本文關鍵詞： 信息處理技術 目標檢測 粒子濾波 多狀態(tài)空間 關鍵區(qū)域采樣　出處：《吉林大學學報(工學版)》2017年06期 　論文類型：期刊論文

【摘要】：針對煤礦井下智能視頻監(jiān)控采集到的視頻圖像質量較差、干擾多、噪點多、目標檢測不準確等問題,提出了一種基于改進粒子濾波的模糊目標檢測方法。在標準粒子濾波理論框架下,以視頻多圖像幀差為基礎構建非線性、非高斯多系統(tǒng)狀態(tài)空間融合模型;在圖像幀差得到的關鍵點區(qū)域范圍內進行粒子抽樣及概率密度的傳播;利用加權后驗樣本粒子表示多系統(tǒng)狀態(tài)空間融合模型的后驗概率密度;采用樣本均值方法融合估計系統(tǒng)后驗狀態(tài);最后對系統(tǒng)狀態(tài)空間模型進行輸出,得到目標檢測結果。使用三交河煤礦井下視頻監(jiān)控數(shù)據(jù)進行試驗驗證,分別懫用改進的粒子濾波、標準粒子濾波、無損卡爾曼濾波以及擴展卡爾曼濾波等方法進行對比。試驗結果表明:針對煤礦井下視頻模糊目標檢測問題,改進的多狀態(tài)空間模型及關鍵區(qū)域采樣粒子濾波算法具有良好的目標檢測效果。
[Abstract]:In the coal mine intelligent video surveillance capture video images of poor quality, interference, noise, target detection is not accurate, this paper proposes a fuzzy target detection method based on improved particle filter. In the framework of the standard particle filter, the multi video like frame difference to construct nonlinear based multi system state space the fusion model of non Gauss; in the image frame difference area key points that are spread within the particle sampling and probability density; using weighted posterior probability density test sample particle representation model of state space fusion multi system; using the method of sample mean posterior state fusion estimation system; finally, the output of the system state space model and get the target detection results. Experiment is carried out to verify the use of video surveillance data of three underground coal mine, Zhi respectively with improved particle filter, standard particle filter, no Compared with Calman filtering and extended Calman filtering, experimental results show that the improved multi state space model and key area sampling particle filter algorithm have good target detection effect for underground mine video fuzzy target detection problem.

【作者單位】： 中國礦業(yè)大學(北京)機電與信息工程學院;安徽理工大學經(jīng)濟與管理學院;
【基金】：國家自然科學基金項目(51404007,61601466) 安徽省重大教學改革研究項目(2015zdjy074)
【分類號】：TN948.6;TP391.41

【相似文獻】

相關期刊論文 前1條

1 劉志君;康曉濤;張麗麗;石要武;;基于狀態(tài)空間模型諧波恢復的Tls-Hankel法[J];吉林大學學報(工學版);2008年01期

，

本文編號：1550064