本文選題：智能視頻監(jiān)控系統(tǒng)　切入點(diǎn)：運(yùn)動(dòng)目標(biāo)檢測(cè)　出處：《電子科技大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

【摘要】：智能監(jiān)控視頻作為新一代的安防手段,使用計(jì)算機(jī)代替人工的工作,對(duì)視頻序列進(jìn)行檢測(cè)、分析、跟蹤和識(shí)別。隨著“智慧城市”地推行,大量的數(shù)字視頻信息,僅靠人工是無(wú)法完成信息分析的工作,可見對(duì)智能監(jiān)控視頻技術(shù)的研究是十分必要的。計(jì)算機(jī)視覺技術(shù)涉及到很多領(lǐng)域相關(guān)知識(shí),如圖像處理、模式識(shí)別、人工智能等,目前各個(gè)領(lǐng)域的研究已有眾多成果,而監(jiān)控視頻所應(yīng)用的復(fù)雜環(huán)境,并不能簡(jiǎn)單照搬各領(lǐng)域成果,其需求與科研需求并不是完全一樣。目標(biāo)跟蹤與識(shí)別需要系統(tǒng)的有良好的實(shí)時(shí)性和穩(wěn)定性,能在各種復(fù)雜場(chǎng)景中都可以快速準(zhǔn)確的完成處理,所以魯棒的、實(shí)時(shí)的算法是目標(biāo)跟蹤和識(shí)別算法研究的重點(diǎn)問題。本文根據(jù)監(jiān)控視頻的需求進(jìn)行目標(biāo)跟蹤和識(shí)別技術(shù)的研究,主要的工作如下:分析對(duì)比各種運(yùn)動(dòng)目標(biāo)檢測(cè)的算法,提出了一種以背景差為輔助的三幀差法目標(biāo)檢測(cè)算法。該算法利用幀差法實(shí)時(shí)性好、適應(yīng)能力強(qiáng)等特點(diǎn),提出基于幀差法的分塊背景提取法,以改善混合高斯模型背景提取計(jì)算復(fù)雜、實(shí)時(shí)性差的問題。針對(duì)幀差法在處理顏色相近的物體時(shí)易出現(xiàn)空洞,使用背景差法輔助,設(shè)置閾值對(duì)幀差法檢測(cè)性能進(jìn)行判斷,當(dāng)幀差法性能差時(shí),使用背景差法。經(jīng)過(guò)實(shí)驗(yàn)證明該方法相比傳統(tǒng)算法在檢測(cè)率和實(shí)時(shí)性都有提高。針對(duì)監(jiān)控視頻的需求,提出了一種LBP(Local Binary Pattern)紋理和色度相結(jié)合特征直方圖,能很好的抑制監(jiān)控視頻中光照問題和遮擋問題。監(jiān)控視頻中物體大小會(huì)由遠(yuǎn)及近的變化,觀測(cè)角度會(huì)有部分變化,使用Camshift算法,來(lái)解決這些問題對(duì)國(guó)內(nèi)外識(shí)別技術(shù)進(jìn)行分析,將HOG(Histogram of Oriented Gradient)特征應(yīng)用到基于特征學(xué)習(xí)的目標(biāo)物體識(shí)別算法,采集數(shù)據(jù)對(duì)弱分類器進(jìn)行訓(xùn)練,級(jí)聯(lián)分類器,對(duì)測(cè)試數(shù)據(jù)進(jìn)行識(shí)別分類,分析實(shí)驗(yàn)結(jié)果。綜上所述,本文基于監(jiān)控視頻的需求,提出了新的目標(biāo)檢測(cè)算法,完成了效果較好的目標(biāo)跟蹤和識(shí)別算法,可以應(yīng)用于城市監(jiān)控,智能交通等各種監(jiān)控環(huán)境。
[Abstract]:Intelligent surveillance video as a new generation of security means, using computers instead of manual work to detect, analyze, track and identify video sequences. With the implementation of "smart city", a large number of digital video information, The research of intelligent surveillance video technology is very necessary. Computer vision technology involves many related knowledge, such as image processing, pattern recognition, artificial intelligence and so on. At present, there have been many achievements in various fields, but the complex environment used in surveillance video can not simply copy the achievements in each field. The requirement of target tracking and recognition is not exactly the same as that of scientific research. Target tracking and recognition need good real-time and stability of the system, and can be processed quickly and accurately in all kinds of complex scenes, so it is robust. Real-time algorithm is the key problem in the research of target tracking and recognition algorithm. According to the requirements of surveillance video, this paper studies the technology of target tracking and recognition. The main work is as follows: analysis and comparison of various moving target detection algorithms, In this paper, a method of target detection based on the background difference is proposed, which makes use of the advantages of the frame difference method, such as good real-time ability and strong adaptability, and proposes a block background extraction method based on the frame difference method. In order to improve the complexity of background extraction of mixed Gao Si model and the problem of poor real-time performance, the frame difference method is used to determine the detection performance of frame difference method, because it is easy to appear holes when dealing with objects of similar color, and the background difference method is used to assist, set a threshold to judge the detection performance of frame difference method. When the performance of frame difference method is poor, the background difference method is used. It is proved by experiment that the detection rate and real-time performance of this method are improved compared with the traditional algorithm. In order to meet the requirements of surveillance video, a LBP(Local Binary pattern histogram combining texture and chroma is proposed. It can restrain the illumination problem and occlusion problem in the surveillance video very well. The object size in the surveillance video will change from far to near, and the observation angle will change in part. The Camshift algorithm is used to solve these problems and analyze the recognition technology at home and abroad. The HOG(Histogram of Oriented gradient feature is applied to the target object recognition algorithm based on feature learning. The collected data is trained to weak classifier, cascaded classifier is used to identify and classify test data, and the experimental results are analyzed. Based on the requirement of surveillance video, a new target detection algorithm is proposed in this paper, which can be used in various monitoring environments such as urban monitoring, intelligent transportation and so on.
【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】：2017
【分類號(hào)】：TP391.41;TN948.6

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 曹雪花;;一種新的運(yùn)動(dòng)目標(biāo)跟蹤方法[J];科技信息;2010年34期

2 方英武;王軼;金偉;王輝;;基于多信息融合的運(yùn)動(dòng)目標(biāo)跟蹤方法[J];光電工程;2011年08期

3 尚晉霞;;運(yùn)動(dòng)目標(biāo)跟蹤研究[J];電腦編程技巧與維護(hù);2013年12期

4 葛寶臻,張以謨,秦玉文,陳希明;自適應(yīng)運(yùn)動(dòng)目標(biāo)跟蹤實(shí)驗(yàn)[J];光電工程;1998年05期

5 葛寶臻,秦玉文,張以謨,陳希明,王項(xiàng)南;自適應(yīng)運(yùn)動(dòng)目標(biāo)跟蹤系統(tǒng)及其性能研究[J];天津大學(xué)學(xué)報(bào);1998年05期

6 李志;謝強(qiáng);;一種基于改進(jìn)粒子濾波的運(yùn)動(dòng)目標(biāo)跟蹤[J];計(jì)算機(jī)科學(xué);2014年02期

7 仝曉龍;竇騰飛;劉艷紅;;運(yùn)動(dòng)目標(biāo)跟蹤技術(shù)綜述[J];科技創(chuàng)新與應(yīng)用;2014年18期

8 查宇飛;畢篤彥;;一種基于粒子濾波的自適應(yīng)運(yùn)動(dòng)目標(biāo)跟蹤方法[J];電子與信息學(xué)報(bào);2007年01期

9 吳樂;黃東軍;;基于視頻流的運(yùn)動(dòng)目標(biāo)跟蹤技術(shù)的研究[J];科技信息(學(xué)術(shù)研究);2008年03期

10 于勇;郭雷;;基于粒子濾波的紅外運(yùn)動(dòng)目標(biāo)跟蹤[J];計(jì)算機(jī)應(yīng)用;2008年06期

相關(guān)會(huì)議論文 前8條

1 查宇飛;張育;畢篤彥;;一種基于粒子濾波的自適應(yīng)運(yùn)動(dòng)目標(biāo)跟蹤方法[A];第十二屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2005年

2 單穎;張菁;郭茂祖;;基于視頻序列的運(yùn)動(dòng)目標(biāo)跟蹤方法[A];計(jì)算機(jī)技術(shù)與應(yīng)用進(jìn)展·2007——全國(guó)第18屆計(jì)算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會(huì)議論文集[C];2007年

3 王景中;劉凱;;基于圖像灰度特征的運(yùn)動(dòng)目標(biāo)跟蹤實(shí)現(xiàn)[A];2011年全國(guó)通信安全學(xué)術(shù)會(huì)議論文集[C];2011年

4 龔偉;史元春;陳孝杰;;基于雙攝像機(jī)的平面運(yùn)動(dòng)目標(biāo)跟蹤[A];第一屆建立和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議（HHME2005）論文集[C];2005年

5 蘇迎婭;趙清杰;郭偉;王博;;基于視覺顯著性的突變運(yùn)動(dòng)目標(biāo)跟蹤[A];2013年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（第三分冊(cè)）[C];2013年

6 段修滿;孫國(guó)霞;;基于二次幀差法的智能視頻監(jiān)控系統(tǒng)[A];中國(guó)電子學(xué)會(huì)第十七屆信息論學(xué)術(shù)年會(huì)論文集[C];2010年

7 李國(guó)輝;代科學(xué);;一種基于運(yùn)動(dòng)量的監(jiān)控視頻事件挖掘方法[A];第一屆建立和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議（HHME2005）論文集[C];2005年

8 高美容;于明;;一種監(jiān)控視頻分段的方法[A];2007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（上冊(cè)）[C];2008年

相關(guān)重要報(bào)紙文章 前1條

1 和靜鈞;擅播公共監(jiān)控視頻并非都違法[N];深圳特區(qū)報(bào);2013年

相關(guān)博士學(xué)位論文 前7條

1 仝小敏;航拍視頻運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤方法研究[D];西北工業(yè)大學(xué);2015年

2 程帥;復(fù)雜條件下運(yùn)動(dòng)目標(biāo)跟蹤方法的研究[D];長(zhǎng)春理工大學(xué);2016年

3 牛長(zhǎng)鋒;復(fù)雜背景下視頻運(yùn)動(dòng)目標(biāo)跟蹤的研究[D];北京理工大學(xué);2010年

4 文志強(qiáng);基于均值偏移算法的運(yùn)動(dòng)目標(biāo)跟蹤技術(shù)的研究[D];中南大學(xué);2008年

5 陳愛斌;基于視覺的運(yùn)動(dòng)目標(biāo)跟蹤方法研究[D];中南大學(xué);2010年

6 王得軍;視頻中運(yùn)動(dòng)目標(biāo)跟蹤的關(guān)鍵算法研究[D];華中科技大學(xué);2014年

7 馬浚誠(chéng);面向葉部病害識(shí)別的設(shè)施蔬菜監(jiān)控視頻關(guān)鍵幀提取方法研究[D];中國(guó)農(nóng)業(yè)大學(xué);2016年

相關(guān)碩士學(xué)位論文 前10條

1 張業(yè)亮;視頻監(jiān)控中的運(yùn)動(dòng)目標(biāo)跟蹤與識(shí)別研究[D];電子科技大學(xué);2017年

2 呂恒利;基于SIFT與粒子濾波結(jié)合的運(yùn)動(dòng)目標(biāo)跟蹤方法研究[D];昆明理工大學(xué);2015年

3 潘邈;多攝像機(jī)下運(yùn)動(dòng)目標(biāo)跟蹤關(guān)聯(lián)的關(guān)鍵技術(shù)研究[D];電子科技大學(xué);2015年

4 張林;多攝像機(jī)環(huán)境下的運(yùn)動(dòng)目標(biāo)跟蹤技術(shù)的研究與應(yīng)用[D];電子科技大學(xué);2014年

5 張雨田;雙視場(chǎng)運(yùn)動(dòng)目標(biāo)跟蹤系統(tǒng)研究[D];華東師范大學(xué);2015年

6 李超;快速運(yùn)動(dòng)目標(biāo)跟蹤測(cè)量技術(shù)研究[D];西安工業(yè)大學(xué);2014年

7 李朝龍;基于視頻圖像序列的運(yùn)動(dòng)目標(biāo)跟蹤方法研究[D];電子科技大學(xué);2014年

8 閻梅;眼鏡蛇偵察攻擊系統(tǒng)中運(yùn)動(dòng)目標(biāo)跟蹤方法研究[D];西安電子科技大學(xué);2014年

9 翟明;基于特征匹配與卡爾曼預(yù)測(cè)的多目標(biāo)跟蹤算法研究[D];東北大學(xué);2014年

10 高雅;視頻監(jiān)控中遮擋條件下多運(yùn)動(dòng)目標(biāo)跟蹤技術(shù)研究[D];東北大學(xué);2014年

，

本文編號(hào)：1612505