本文選題：智能視頻監(jiān)控　切入點(diǎn)：視覺注意　出處：《長(zhǎng)春工業(yè)大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

【摘要】：視覺注意是人類處理視覺信息的一種方法,而智能監(jiān)控系統(tǒng)要實(shí)現(xiàn)的目標(biāo)是讓攝像頭充當(dāng)我們的眼睛使得我們的生活更智能化,因此將視覺注意機(jī)制的算法引入設(shè)備中,這使得嵌入式設(shè)備更像人的眼睛,并且也能幫助嵌入式設(shè)備篩選出重要的信息,加快視覺信息的處理速度。同時(shí),將嵌入式設(shè)備接入網(wǎng)絡(luò),可以形成龐大的視聯(lián)網(wǎng),為城市的各行各業(yè)服務(wù),實(shí)現(xiàn)真正的智慧城市。本文主要對(duì)視覺顯著性計(jì)算方法與一般的運(yùn)動(dòng)目標(biāo)檢測(cè)方法進(jìn)行深入研究,提出將視覺顯著性計(jì)算方法引入運(yùn)動(dòng)目標(biāo)檢測(cè)算法中,來檢測(cè)顯著的運(yùn)動(dòng)目標(biāo),然后結(jié)合多目標(biāo)跟蹤實(shí)現(xiàn)車流量檢測(cè)的算法,最后將算法移植到在Exynos 4412處理器平臺(tái)上。針對(duì)本文研究的主要內(nèi)容,首先對(duì)當(dāng)前主流的視覺顯著性計(jì)算方法進(jìn)行研究,并結(jié)合算法的對(duì)比效果與實(shí)時(shí)性,選取HC算法計(jì)算圖像的顯著性;然后研究了經(jīng)典運(yùn)動(dòng)目標(biāo)檢測(cè)算法中的背景差分法,選取ViBe算法計(jì)算運(yùn)動(dòng)區(qū)域,并對(duì)ViBe算法進(jìn)行了一些改進(jìn),可以消除鬼影,并且當(dāng)出現(xiàn)誤檢時(shí),可以減少消除誤檢所需的時(shí)間;然后本文提出了一種基于顯著圖和Vi Be算法的顯著運(yùn)動(dòng)目標(biāo)檢測(cè)算法,該方法利用改進(jìn)的ViBe算法計(jì)算時(shí)間顯著圖和HC算法計(jì)算空間顯著圖,然后以時(shí)間顯著圖中的運(yùn)動(dòng)目標(biāo)為指導(dǎo),在空間顯著圖中計(jì)算該目標(biāo)的顯著性,并判斷該目標(biāo)是否是顯著目標(biāo),如果是,則對(duì)該目標(biāo)進(jìn)行空時(shí)顯著性融合,得到空時(shí)顯著圖;最后對(duì)圖像進(jìn)行自適應(yīng)閾值分割,獲得最終的運(yùn)動(dòng)目標(biāo),該算法與經(jīng)典運(yùn)動(dòng)目標(biāo)算法比較,可以有效解決算法中產(chǎn)生的鬼影、陰影以及一些不顯著運(yùn)動(dòng)目標(biāo)問題;然后對(duì)檢測(cè)的顯著運(yùn)動(dòng)進(jìn)行跟蹤,并通過絆線檢測(cè)來統(tǒng)計(jì)各個(gè)方向的車流量實(shí)現(xiàn)車流量檢測(cè),本文多目標(biāo)跟蹤算法使用Kalman濾波與Hungary任務(wù)分配算法實(shí)現(xiàn);最后在搭建好的嵌入式軟硬件平臺(tái)上,移植車流量檢測(cè)算法,實(shí)現(xiàn)了智能監(jiān)控系統(tǒng)中車流量檢測(cè)的功能。
[Abstract]:Visual attention is a way for human beings to process visual information, and the goal of intelligent monitoring system is to let the camera act as our eyes to make our life more intelligent, so the algorithm of visual attention mechanism is introduced into the device. This makes embedded devices look more like human eyes, and can also help embedded devices to screen out important information and speed up the processing of visual information. At the same time, connecting embedded devices to the network can form a huge visual network. In this paper, the visual salience calculation method and the general moving target detection method are studied deeply. In this paper, the visual salience algorithm is introduced into the moving target detection algorithm to detect the significant moving target, and then the multi-target tracking algorithm is used to realize the vehicle flow detection. Finally, the algorithm is transplanted to the Exynos 4412 processor platform. In view of the main content of this paper, the current mainstream visual salience calculation method is studied, and the contrast effect and real-time performance of the algorithm are combined. Select HC algorithm to calculate the salience of image, then study the background difference method in the classical moving target detection algorithm, select the ViBe algorithm to calculate the moving region, and make some improvements to the ViBe algorithm, which can eliminate the ghost image. And when false detection occurs, it can reduce the time required to eliminate false detection. Then, a salient moving target detection algorithm based on saliency graph and Vi be algorithm is proposed. The improved ViBe algorithm is used to calculate the temporal salience map and the HC algorithm to calculate the spatial salience map. Then the significance of the target is calculated in the spatial salience map under the guidance of the moving object in the time-significant map. If it is, the spatial-temporal salient map is obtained by space-time significant fusion. Finally, the image is segmented by adaptive threshold, and the final moving target is obtained. Compared with the classical moving target algorithm, the algorithm can effectively solve the problems of ghost, shadow and some unremarkable moving objects, and then track the detected salient motion. The multi-target tracking algorithm is implemented by Kalman filter and Hungary task allocation algorithm. Finally, on the embedded hardware and software platform, the multi-target tracking algorithm is implemented on the embedded hardware and software platform. The traffic flow detection algorithm is transplanted to realize the function of the traffic flow detection in the intelligent monitoring system.
【學(xué)位授予單位】：長(zhǎng)春工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TN948.6

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 ;我國(guó)研制成功智能視頻監(jiān)控系統(tǒng)[J];消防技術(shù)與產(chǎn)品信息;2008年02期

2 李少華;;高清智能視頻監(jiān)控系統(tǒng)保城市平安[J];中國(guó)公共安全(綜合版);2012年07期

3 饒彥;;幼兒園智能視頻監(jiān)控系統(tǒng)探究[J];計(jì)算機(jī)光盤軟件與應(yīng)用;2013年13期

4 ;服務(wù)于行業(yè)客戶的網(wǎng)絡(luò)化智能視頻監(jiān)控系統(tǒng)[J];信息網(wǎng)絡(luò);2006年12期

5 黃會(huì)雄;;一種智能視頻監(jiān)控體系結(jié)構(gòu)設(shè)計(jì)方案[J];微計(jì)算機(jī)信息;2007年16期

6 韓云;鄭尚志;;智能視頻監(jiān)控及應(yīng)用[J];光盤技術(shù);2008年08期

7 李建文;康慕寧;鄧正宏;;一個(gè)基于行為分析的智能視頻監(jiān)控系統(tǒng)的原型[J];科學(xué)技術(shù)與工程;2009年06期

8 余臘生;劉勇;;基于網(wǎng)絡(luò)的智能視頻監(jiān)控系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J];計(jì)算機(jī)工程與設(shè)計(jì);2009年16期

9 張新新;孔英會(huì);;智能視頻監(jiān)控中的異常檢測(cè)方法研究[J];黑龍江科技信息;2009年36期

10 余臘生;劉勇;;基于網(wǎng)絡(luò)的智能視頻監(jiān)控系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J];安防科技;2009年11期

相關(guān)會(huì)議論文 前9條

1 沈海燕;馮云梅;史宏;呂曉軍;;鐵路安檢區(qū)域智能視頻監(jiān)控系統(tǒng)設(shè)計(jì)及關(guān)鍵技術(shù)研究[A];第八屆中國(guó)智能交通年會(huì)優(yōu)秀論文集——軌道交通[C];2013年

2 薄海睿;李正宜;楊永生;;淺談智能視頻監(jiān)控發(fā)展[A];第二十七屆中國(guó)（天津）2013IT、網(wǎng)絡(luò)、信息技術(shù)、電子、儀器儀表創(chuàng)新學(xué)術(shù)會(huì)議論文集[C];2013年

3 付亮亮;李旭偉;;一種面向智能視頻監(jiān)控的系統(tǒng)原型[A];2008'中國(guó)信息技術(shù)與應(yīng)用學(xué)術(shù)論壇論文集（一）[C];2008年

4 侯宏錄;李寧鳥;;一種基于運(yùn)動(dòng)目標(biāo)識(shí)別技術(shù)的智能視頻監(jiān)控系統(tǒng)[A];2011西部光子學(xué)學(xué)術(shù)會(huì)議論文摘要集[C];2011年

5 李易;管慶;;基于DM642的智能視頻監(jiān)控系統(tǒng)[A];2008年中國(guó)西部青年通信學(xué)術(shù)會(huì)議論文集[C];2008年

6 曹曉玲;;IP智能視頻監(jiān)控系統(tǒng)的發(fā)展及挑戰(zhàn)[A];四川省通信學(xué)會(huì)Ip應(yīng)用與增值電信技術(shù)會(huì)議論文集[C];2011年

7 朱映映;梁葉;文振q;;智能視頻監(jiān)控中頭部運(yùn)動(dòng)跟蹤的自適應(yīng)算法研究[A];第七屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議（HHME2011)論文集【poster】[C];2011年

8 葉斌;崔蘭蘭;;淺析智能視頻監(jiān)控中的目標(biāo)識(shí)別差分算法[A];四川省通信學(xué)會(huì)2013年學(xué)術(shù)年會(huì)論文集[C];2013年

9 李磊;;視頻監(jiān)控關(guān)鍵技術(shù)及其應(yīng)用前景研究[A];武漢市第二屆學(xué)術(shù)年會(huì)、通信學(xué)會(huì)2006年學(xué)術(shù)年會(huì)論文集[C];2006年

相關(guān)重要報(bào)紙文章 前10條

1 天津天地偉業(yè)數(shù)碼科技有限公司 瞿關(guān)明;理性對(duì)待智能視頻監(jiān)控[N];計(jì)算機(jī)世界;2008年

2 索尼(中國(guó))有限公司 文軍;如何有效實(shí)現(xiàn)智能視頻監(jiān)控[N];計(jì)算機(jī)世界;2008年

3 王玲;智能視頻監(jiān)控：讓人們的生活更安全[N];經(jīng)濟(jì)日?qǐng)?bào);2007年

4 賽迪;智能視頻監(jiān)控粉墨登場(chǎng)[N];中華建筑報(bào);2006年

5 彭東;智能視頻監(jiān)控：給您最及時(shí)的危機(jī)報(bào)告[N];科技日?qǐng)?bào);2007年

6 賽迪;智能視頻監(jiān)控粉墨登場(chǎng)[N];中華建筑報(bào);2006年

7 記者 郭丹;萬安獲省專項(xiàng)資金230萬[N];湛江日?qǐng)?bào);2011年

8 陳瑜邋唐婷;智能視頻監(jiān)控：給電子眼裝上“大腦”[N];科技日?qǐng)?bào);2007年

9 ;世博中國(guó)館智能視頻監(jiān)控系統(tǒng)[N];中國(guó)計(jì)算機(jī)報(bào);2010年

10 中國(guó)工程院院士 高文;與智能視頻監(jiān)控有關(guān)的技術(shù)挑戰(zhàn)[N];中國(guó)信息化周報(bào);2014年

相關(guān)博士學(xué)位論文 前10條

1 車進(jìn);智能視頻監(jiān)控系統(tǒng)的信息處理算法研究及設(shè)計(jì)實(shí)現(xiàn)[D];天津大學(xué);2014年

2 陳功;魯棒的智能視頻監(jiān)控方法研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2008年

3 王一木;可重構(gòu)的無線智能視頻監(jiān)控平臺(tái)的研究[D];浙江大學(xué);2013年

4 張謝華;煤礦智能視頻監(jiān)控系統(tǒng)關(guān)鍵技術(shù)的研究[D];中國(guó)礦業(yè)大學(xué);2013年

5 方帥;計(jì)算機(jī)智能視頻監(jiān)控系統(tǒng)關(guān)鍵技術(shù)研究[D];東北大學(xué);2005年

6 畢國(guó)玲;智能視頻監(jiān)控系統(tǒng)中若干關(guān)鍵技術(shù)研究[D];中國(guó)科學(xué)院研究生院(長(zhǎng)春光學(xué)精密機(jī)械與物理研究所);2015年

7 高俊祥;智能視頻監(jiān)控中目標(biāo)的檢測(cè)與跟蹤[D];北京郵電大學(xué);2010年

8 張劍;基于內(nèi)容的智能視頻監(jiān)控關(guān)鍵技術(shù)及在公共安防中的應(yīng)用研究[D];浙江大學(xué);2007年

9 焦波;面向智能視頻監(jiān)控的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤方法研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2009年

10 夏東;智能視頻監(jiān)控中目標(biāo)檢測(cè)、跟蹤和識(shí)別方法研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 鐘俊洪;基于深度學(xué)習(xí)的目標(biāo)跟蹤及異常徘徊檢測(cè)[D];華南理工大學(xué);2015年

2 韓杰;高清智能視頻監(jiān)控系統(tǒng)軟件研發(fā)[D];浙江大學(xué);2015年

3 陳政;基于分層貝葉斯模型的智能視頻監(jiān)控中的異常檢測(cè)[D];西南大學(xué);2015年

4 潘兆華;智能視頻監(jiān)控中的運(yùn)動(dòng)目標(biāo)檢測(cè)相關(guān)技術(shù)研究[D];天津理工大學(xué);2015年

5 鄭寶國(guó);智能視頻監(jiān)控人群檢測(cè)研究與應(yīng)用[D];上海應(yīng)用技術(shù)學(xué)院;2015年

6 周潔;智能視頻監(jiān)控中人群異常行為的檢測(cè)與分析[D];寧波大學(xué);2015年

7 陳正平;某景區(qū)智能視頻監(jiān)控平臺(tái)的設(shè)計(jì)與實(shí)現(xiàn)[D];安徽大學(xué);2015年

8 蔣可心;智能視頻監(jiān)控系統(tǒng)中若干生物特征識(shí)別研究[D];電子科技大學(xué);2014年

9 黃旭楠;智能視頻監(jiān)控系統(tǒng)的算法研究[D];西安電子科技大學(xué);2014年

10 李曉楠;基于視頻的軌跡分析技術(shù)及在目標(biāo)異常行為檢測(cè)中的應(yīng)用研究[D];浙江工商大學(xué);2015年

，

本文編號(hào)：1618682