發(fā)布時(shí)間：2017-09-23 13:43

  本文關(guān)鍵詞：監(jiān)控視頻中特定目標(biāo)的檢測(cè)與辨識(shí)方法研究

  更多相關(guān)文章： 目標(biāo)檢測(cè)跟蹤識(shí)別 CS-Adaboost 主成分析法 支持向量機(jī)

【摘要】：隨著人們生活水平的逐步提高,人們對(duì)安防的重視程度越來(lái)越高。建設(shè)平安城市,智能監(jiān)控等一度掀起熱潮�；ヂ�(lián)網(wǎng)的大量推廣促進(jìn)了安防行業(yè)的進(jìn)一步發(fā)展,對(duì)于監(jiān)控視頻中目標(biāo)的檢測(cè)與辨識(shí)成為一個(gè)重要的研究方向。本文以監(jiān)控視頻中特定目標(biāo)的檢測(cè)與辨識(shí)方法研究為課題,重點(diǎn)研究監(jiān)控視頻中行人以及人臉的檢測(cè)、跟蹤和識(shí)別算法,最終建立一套監(jiān)控視頻中特定目標(biāo)的報(bào)警系統(tǒng),從而減輕安防工作人員的工作量,提高工作效率,為建設(shè)平安城市做出一份貢獻(xiàn)。本文以監(jiān)控視頻中行人以及人臉的檢測(cè)與辨識(shí)為核心內(nèi)容,主要完成了以下內(nèi)容:第一,基于Eclipse和OpenCV2.4.8搭建開(kāi)發(fā)環(huán)境,研究了監(jiān)控視頻中目標(biāo)的檢測(cè)方法,基于梯度方向直方圖特征和支持向量機(jī)實(shí)現(xiàn)了行人檢測(cè),訓(xùn)練了特定的分類器滿足應(yīng)用需求。結(jié)合Harr特征和CS-Adaboost算法,實(shí)現(xiàn)了監(jiān)控視頻中目標(biāo)人臉的多角度檢測(cè)。第二,實(shí)現(xiàn)了基于感知哈希算法的視頻行人目標(biāo)跟蹤算法。該算法首先計(jì)算目標(biāo)的哈希值,通過(guò)掃描窗口在每一幀圖像中尋找與目標(biāo)哈希值的漢明距離最接近的為目標(biāo)位置。結(jié)合時(shí)空上下文快速目標(biāo)跟蹤算法實(shí)現(xiàn)對(duì)目標(biāo)人臉的快速跟蹤,對(duì)于單一目標(biāo)跟蹤良好。第三,結(jié)合機(jī)器學(xué)習(xí)以及計(jì)算機(jī)視覺(jué)領(lǐng)域的優(yōu)勢(shì),重點(diǎn)研究了局部二值模式特征,并深入研究主成分析算法,如對(duì)局部二值模式特征進(jìn)行降維等,結(jié)合OpenCV等實(shí)現(xiàn)了監(jiān)控視頻中目標(biāo)人臉的識(shí)別。第四,結(jié)合以上的檢測(cè)、跟蹤以及識(shí)別模塊,設(shè)計(jì)并完成了監(jiān)控視頻中的特定目標(biāo)報(bào)警軟件。監(jiān)控人員在執(zhí)行監(jiān)控工作時(shí),可以對(duì)特定目標(biāo)進(jìn)行跟蹤,獲取目標(biāo)圖像,與數(shù)據(jù)庫(kù)已有圖像進(jìn)行匹配識(shí)別,從而完成對(duì)監(jiān)控視頻中的目標(biāo)的檢測(cè)與辨識(shí),最終通過(guò)該系統(tǒng)可以避免危險(xiǎn)的發(fā)生,實(shí)現(xiàn)報(bào)警功能。
【關(guān)鍵詞】：目標(biāo)檢測(cè)跟蹤識(shí)別 CS-Adaboost 主成分析法 支持向量機(jī)
【學(xué)位授予單位】：電子科技大學(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5-6
• ABSTRACT6-10
• 第一章 緒論10-16
• 1.1 本課題的研究背景和工程意義10-12
• 1.1.1 本課題的研究背景10-11
• 1.1.2 本課題的工程意義11-12
• 1.2 監(jiān)控視頻系統(tǒng)研究及發(fā)展現(xiàn)狀12-14
• 1.3 本文的主要貢獻(xiàn)14
• 1.4 本文的主要研究?jī)?nèi)容與論文安排14-16
• 第二章 監(jiān)控視頻中目標(biāo)的檢測(cè)與辨識(shí)方法分析16-24
• 2.1 監(jiān)控視頻目標(biāo)檢測(cè)方法16-19
• 2.1.1 差分法16-18
• 2.1.2 光流法18
• 2.1.3 基于模板匹配的目標(biāo)檢測(cè)方法18-19
• 2.1.4 基于統(tǒng)計(jì)學(xué)習(xí)的目標(biāo)檢測(cè)方法19
• 2.2 監(jiān)控視頻目標(biāo)辨識(shí)方法19-23
• 2.2.1 視頻目標(biāo)跟蹤方法19-21
• 2.2.2 視頻目標(biāo)識(shí)別方法21-23
• 2.3 本章小結(jié)23-24
• 第三章 監(jiān)控視頻中特定目標(biāo)的檢測(cè)方法的研究與實(shí)現(xiàn)24-45
• 3.1 監(jiān)控視頻中的目標(biāo)檢測(cè)框架24
• 3.2 視頻目標(biāo)圖像預(yù)處理24-28
• 3.2.1 灰度化24-26
• 3.2.2 直方圖均衡化26-27
• 3.2.3 中值濾波27-28
• 3.3 基于HOG特征提取和SVM的視頻行人檢測(cè)算法實(shí)現(xiàn)28-37
• 3.3.1 HOG特征28-30
• 3.3.2 基于SVM的視頻行人檢測(cè)算法實(shí)現(xiàn)30-37
• 3.4 基于Harr特征提取和CS-Adaboost視頻人臉檢測(cè)算法實(shí)現(xiàn)37-42
• 3.4.1 Harr特征37-39
• 3.4.2 基于CS-Adaboost人臉檢測(cè)算法實(shí)現(xiàn)39-42
• 3.5 實(shí)驗(yàn)及結(jié)果分析42-44
• 3.6 本章小結(jié)44-45
• 第四章 監(jiān)控視頻中特定目標(biāo)的辨識(shí)方法的研究與實(shí)現(xiàn)45-64
• 4.1 監(jiān)控視頻中的目標(biāo)跟蹤方法45-53
• 4.1.1 基于感知哈希算法的行人目標(biāo)跟蹤算法實(shí)現(xiàn)45-49
• 4.1.2 基于時(shí)空上下文的目標(biāo)人臉的快速跟蹤算法實(shí)現(xiàn)49-53
• 4.2 監(jiān)控視頻中的目標(biāo)識(shí)別方法53-58
• 4.2.1 LBP特征53-56
• 4.2.2 基于PCA的視頻人臉識(shí)別56-58
• 4.3 實(shí)驗(yàn)及結(jié)果分析58-63
• 4.4 本章小結(jié)63-64
• 第五章 監(jiān)控視頻中特定目標(biāo)的報(bào)警系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)64-75
• 5.1 智能視頻監(jiān)控系統(tǒng)簡(jiǎn)述64
• 5.2 報(bào)警系統(tǒng)軟件設(shè)計(jì)64-70
• 5.2.1 需求分析64-66
• 5.2.2 軟件功能模塊設(shè)計(jì)66-68
• 5.2.3 開(kāi)發(fā)環(huán)境配置68-70
• 5.3 報(bào)警系統(tǒng)應(yīng)用軟件實(shí)現(xiàn)70-74
• 5.3.1 軟件UI及功能簡(jiǎn)介70-72
• 5.3.2 報(bào)警系統(tǒng)功能測(cè)試72-74
• 5.4 本章小結(jié)74-75
• 第六章 全文總結(jié)和展望75-77
• 6.1 全文總結(jié)75
• 6.2 后續(xù)工作展望75-77
• 致謝77-78
• 參考文獻(xiàn)78-80
• 攻讀碩士學(xué)位期間取得的成果80-81

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前1條

1 謝正光;李宏魁;王軻;王天慶;;視頻交通參數(shù)檢測(cè)技術(shù)研究現(xiàn)狀及發(fā)展趨勢(shì)[J];物聯(lián)網(wǎng)技術(shù);2013年03期

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 劉運(yùn)余;無(wú)人值守邊防哨卡智能視頻監(jiān)控系統(tǒng)設(shè)計(jì)[D];南京理工大學(xué);2013年

，

本文編號(hào)：905618