本文關鍵詞：視頻監(jiān)控中運動目標的檢測、跟蹤與動作識別算法的研究

  更多相關文章： CamShift 粒子濾波 背景減除法 opencv 關鍵姿態(tài)幀

【摘要】：建設“智慧城市”是提升社會經濟的新支點和新動力,當今世界科學技術的迅猛發(fā)展,中國與世界科技的接軌,智能監(jiān)控技術是建設“智慧城市”必不可少的一步,其中的視頻監(jiān)控、視頻圖像檢測、視頻圖像處理技術也在緊隨其后快速發(fā)展,隨著近年來中國通信技術迅猛發(fā)展,其它新型科技產業(yè)也快速發(fā)展,隨著4G技術的成熟與實施,每個人都持有搭載Android或者ios操作系統(tǒng)的移動終端,使得人電信行業(yè)更加方便的服務于我們,人們之間的聯系也更加緊密方便。第一步,對監(jiān)控對象進行檢測,本論文設計的系統(tǒng)是利用改進的背景減除法和三幀差分法相“與”運算的結果作為反饋,對背景進行選擇性更新,這種方法不僅可以減少動態(tài)因素引起的誤檢,還可魯棒地處理運動目標的不定性、障礙物的遮擋、光照變化、動態(tài)場景下的目標檢測不到的問題。第二步,對監(jiān)控對象進行跟蹤,利用CamShift的粒子濾波算法的思想可以自適應的改變跟蹤窗口的大小,大大減少了參與迭代的粒子數目,計算量小,且在部分遮擋和形變的情況下比傳統(tǒng)CamShift的算法有更好的跟蹤效果。第三步,對監(jiān)控對象進行動作識別,用到了人體最小外接矩形的寬高比,利用混合小波矩特征建立關鍵姿態(tài)模板,用隱馬爾科夫模型算法把測試樣本的類別進行分類。該方法有效提高人體行為分類的準確率。該系統(tǒng)是利用vs2010操作系統(tǒng)和調用opencv數據庫函數來分析跟蹤目標的動作特征,采用c++編程語言實現了對被監(jiān)控目標的檢測、跟蹤及動作的識別系統(tǒng)的語言,也對該系統(tǒng)需要用到的各個模塊進行了詳細介紹,最后也指出了本系統(tǒng)存在的一些問題,并對以后的研發(fā)和算法的改進進行了展望。
【關鍵詞】：CamShift 粒子濾波 背景減除法 opencv 關鍵姿態(tài)幀
【學位授予單位】：河北大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP391.41;TN948.6
【目錄】：

• 摘要5-6
• Abstract6-10
• 第1章 緒論10-17
• 1.1 選題背景及其意義10-11
• 1.2 課題來源及研究現狀11-13
• 1.2.1 國內的研究現狀11-12
• 1.2.2 國外的研究現狀12-13
• 1.3 監(jiān)控對象跟蹤和動作識別的重要問題13-14
• 1.3.1 目標跟蹤中的重要問題13
• 1.3.2 動作識別中的關鍵問題13-14
• 1.4 本文所做的工作14-15
• 1.5 論文結構安排15-17
• 第2章 視頻監(jiān)控中對目標檢測的算法17-31
• 2.1 常用的目標檢測算法17-22
• 2.1.1 幀間差分法17-19
• 2.1.2 光流法19-20
• 2.1.3 背景減除法20-22
• 2.2 改進的背景減除法22-25
• 2.3 三幀差分法25-26
• 2.4 背景減除法與三幀差分法的結合26-30
• 2.5 本章小結30-31
• 第3章 運動目標的跟蹤技術31-45
• 3.1 常用的目標跟蹤算法31-33
• 3.2 Mean Shift跟蹤算法33-35
• 3.2.1 核密度估計法的跟蹤理論33-34
• 3.2.2 Mean Shift的基本思想及物理含義34-35
• 3.3 Mean shift算法在目標跟蹤中的應用35-37
• 3.3.1 目標模型的設計35-36
• 3.3.2 Mean Shift迭代過程36
• 3.3.3 Mean Shift算法跟蹤步驟36-37
• 3.3.4 運用Mean Shift算法進行目標跟蹤37
• 3.4 CamShift的算法37-41
• 3.4.1 CamShift的算法簡介37
• 3.4.2 CamShift算法原理37-41
• 3.5 CamShift粒子濾波算法41-44
• 3.5.1 粒子濾波算法原理41
• 3.5.2 基于CamShift算法粒子濾波算法原理41-42
• 3.5.3 算法描述42-43
• 3.5.4 實驗結果對比圖43-44
• 3.6 本章小節(jié)44-45
• 第4章 人體姿勢特征提取45-55
• 4.1 基于關鍵幀特征的運動行為匹配分類45-50
• 4.1.1 圖像的矩特征45-49
• 4.1.2 關鍵幀特征匹配算法49-50
• 4.2 基于隱馬爾可夫的運動行為分類50-52
• 4.3 實驗結果與分析52-54
• 4.4 本章小結54-55
• 第5章 總結與展望55-57
• 5.1 本文所作的主要工作55-56
• 5.2 工作展望56-57
• 參考文獻57-60
• 致謝60

  本文關鍵詞：視頻監(jiān)控中運動目標的檢測、跟蹤與動作識別算法的研究

  更多相關文章： CamShift 粒子濾波 背景減除法 opencv 關鍵姿態(tài)幀

，

本文編號：512924