本文關(guān)鍵詞：監(jiān)控場(chǎng)景下的目標(biāo)檢測(cè)與分析，，由筆耕文化傳播整理發(fā)布。

【摘要】：在視頻監(jiān)控領(lǐng)域,場(chǎng)景中的行人的檢測(cè)和行為分析是當(dāng)前研究的熱點(diǎn),而檢測(cè)視頻監(jiān)控區(qū)域中的運(yùn)動(dòng)目標(biāo)和統(tǒng)計(jì)其中的行人數(shù)量則是行為分析的前提之一。特別是在智能交通和公共安全領(lǐng)域,由于人工觀測(cè)的工作量巨大,而且容易因人為因素而造成檢測(cè)結(jié)果的不準(zhǔn)確,所以利用計(jì)算機(jī)視覺和模式識(shí)別的技術(shù)進(jìn)行監(jiān)控場(chǎng)景中的目標(biāo)檢測(cè)與分析有著非常重要的意義。然而,現(xiàn)有的行人統(tǒng)計(jì)方法大多是基于跟蹤或是回歸算法,跟蹤算法無法解決擁擠人群的檢測(cè)與統(tǒng)計(jì);回歸方法在處理密集人群時(shí)表現(xiàn)優(yōu)異,但在系統(tǒng)實(shí)時(shí)性上有其局限性。本文不僅介紹了基于背景建模的運(yùn)動(dòng)目標(biāo)檢測(cè)方法,如高斯混合模型法,減首幀法等,同時(shí)還提出了一種單幀的目標(biāo)檢測(cè)方法。相比于傳統(tǒng)的單幀檢測(cè),本文提出的方法更適合于在監(jiān)控場(chǎng)景中使用。我們提出的目標(biāo)檢測(cè)方法在特定的感興趣區(qū)域中進(jìn)行檢測(cè),同時(shí)由于特定區(qū)域中目標(biāo)的大小變化不會(huì)很大,所以檢測(cè)用的模板也不需要進(jìn)行大范圍的改變,這對(duì)于提高監(jiān)控系統(tǒng)實(shí)時(shí)性具有很重要的意義。本文針對(duì)基于跟蹤的行人計(jì)數(shù)問題,提出了一種基于步態(tài)的目標(biāo)分析算法,能夠較為準(zhǔn)確地區(qū)分行人與非行人的目標(biāo),比如行人所攜帶的行李箱或其他包裹。該算法采用背景建模的方法分離出運(yùn)動(dòng)的前景目標(biāo),對(duì)于每一個(gè)前景目標(biāo)塊,分析其步態(tài)特征,根據(jù)行人與非行人不同的步態(tài)特征,對(duì)得到的前景是否為行人進(jìn)行判別,從而提高基于跟蹤的人數(shù)統(tǒng)計(jì)算法的精度。針對(duì)行人統(tǒng)計(jì)的實(shí)時(shí)性問題,本文結(jié)合基于跟蹤的統(tǒng)計(jì)方法與基于回歸的統(tǒng)計(jì)方法,提出了一種基于時(shí)間與空間信息分析的行人統(tǒng)計(jì)的方法,以達(dá)到處理密集場(chǎng)景和實(shí)時(shí)性的要求。該算法首先需要獲取包含時(shí)間與空間信息的時(shí)空切片圖像,并從時(shí)空切片圖像的每個(gè)前景中提取一個(gè)十維的特征向量。根據(jù)這一特征向量,時(shí)空切片圖像中的前景部分由支持向量機(jī)進(jìn)行分類,然后再進(jìn)行聚類。通過周期性地記錄運(yùn)動(dòng)目標(biāo)的時(shí)間空間信息,在一個(gè)周期的時(shí)間內(nèi)分析時(shí)空信息中所含有的行人信息,可以得到該周期內(nèi)行人的數(shù)量,以及每個(gè)行人行走的方向。通過周期性地分析行人的行為,可以實(shí)現(xiàn)監(jiān)控系統(tǒng)的實(shí)時(shí)性。實(shí)驗(yàn)結(jié)果表明,基于步態(tài)的目標(biāo)分析算法能夠很好地區(qū)分行人和非行人目標(biāo),實(shí)時(shí)地統(tǒng)計(jì)非擁擠場(chǎng)景下的行人數(shù)量;基于時(shí)間空間信息分析統(tǒng)計(jì)方法,能夠準(zhǔn)確地統(tǒng)計(jì)出擁擠場(chǎng)景下行人的數(shù)量以及相應(yīng)的每個(gè)行人的運(yùn)動(dòng)方向,同時(shí)達(dá)到監(jiān)控系統(tǒng)實(shí)時(shí)性的要求。
【關(guān)鍵詞】：目標(biāo)檢測(cè) 行人計(jì)數(shù) 步態(tài)特征 時(shí)間空間信息分析 聚類
【學(xué)位授予單位】：上海交通大學(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】：

• 摘要5-7
• ABSTRACT7-12
• 第一章 緒論12-19
• 1.1 研究背景及意義12-14
• 1.2 國內(nèi)外研究現(xiàn)狀14-17
• 1.2.1 基于跟蹤的運(yùn)動(dòng)目標(biāo)分析14-15
• 1.2.2 基于回歸的運(yùn)動(dòng)目標(biāo)分析15-16
• 1.2.3 其他運(yùn)動(dòng)目標(biāo)分析方法16-17
• 1.3 本文的研究?jī)?nèi)容和創(chuàng)新17-18
• 1.4 本文的組織結(jié)構(gòu)18-19
• 第二章 運(yùn)動(dòng)目標(biāo)的檢測(cè)19-32
• 2.1 運(yùn)動(dòng)目標(biāo)檢測(cè)的主要方法19-23
• 2.1.1 背景建模法19-22
• 2.1.2 減首幀法22-23
• 2.2 背景模型的建立23-26
• 2.2.1 高斯混合模型24-25
• 2.2.2 消除目標(biāo)陰影25-26
• 2.3 前景的預(yù)處理和特征提取26-28
• 2.3.1 形態(tài)學(xué)處理26-27
• 2.3.2 特征提取27-28
• 2.4 實(shí)驗(yàn)結(jié)果28-31
• 2.5 本章小結(jié)31-32
• 第三章 基于單幀圖像的目標(biāo)檢測(cè)32-45
• 3.1 基于單幀的目標(biāo)檢測(cè)的優(yōu)勢(shì)32
• 3.2 主要檢測(cè)方法32-35
• 3.3 基于特定窗.的檢測(cè)方法35-39
• 3.3.1 監(jiān)控區(qū)域的選擇35-37
• 3.3.2 滑動(dòng)窗.的設(shè)定37
• 3.3.3 特征提取37-39
• 3.4 實(shí)驗(yàn)結(jié)果39-43
• 3.5 本章小結(jié)43-45
• 第四章 基于跟蹤的運(yùn)動(dòng)目標(biāo)分析45-57
• 4.1 跟蹤方法45-47
• 4.2 基于步態(tài)特征的目標(biāo)分析47-51
• 4.2.1 步態(tài)特征的提取47-48
• 4.2.2 基于步態(tài)特征的目標(biāo)分析48-51
• 4.3 絆線檢測(cè)51-52
• 4.4 實(shí)驗(yàn)結(jié)果52-56
• 4.5 本章小結(jié)56-57
• 第五章 基于時(shí)間與空間信息分析的運(yùn)動(dòng)目標(biāo)分析57-77
• 5.1 時(shí)空切片圖像57-61
• 5.1.1 時(shí)空切片圖像的獲取58-59
• 5.1.2 運(yùn)動(dòng)目標(biāo)在時(shí)空切片圖像中的表示59-61
• 5.2 基于支持向量機(jī)的預(yù)分類61-64
• 5.2.1 支持向量機(jī)簡(jiǎn)述62-63
• 5.2.2 訓(xùn)練和參數(shù)設(shè)定63-64
• 5.3 基于聚類的再分類64-67
• 5.3.1 AP聚類簡(jiǎn)述64-65
• 5.3.2 參數(shù)設(shè)定65-66
• 5.3.3 與其他聚類方法的比較66-67
• 5.4 運(yùn)動(dòng)方向分析67-69
• 5.5 實(shí)驗(yàn)結(jié)果與分析69-75
• 5.5.1 測(cè)試數(shù)據(jù)集69-70
• 5.5.2 行人分析結(jié)果70-74
• 5.5.3 實(shí)時(shí)性分析74-75
• 5.5.4 算法的不足75
• 5.6 本章小結(jié)75-77
• 第六章 結(jié)論與展望77-80
• 6.1 全文總結(jié)77-78
• 6.2 研究展望78-80
• 參考文 獻(xiàn)80-85
• 致謝85-86
• 攻讀碩士學(xué)位期間已發(fā)表或錄用的論文86

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 李民,蔡江勝,項(xiàng)世法,張奎啟,張福胤,韓輝,王福;顯微腭部組織序列切片圖像的定位[J];大連理工大學(xué)學(xué)報(bào);1997年06期

2 李民,蔡江勝,項(xiàng)世法,張奎啟,張福胤,韓輝,王福;顯微腭部組織序列切片圖像的定位[J];大連理工大學(xué)學(xué)報(bào);1997年S2期

3 姜志國,孟如松,趙宇,周付根,董海軍;組織切片圖像的可視化技術(shù)及應(yīng)用[J];中國體視學(xué)與圖像分析;2002年03期

4 羅洪艷;李敏;譚立文;鄭小林;張紹祥;侯文生;;一種數(shù)字人腦部切片圖像分割新方法[J];中國醫(yī)學(xué)影像技術(shù);2009年08期

5 鐘映春;戚劍;劉小林;張淼;;從圖像中提取離散點(diǎn)狀神經(jīng)功能束邊緣的研究[J];系統(tǒng)仿真學(xué)報(bào);2011年07期

6 鐘映春;羅鵬;;從神經(jīng)切片圖像中識(shí)別功能束類型的研究[J];中國圖象圖形學(xué)報(bào);2012年01期

7 李芳;鐘映春;張毅;戚劍;劉小林;;神經(jīng)切片圖像中識(shí)別定位線斷面的研究[J];計(jì)算機(jī)工程與應(yīng)用;2010年22期

8 王鈺;徐敏;谷方;;基于切片圖像的頜面骨骼三維建模方法[J];青島大學(xué)學(xué)報(bào)(工程技術(shù)版);2007年01期

9 王奇文;鄭麗敏;梅樹立;;基于形態(tài)學(xué)的小鼠舌頭切片圖像分割與實(shí)現(xiàn)[J];計(jì)算機(jī)工程;2011年19期

10 王琴,王衛(wèi)星,張少

本文編號(hào)：495255