本文關(guān)鍵詞：基于O2O學習的多目標檢測與跟蹤技術(shù)研究，由筆耕文化傳播整理發(fā)布。

【摘要】：智能視頻監(jiān)控中,利用計算機實時定位視頻中感興趣的、顯著視覺特征的多個獨立目標,精確計算出目標在視頻中位置大小、運動速度、表觀特征等狀態(tài)信息,為目標分類識別、行為理解等高層處理提供數(shù)據(jù)的多目標檢測與跟蹤技術(shù)仍然是研究的熱點。視頻信息包括幀間信息和幀內(nèi)信息。現(xiàn)有基于運動信息的檢測跟蹤系統(tǒng),只利用幀間運動信息而忽視了幀內(nèi)物體表觀信息,系統(tǒng)無法檢測靜止狀態(tài)的目標,運行過程中不能繼續(xù)跟蹤由運動變靜止的目標。針對運動檢測系統(tǒng)無法提取靜止狀態(tài)目標的問題,采用了O2O檢測算法:在線(Online)幀間運動檢測,離線(Offline)幀內(nèi)表觀檢測;運動檢測通過幀間信息提取出運動的目標;表觀檢測彌補運動檢測的不足,提取出靜止的目標;學習兩者提取結(jié)果,輸出綜合檢測結(jié)果。針對運動檢測檢測到目標包含一些非跟蹤目標噪聲的問題,離線訓練好一類目標的隨機森林分類器,用分類器排除不需跟蹤的目標,濾除噪聲,提高跟蹤準確度,減小跟蹤計算量。針對傳統(tǒng)跟蹤方法無法繼續(xù)跟蹤停止目標的問題,采用了融合特征匹配與數(shù)據(jù)關(guān)聯(lián)的多目標跟蹤算法;跟蹤系統(tǒng)使用幀間數(shù)據(jù)關(guān)聯(lián)算法來判斷目標前后幀的關(guān)聯(lián)、新目標產(chǎn)生和目標消失;當判斷一個目標消失時,系統(tǒng)自動在目標消失時刻的位置,使用幀內(nèi)特征匹配算法,用存儲的該目標特征來匹配當前位置區(qū)域圖像,從而識別目標,驗證其是否真消失。具體的研究內(nèi)容:首先,使用基于背景差分法的幀間運動檢測算法,獲取視頻幀間運動信息、目標狀態(tài)數(shù)據(jù);采用基于分類器的幀內(nèi)表觀檢測算法,獲取視頻幀內(nèi)表觀信息、目標狀態(tài)數(shù)據(jù)。然后,研究融合幀內(nèi)特征匹配和幀間數(shù)據(jù)關(guān)聯(lián)的多目標跟蹤算法,實現(xiàn)多目標的跟蹤。最后,研究并實現(xiàn)基于運動和表觀的O2O多目標檢測與跟蹤系統(tǒng)。該系統(tǒng)在檢測中采用在線(Online)基于幀間運動信息和離線(Offline)基于幀內(nèi)表觀信息的O2O綜合檢測算法,用以檢測出全部動靜目標;在跟蹤中采用融合幀內(nèi)特征匹配與幀間數(shù)據(jù)關(guān)聯(lián)的跟蹤算法,利用幀內(nèi)表觀特征解決跟丟停止目標的問題。
【關(guān)鍵詞】：運動檢測 表觀檢測 多目標跟蹤 卡爾曼濾波 特征匹配 數(shù)據(jù)關(guān)聯(lián) O2O運動與表觀
【學位授予單位】：南京郵電大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TN948.6;TP391.41
【目錄】：

• 摘要4-5
• Abstract5-8
• 專用術(shù)語注釋表8-9
• 第一章 緒論9-16
• 1.1 研究背景與意義9-10
• 1.2 國內(nèi)外研究現(xiàn)狀10-12
• 1.3 解決問題和內(nèi)容安排12-16
• 1.3.1 現(xiàn)有算法存在問題12-13
• 1.3.2 改進創(chuàng)新13-14
• 1.3.3 內(nèi)容安排14-16
• 第二章 基于背景差分的幀間運動檢測算法16-28
• 2.1 背景差分法16-20
• 2.1.1 背景差分算法流程16-18
• 2.1.2 GMM混合高斯模型18-19
• 2.1.3 GMM算法流程19-20
• 2.2 自適應二值化20-21
• 2.3 形態(tài)學處理21-24
• 2.3.1 腐蝕運算21-22
• 2.3.2 膨脹運算22-23
• 2.3.3 開運算與閉運算23
• 2.3.4 形態(tài)學處理策略23-24
• 2.4 連通域標記與區(qū)域生長24-25
• 2.5 運動檢測算法流程25-26
• 2.6 運動檢測評估實驗26-27
• 2.7 本章小結(jié)27-28
• 第三章 基于分類器的幀內(nèi)表觀檢測算法28-45
• 3.1 綜合表觀特征28-34
• 3.1.1 HOG特征28-30
• 3.1.2 Haar-like特征30-32
• 3.1.3 LBP特征32-34
• 3.1.4 綜合特征向量34
• 3.2 隨機森林分類器34-38
• 3.2.1 決策樹35-36
• 3.2.2 隨機森林36-38
• 3.3 學習訓練分類器38
• 3.4 表觀檢測算法流程38-41
• 3.5 表觀檢測評估實驗41-44
• 3.6 本章小結(jié)44-45
• 第四章 融合特征匹配和數(shù)據(jù)關(guān)聯(lián)的多目標跟蹤45-65
• 4.1 卡爾曼濾波45-48
• 4.2 數(shù)據(jù)關(guān)聯(lián)方法48-52
• 4.2.1 相關(guān)波門48
• 4.2.2 航跡起始與終結(jié)48-49
• 4.2.3 JPDA聯(lián)合概率數(shù)據(jù)互聯(lián)算法49-52
• 4.3 綜合表觀特征匹配52-61
• 4.3.1 HSV顏色直方圖匹配52-54
• 4.3.2 SURF特征匹配54-60
• 4.3.3 綜合表觀特征匹配60-61
• 4.4 特征匹配與數(shù)據(jù)關(guān)聯(lián)融合61
• 4.5 融合跟蹤算法流程61-62
• 4.6 融合跟蹤評估實驗62-63
• 4.7 本章小結(jié)63-65
• 第五章 基于運動與表觀的O2O多目標檢測與跟蹤系統(tǒng)65-73
• 5.1 O2O多目標檢測算法65-67
• 5.2 O2O多目標檢測跟蹤系統(tǒng)67-68
• 5.3 O2O檢測跟蹤系統(tǒng)評估實驗68-70
• 5.4 系統(tǒng)項目應用70-72
• 5.4.1 城市交通卡口車輛跟蹤系統(tǒng)70-71
• 5.4.2 博物館區(qū)域入侵目標跟蹤和行為識別系統(tǒng)71-72
• 5.5 本章小結(jié)72-73
• 第六章 總結(jié)與展望73-75
• 6.1 總結(jié)73-74
• 6.2 展望74-75
• 參考文獻75-77
• 附錄 攻讀碩士學位期間申請的專利77-78
• 致謝78

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 陳忠碧,張啟衡;一種適合于多目標檢測的圖像分割方法[J];光電工程;2004年05期

2 曲長文;黃勇;蘇峰;;基于動態(tài)規(guī)劃的多目標檢測前跟蹤算法[J];電子學報;2006年12期

3 尹玉紅;張群飛;黃建國;王蕾;;對角加載技術(shù)在多目標檢測中的應用[J];計算機仿真;2007年07期

4 樊玲;張曉玲;;基于聯(lián)合多目標概率密度模型的多目標檢測前跟蹤算法[J];計算機應用;2012年07期

5 周志宇,汪亞明;基于運動區(qū)域的多目標檢測[J];計算機自動測量與控制;2002年07期

6 劉龍;柳恭;尤亞;;基于顯著對象的貝葉斯多目標檢測方法[J];軟件導刊;2013年07期

7 郎建華;姚金杰;韓焱;;多目標檢測系統(tǒng)的設(shè)計與仿真[J];山西電子技術(shù);2010年03期

8 逄勃;范廣偉;;分數(shù)階傅里葉變換在雷達多目標檢測和參數(shù)估計中的應用[J];雷達與對抗;2010年01期

9 丁艷;楊東勇;陳晉音;;基于全方位視覺的多目標檢測跟蹤[J];計算機系統(tǒng)應用;2008年02期

10 蘇軍海;李亞超;邢孟道;;窄帶雷達高速多目標檢測研究[J];西安電子科技大學學報;2009年06期

中國重要會議論文全文數(shù)據(jù)庫 前3條

1 匡宇;游志勝;;精子運動圖象的多目標檢測與分割[A];中國圖象圖形科學技術(shù)新進展——第九屆全國圖象圖形科技大會論文集[C];1998年

2 牟新剛;張桂林;丁全心;張國華;周曉;;基于DSP+FPGA的紅外多目標檢測系統(tǒng)設(shè)計[A];2007年光電探測與制導技術(shù)的發(fā)展與應用研討會論文集[C];2007年

3 王智靈;路婷婷;張碩奇;陳宗海;羅楊宇;李成榮;;基于全局光流的多目標檢測與跟蹤[A];'2008系統(tǒng)仿真技術(shù)及其應用學術(shù)會議論文集[C];2008年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 劉偉偉;針對多目標檢測的雷達傳感器網(wǎng)信號波形研究[D];電子科技大學;2014年

2 車少帥;基于O2O學習的多目標檢測與跟蹤技術(shù)研究[D];南京郵電大學;2015年

3 鄭兮;多目標檢測前跟蹤算法研究[D];電子科技大學;2012年

4 郭會文;監(jiān)控視頻中的快速多目標檢測與跟蹤研究[D];湖南大學;2013年

5 丁艷;基于全方位視覺的多目標檢測跟蹤[D];浙江工業(yè)大學;2007年

6 郭曉慧;復雜場景下視頻監(jiān)控系統(tǒng)中多目標檢測的研究與實現(xiàn)[D];北京郵電大學;2013年

7 黃超;基于視頻的人體多目標檢測與跟蹤算法研究[D];西華大學;2014年

8 王允;基于TMS320DM642的多目標檢測系統(tǒng)的硬件設(shè)計[D];重慶大學;2009年

9 蔡俊林;醫(yī)學圖像中多目標檢測與跟蹤技術(shù)研究[D];華南理工大學;2012年

10 曾俊;紅外多目標檢測與跟蹤算法研究[D];華中科技大學;2007年

  本文關(guān)鍵詞：基于O2O學習的多目標檢測與跟蹤技術(shù)研究，，由筆耕文化傳播整理發(fā)布。

本文編號：341515