本文關(guān)鍵詞：監(jiān)控視頻中多目標檢測與跟蹤研究

  更多相關(guān)文章： 目標檢測 鬼影 多目標跟蹤 軌跡優(yōu)化 VIBE算法 OTSU準則

【摘要】：隨著智能監(jiān)控體系方向科研的深入與普及,對運動目標的檢測和跟蹤在計算機視覺方向擁有著越來越高的位置。因為光照變化、場景的復雜、目標運動方式多樣性、目標外觀的多樣性和目標之間的相互遮擋,使得運動目標檢測與跟蹤這一研究方向仍面臨著許多難以解決的問題,需要進一步的深入研究。本文主要研究方向就是靜態(tài)場景下多運動目標檢測和跟蹤。主要工作如下：在多運動目標的檢測方向上,由于VIBE存在鬼影和長期暫停目標難以抑制的缺陷,本文提出了抑制鬼影和靜止目標的VIBE后續(xù)處理辦法。步驟如下：首先,通過OTSU準側(cè)來使VIBE算法中的判斷閾值達到自適應,從而在前景的判斷以及目標的分割上得到優(yōu)化,其次使用基于HOG的支持向量機(SVM)分類器處理檢測后得到的目標,使粘連為一體的目標能夠被區(qū)分；最后,通過比較VIBE檢測出的前景與背景的輪廓相似度,來判斷該前景是鬼影或靜止目標,采用不同的更新策略對二者進行抑制,從而達到消除鬼影與靜止目標的目的。通過本文所做的一些實驗,以上提出的方法能夠準確地檢測并分割出運動目標。在目標跟蹤領域,由于基于軌跡優(yōu)化的多目標跟蹤算法存在長期遮擋無法繼續(xù)跟蹤和實時性不佳的缺陷,本文提出了優(yōu)化跟蹤和提高實時性的一些改進。本文通過加大基于軌跡優(yōu)化多目標跟蹤能量函數(shù)的持續(xù)性選項的系數(shù)來增加軌跡融合的能力,為了防止出現(xiàn)錯誤的軌跡融合,又在能量函數(shù)中加入了間隔幀比較這一選項,從而增強了跟蹤長時間被遮擋目標的能力；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行連接,從而不必等到檢測完整個視頻的所有目標才輸出實驗結(jié)果,增強了視覺上的實時性。通過本文所做的一些實驗,以上的方法比較可行、有效。
【關(guān)鍵詞】：目標檢測 鬼影 多目標跟蹤 軌跡優(yōu)化 VIBE算法 OTSU準則
【學位授予單位】：合肥工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：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 國內(nèi)外研究現(xiàn)狀分析15-16
• 1.3 多運動目標檢測和跟蹤的難點16-17
• 1.4 本文主要研究內(nèi)容17
• 1.5 本文章節(jié)安排17-19
• 第二章 運動目標檢測與跟蹤技術(shù)介紹19-32
• 2.1 運動目標檢測算法介紹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 基于機器學習的目標檢測算法26-27
• 2.2 運動目標跟蹤算法簡介27-31
• 2.2.1 基于特征的跟蹤方法28-29
• 2.2.2 基于主動輪廓的跟蹤方法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)場景下多運動目標檢測32-46
• 3.1 檢測算法的選擇32
• 3.2 VIBE對鬼影及靜止目標的抑制32-40
• 3.2.1 VIBE算法的基本原理32-36
• 3.2.2 VIBE對鬼影和靜止目標的抑制36-38
• 3.2.3 算法具體實現(xiàn)步驟38-40
• 3.3 Otsu準則簡介40-43
• 3.3.1 引入OTSU準則的VIBE改進與實驗結(jié)果42-43
• 3.4 粘連目標的分割43-45
• 3.5 本章小結(jié)45-46
• 第四章 基于軌跡優(yōu)化的多目標跟蹤的研究與改進46-61
• 4.1 多目標跟蹤以及相關(guān)的問題46
• 4.2 建立各個目標的最初軌跡46-48
• 4.2.1 檢測點之間的相似性計算47-48
• 4.3 能量代價函數(shù)的設計規(guī)則48-52
• 4.3.1 動力學部分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 實驗結(jié)果與分析54-55
• 4.7 基于軌跡優(yōu)化的多目標跟蹤存在的問題及改進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 未來工作及展望62-64
• 參考文獻64-67
• 攻讀學位期間的學術(shù)活動及成果清單67-68

【相似文獻】

中國期刊全文數(shù)據(jù)庫 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];清華大學學報(自然科學版);2011年09期

2 王先榮;茍先太;羅剛;;多階編碼本背景模型[J];計算機工程與應用;2012年02期

3 林洪文,涂丹,李國輝;基于統(tǒng)計背景模型的運動目標檢測方法[J];計算機工程;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方法[J];計算機系統(tǒng)應用;2012年08期

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

8 安世虎;周宏;趙全紅;;知識共享的過程和背景模型研究[J];圖書情報工作;2006年10期

9 徐琨;賀昱曜;王夏黎;;基于背景模型的運動車輛檢測算法研究[J];微計算機信息;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算法[J];中國圖象圖形學報;2008年07期

中國重要會議論文全文數(shù)據(jù)庫 前5條

1 張冠男;劉正捷;張軍;;目標導向設計中的使用背景模型[A];第三屆和諧人機環(huán)境聯(lián)合學術(shù)會議（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];第十一屆全國人機語音通訊學術(shù)會議論文集（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];第十一屆全國人機語音通訊學術(shù)會議論文集（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)計背景模型的運動目標檢測方法[A];2006北京地區(qū)高校研究生學術(shù)交流會——通信與信息技術(shù)會議論文集（下）[C];2006年

5 王建林;孫孟奎;楊磊;孫永奇;張士國;王志海;;一種基于減背景模型的運動目標檢測算法[A];2008第四屆中國智能交通年會論文集[C];2008年

中國博士學位論文全文數(shù)據(jù)庫 前2條

1 馬瓊雄;基于視覺的服務機器人人機交互技術(shù)研究[D];華南理工大學;2014年

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

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 賀飛越;運動目標檢測的背景模型建立和晃動目標抑制[D];昆明理工大學;2015年

2 陳銀;單高斯背景模型運動目標檢測算法的研究改進[D];南京理工大學;2015年

3 李洪杰;視頻背景建模算法研究[D];貴州大學;2015年

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

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

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

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

8 王先榮;多階編碼本背景模型與應用[D];西南交通大學;2013年

9 張廣東;復雜環(huán)境下的運動目標檢測技術(shù)研究與實現(xiàn)[D];南京理工大學;2008年

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

，

本文編號：829752