本文關(guān)鍵詞：監(jiān)控視頻中多目標(biāo)檢測(cè)與跟蹤研究

  更多相關(guān)文章： 目標(biāo)檢測(cè) 鬼影 多目標(biāo)跟蹤 軌跡優(yōu)化 VIBE算法 OTSU準(zhǔn)則

【摘要】：隨著智能監(jiān)控體系方向科研的深入與普及,對(duì)運(yùn)動(dòng)目標(biāo)的檢測(cè)和跟蹤在計(jì)算機(jī)視覺(jué)方向擁有著越來(lái)越高的位置。因?yàn)楣庹兆兓?chǎng)景的復(fù)雜、目標(biāo)運(yùn)動(dòng)方式多樣性、目標(biāo)外觀的多樣性和目標(biāo)之間的相互遮擋,使得運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤這一研究方向仍面臨著許多難以解決的問(wèn)題,需要進(jìn)一步的深入研究。本文主要研究方向就是靜態(tài)場(chǎng)景下多運(yùn)動(dòng)目標(biāo)檢測(cè)和跟蹤。主要工作如下：在多運(yùn)動(dòng)目標(biāo)的檢測(cè)方向上,由于VIBE存在鬼影和長(zhǎng)期暫停目標(biāo)難以抑制的缺陷,本文提出了抑制鬼影和靜止目標(biāo)的VIBE后續(xù)處理辦法。步驟如下：首先,通過(guò)OTSU準(zhǔn)側(cè)來(lái)使VIBE算法中的判斷閾值達(dá)到自適應(yīng),從而在前景的判斷以及目標(biāo)的分割上得到優(yōu)化,其次使用基于HOG的支持向量機(jī)(SVM)分類器處理檢測(cè)后得到的目標(biāo),使粘連為一體的目標(biāo)能夠被區(qū)分；最后,通過(guò)比較VIBE檢測(cè)出的前景與背景的輪廓相似度,來(lái)判斷該前景是鬼影或靜止目標(biāo),采用不同的更新策略對(duì)二者進(jìn)行抑制,從而達(dá)到消除鬼影與靜止目標(biāo)的目的。通過(guò)本文所做的一些實(shí)驗(yàn),以上提出的方法能夠準(zhǔn)確地檢測(cè)并分割出運(yùn)動(dòng)目標(biāo)。在目標(biāo)跟蹤領(lǐng)域,由于基于軌跡優(yōu)化的多目標(biāo)跟蹤算法存在長(zhǎng)期遮擋無(wú)法繼續(xù)跟蹤和實(shí)時(shí)性不佳的缺陷,本文提出了優(yōu)化跟蹤和提高實(shí)時(shí)性的一些改進(jìn)。本文通過(guò)加大基于軌跡優(yōu)化多目標(biāo)跟蹤能量函數(shù)的持續(xù)性選項(xiàng)的系數(shù)來(lái)增加軌跡融合的能力,為了防止出現(xiàn)錯(cuò)誤的軌跡融合,又在能量函數(shù)中加入了間隔幀比較這一選項(xiàng),從而增強(qiáng)了跟蹤長(zhǎng)時(shí)間被遮擋目標(biāo)的能力；其次,本文將視頻序列分段采用軌跡優(yōu)化的方式跟蹤,在段與段的接口處進(jìn)行連接,從而不必等到檢測(cè)完整個(gè)視頻的所有目標(biāo)才輸出實(shí)驗(yàn)結(jié)果,增強(qiáng)了視覺(jué)上的實(shí)時(shí)性。通過(guò)本文所做的一些實(shí)驗(yàn),以上的方法比較可行、有效。
【關(guān)鍵詞】：目標(biāo)檢測(cè) 鬼影 多目標(biāo)跟蹤 軌跡優(yōu)化 VIBE算法 OTSU準(zhǔn)則
【學(xué)位授予單位】：合肥工業(yè)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】：

• 致謝7-8
• 摘要8-9
• ABSTRACT9-14
• 第一章 緒論14-19
• 1.1 課題研究背景與意義14-15
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀分析15-16
• 1.3 多運(yùn)動(dòng)目標(biāo)檢測(cè)和跟蹤的難點(diǎn)16-17
• 1.4 本文主要研究?jī)?nèi)容17
• 1.5 本文章節(jié)安排17-19
• 第二章 運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤技術(shù)介紹19-32
• 2.1 運(yùn)動(dòng)目標(biāo)檢測(cè)算法介紹19-27
• 2.1.1 光流法19-20
• 2.1.2 幀間差分法20-21
• 2.1.3 背景減法21-26
• 2.1.4 基于機(jī)器學(xué)習(xí)的目標(biāo)檢測(cè)算法26-27
• 2.2 運(yùn)動(dòng)目標(biāo)跟蹤算法簡(jiǎn)介27-31
• 2.2.1 基于特征的跟蹤方法28-29
• 2.2.2 基于主動(dòng)輪廓的跟蹤方法29
• 2.2.3 基于區(qū)域的跟蹤方法29-30
• 2.2.4 基于模型的跟蹤方法30-31
• 2.3 本章小結(jié)31-32
• 第三章 靜態(tài)場(chǎng)景下多運(yùn)動(dòng)目標(biāo)檢測(cè)32-46
• 3.1 檢測(cè)算法的選擇32
• 3.2 VIBE對(duì)鬼影及靜止目標(biāo)的抑制32-40
• 3.2.1 VIBE算法的基本原理32-36
• 3.2.2 VIBE對(duì)鬼影和靜止目標(biāo)的抑制36-38
• 3.2.3 算法具體實(shí)現(xiàn)步驟38-40
• 3.3 Otsu準(zhǔn)則簡(jiǎn)介40-43
• 3.3.1 引入OTSU準(zhǔn)則的VIBE改進(jìn)與實(shí)驗(yàn)結(jié)果42-43
• 3.4 粘連目標(biāo)的分割43-45
• 3.5 本章小結(jié)45-46
• 第四章 基于軌跡優(yōu)化的多目標(biāo)跟蹤的研究與改進(jìn)46-61
• 4.1 多目標(biāo)跟蹤以及相關(guān)的問(wèn)題46
• 4.2 建立各個(gè)目標(biāo)的最初軌跡46-48
• 4.2.1 檢測(cè)點(diǎn)之間的相似性計(jì)算47-48
• 4.3 能量代價(jià)函數(shù)的設(shè)計(jì)規(guī)則48-52
• 4.3.1 動(dòng)力學(xué)部分49
• 4.3.2 軌跡持續(xù)部分49-50
• 4.3.3 融合間隔部分50-51
• 4.3.4 顏色匹配度部分51-52
• 4.3.5 調(diào)整部分52
• 4.4 軌跡的迭代優(yōu)化52-53
• 4.5 算法流程53-54
• 4.6 實(shí)驗(yàn)結(jié)果與分析54-55
• 4.7 基于軌跡優(yōu)化的多目標(biāo)跟蹤存在的問(wèn)題及改進(jìn)55-60
• 4.8 本章小結(jié)60-61
• 第五章 總結(jié)與展望61-64
• 5.1 論文工作總結(jié)61-62
• 5.2 未來(lái)工作及展望62-64
• 參考文獻(xiàn)64-67
• 攻讀學(xué)位期間的學(xué)術(shù)活動(dòng)及成果清單67-68

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 吳悅;燕鵬舉;翟魯峰;;基于二元背景模型的新詞發(fā)現(xiàn)[J];清華大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年09期

2 王先榮;茍先太;羅剛;;多階編碼本背景模型[J];計(jì)算機(jī)工程與應(yīng)用;2012年02期

3 林洪文,涂丹,李國(guó)輝;基于統(tǒng)計(jì)背景模型的運(yùn)動(dòng)目標(biāo)檢測(cè)方法[J];計(jì)算機(jī)工程;2003年16期

4 李華,宋曉虹,張寧;背景模型的建立及保持方法比較[J];電腦與信息技術(shù);2004年01期

5 楊廣林;孔令富;;基于圖像分塊的背景模型構(gòu)建方法[J];機(jī)器人;2007年01期

6 范俊君;戰(zhàn)蔭偉;;一種基于雙背景模型的遺留物檢測(cè)方法[J];計(jì)算機(jī)系統(tǒng)應(yīng)用;2012年08期

7 劉潔;張東來(lái);;關(guān)于自適應(yīng)高斯混合背景模型的更新算法的研究[J];微計(jì)算機(jī)信息;2006年22期

8 安世虎;周宏;趙全紅;;知識(shí)共享的過(guò)程和背景模型研究[J];圖書情報(bào)工作;2006年10期

9 徐琨;賀昱曜;王夏黎;;基于背景模型的運(yùn)動(dòng)車輛檢測(cè)算法研究[J];微計(jì)算機(jī)信息;2007年10期

10 楊濤;李靜;潘泉;程詠梅;;一種基于多層背景模型的前景檢測(cè)算法[J];中國(guó)圖象圖形學(xué)報(bào);2008年07期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前5條

1 張冠男;劉正捷;張軍;;目標(biāo)導(dǎo)向設(shè)計(jì)中的使用背景模型[A];第三屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議（HHME2007）論文集[C];2007年

2 吳悅;燕鵬舉;翟魯峰;;基于二元背景模型的新詞發(fā)現(xiàn)[A];第十一屆全國(guó)人機(jī)語(yǔ)音通訊學(xué)術(shù)會(huì)議論文集（二）[C];2011年

3 吳悅;燕鵬舉;翟魯峰;;一種基于二元背景模型的新詞發(fā)現(xiàn)方法[A];第十一屆全國(guó)人機(jī)語(yǔ)音通訊學(xué)術(shù)會(huì)議論文集（一）[C];2011年

4 王貴珠;李俊韜;范耀祖;;一種基于陰影抑制和統(tǒng)計(jì)背景模型的運(yùn)動(dòng)目標(biāo)檢測(cè)方法[A];2006北京地區(qū)高校研究生學(xué)術(shù)交流會(huì)——通信與信息技術(shù)會(huì)議論文集（下）[C];2006年

5 王建林;孫孟奎;楊磊;孫永奇;張士國(guó);王志海;;一種基于減背景模型的運(yùn)動(dòng)目標(biāo)檢測(cè)算法[A];2008第四屆中國(guó)智能交通年會(huì)論文集[C];2008年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前2條

1 馬瓊雄;基于視覺(jué)的服務(wù)機(jī)器人人機(jī)交互技術(shù)研究[D];華南理工大學(xué);2014年

2 張睿;基于灰階遷移統(tǒng)計(jì)法的背景模型自適應(yīng)更新方法研究[D];重慶大學(xué);2014年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 賀飛越;運(yùn)動(dòng)目標(biāo)檢測(cè)的背景模型建立和晃動(dòng)目標(biāo)抑制[D];昆明理工大學(xué);2015年

2 陳銀;單高斯背景模型運(yùn)動(dòng)目標(biāo)檢測(cè)算法的研究改進(jìn)[D];南京理工大學(xué);2015年

3 李洪杰;視頻背景建模算法研究[D];貴州大學(xué);2015年

4 胡學(xué)偉;基于軌跡關(guān)聯(lián)的多目標(biāo)跟蹤[D];南京郵電大學(xué);2015年

5 石萍;網(wǎng)絡(luò)化水質(zhì)多參數(shù)監(jiān)測(cè)系統(tǒng)數(shù)據(jù)終端的關(guān)鍵技術(shù)的研究[D];南京郵電大學(xué);2015年

6 姚姜虹;油田道路拋灑物自動(dòng)檢測(cè)技術(shù)研究[D];東北石油大學(xué);2015年

7 吳爾杰;監(jiān)控視頻中多目標(biāo)檢測(cè)與跟蹤研究[D];合肥工業(yè)大學(xué);2015年

8 王先榮;多階編碼本背景模型與應(yīng)用[D];西南交通大學(xué);2013年

9 張廣東;復(fù)雜環(huán)境下的運(yùn)動(dòng)目標(biāo)檢測(cè)技術(shù)研究與實(shí)現(xiàn)[D];南京理工大學(xué);2008年

10 張麗;復(fù)雜環(huán)境下的取走物檢測(cè)[D];河北工業(yè)大學(xué);2011年

，

本文編號(hào)：829752