng)后停止的物體,即暫時(shí)靜止區(qū)域?qū)ο?該類對象可能包括視頻中的遺留物、從固定場景中被移除的物體、交通場景中的違規(guī)停車現(xiàn)象等。 本文選取上述目標(biāo)作為研究對象,提出了一種基于背景建模和超像素分割的目標(biāo)檢測和提取方法,主要包含像素級處理和區(qū)域級處理兩個(gè)部分。首先,介紹了高斯背景模型,并根據(jù)目標(biāo)的特點(diǎn)改進(jìn)了高斯混合背景模型的更新方法,使前景分割結(jié)果中包含目標(biāo)區(qū)域像素,并根據(jù)雙背景思想設(shè)計(jì)檢測步驟,可以有效地檢測并提取在場景中停留指定時(shí)長的目標(biāo)物體覆蓋的像素部分；之后,引入超像素分割概念,將圖像分割為超像素區(qū)域,結(jié)合背景建模的提取結(jié)果,設(shè)計(jì)判別條件,輸出以超像素為單位的檢測結(jié)果,利用幀內(nèi)的圖像空間相關(guān)性,使目標(biāo)檢測結(jié)果更準(zhǔn)確。 本文提出的算法在標(biāo)準(zhǔn)監(jiān)控視頻數(shù)據(jù)集上進(jìn)行了仿真實(shí)驗(yàn),繪制了實(shí)驗(yàn)結(jié)果,給出了目標(biāo)提取精確度指標(biāo),并提供了以事件為單位的檢測結(jié)果。實(shí)驗(yàn)結(jié)果顯示,與對照的基于背景建模的目標(biāo)提取方法相比,本文中提出的算法可以適用于不同監(jiān)控場景,能夠有效提高目標(biāo)提取的精確程度,同時(shí)具有較高的目標(biāo)檢出率和較低的誤報(bào)率,且輸出結(jié)果能夠較好地?cái)M合目標(biāo)物體輪廓。
【關(guān)鍵詞】：智能監(jiān)控視頻 暫時(shí)靜止區(qū)域 背景建模 超像素分割
【學(xué)位授予單位】：北京郵電大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TP391.41;TN948.6
【目錄】：

• 摘要4-5
• ABSTRACT5-8
• 第一章 緒論8-18
• 1.1 引言8
• 1.2 選題背景和研究意義8-9
• 1.3 智能視頻監(jiān)控目標(biāo)檢測技術(shù)研究現(xiàn)狀9-14
• 1.3.1 智能監(jiān)控視頻系統(tǒng)10-11
• 1.3.2 監(jiān)控視頻中的目標(biāo)檢測11-12
• 1.3.3 固定場景監(jiān)控中暫時(shí)靜止目標(biāo)檢測12-14
• 1.4 本文研究的主要內(nèi)容14-15
• 1.5 論文內(nèi)容安排15-18
• 第二章 基于背景建模的運(yùn)動(dòng)檢測18-26
• 2.1 高斯背景模型19-22
• 2.1.1 高斯背景模型的建立和分量更新19-22
• 2.1.2 前景/背景分割22
• 2.2 自適應(yīng)混合高斯模型22-24
• 2.2.1 自適應(yīng)混合高斯模型的概念和應(yīng)用22-23
• 2.2.2 實(shí)驗(yàn)結(jié)果23-24
• 2.3 本章小結(jié)24-26
• 第三章 基于背景建模的目標(biāo)像素提取26-38
• 3.1 高斯混合背景模型的改進(jìn)26-29
• 3.1.1 運(yùn)動(dòng)-靜止物體背景建模26-27
• 3.1.2 限制背景更新的背景模型27-29
• 3.2 背景模型29-32
• 3.2.1 背景模型的建立29-30
• 3.2.2 背景模型的結(jié)果提取30-32
• 3.3 目標(biāo)區(qū)域像素提取32-36
• 3.3.1 暫時(shí)靜止目標(biāo)背景模型33-34
• 3.3.2 像素級目標(biāo)檢測34-36
• 3.4 本章小結(jié)36-38
• 第四章 基于超像素分割的目標(biāo)區(qū)域提取38-49
• 4.1 超像素分割38-40
• 4.1.1 超像素分割的概念38-39
• 4.1.2 超像素分割方法SLIC39-40
• 4.2 目標(biāo)區(qū)域檢測40-43
• 4.2.1 超像素分類指標(biāo)40-41
• 4.2.2 區(qū)域級目標(biāo)檢測41-43
• 4.3 實(shí)驗(yàn)結(jié)果43-48
• 4.3.1 仿真環(huán)境43-44
• 4.3.2 仿真結(jié)果44-48
• 4.4 本章小結(jié)48-49
• 第五章 總結(jié)與展望49-51
• 5.1 本文工作總結(jié)49
• 5.2 展望49-51
• 參考文獻(xiàn)51-54
• 致謝54-55
• 攻讀學(xué)位期間發(fā)表或已錄用的學(xué)術(shù)論文55

【參考文獻(xiàn)】

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 解曉萌;復(fù)雜背景下運(yùn)動(dòng)目標(biāo)檢測和識別關(guān)鍵技術(shù)研究[D];華南理工大學(xué);2012年

  本文關(guān)鍵詞：智能監(jiān)控視頻中的目標(biāo)檢測技術(shù)研究，由筆耕文化傳播整理發(fā)布。

本文編號：334928