滯留物檢測(cè)和識(shí)別是計(jì)算機(jī)視覺(jué)領(lǐng)域的重要研究課題之一,在公共場(chǎng)所和人群密集地區(qū),未被檢測(cè)到的滯留物可能會(huì)威脅到行人的生命財(cái)產(chǎn)安全,因此需要對(duì)于視頻進(jìn)行智能監(jiān)控和自動(dòng)識(shí)別。在現(xiàn)實(shí)生活中,當(dāng)一個(gè)場(chǎng)景中出現(xiàn)滯留物,能夠快速檢測(cè)出并識(shí)別,能夠進(jìn)行有效預(yù)警,對(duì)于城市管理和安全有巨大作用。背景復(fù)雜性、光照變化、低質(zhì)量圖像和遮擋等場(chǎng)景復(fù)雜問(wèn)題,使得滯留物檢測(cè)和識(shí)別非常具有挑戰(zhàn)性。同時(shí),滯留物檢測(cè)缺乏對(duì)于其擁有者的關(guān)聯(lián)性分析,并且在低質(zhì)量圖像和視頻情況下的物品分類,沒(méi)有良好的解決方法。因此,本文在傳統(tǒng)方法和深度學(xué)習(xí)方法的基礎(chǔ)上,提出了多個(gè)滯留物檢測(cè)和識(shí)別的算法,并且通過(guò)對(duì)滯留物的分析,可以檢測(cè)到相關(guān)行人的異常行為,主要工作如下:(1)針對(duì)滯留物及其與行人之間關(guān)聯(lián)性,利用目標(biāo)追蹤算法,提出了一種基于連通區(qū)域信息的算法。現(xiàn)有的相關(guān)滯留物算法只是關(guān)注滯留物本身,缺乏對(duì)其關(guān)聯(lián)性的行人進(jìn)行分析,無(wú)法獲取到滯留物的所有者,并且對(duì)于滯留物缺乏類別分析。因此我們的算法利用改進(jìn)的相關(guān)濾波算法進(jìn)行行人追蹤、同時(shí)利用多重方向背景模型進(jìn)行行人和靜態(tài)目標(biāo)檢測(cè),利用追蹤行人和物品分離時(shí)刻的連通區(qū)域進(jìn)行滯留物檢測(cè)。與此同時(shí),利用主成... 

【文章來(lái)源】：南昌大學(xué)江西省 211工程院校

【文章頁(yè)數(shù)】：104 頁(yè)

【學(xué)位級(jí)別】：博士

【部分圖文】：

圖２．１滯留物檢測(cè)的常用框架??

?第３章基于目標(biāo)追蹤的滯留物檢測(cè)???；濾波器??第幀采樣?肝了?定位??Ｗ－…一ｎＦ－??Ｓｆｅｉ：ＷＫｉ?ｍｔｉ＾＂?＾?ＷＭ?ｉｆｃ＾．：，’、＇麗Ｉ??｜?ＦＦＴ１????＊????濁汲器？??：ｉ＊；ｎ?＇ｉ?ｔ?？ｆ?［＾－ＩＦＦＴ—▼?？－ＦＦＴ—?Ｉ?＋?；■??▼??ｉ＋ｉ幀采杼?ｍ—？??ｕｕ——？；?響化閣????？?ｍ＆??圖３．１相關(guān)濾波器的追蹤算法流程??信號(hào)處理中，描述兩個(gè)因素之間的關(guān)系的概念被稱為相關(guān)性（ｃｏｒｒｅｌａｔｉｏｎ），??假設(shè)有兩個(gè)信號(hào)／和義其相關(guān)性為：??廠一?ＯＯ??（ｆ?０?ｇ）⑴＝?ｆ＼ｔ）ｇ（ｔ?＋?Ｔ）ｄｔ?（３．１）??ｊ?ＯＯ??００??（／?＜８）＾）（ｎ）?＝?＾ｆ＊［ｍ］ｇ（＜ｍ?＋?ｎ）?（３．２）??—００??其中ｒ表示／的復(fù)共軛，相關(guān)性指的是兩個(gè)函數(shù)在某個(gè)時(shí)刻的相似程度，??利用在跟隨上的想法就是：兩個(gè)信號(hào)越相似，其相關(guān)值越高。在跟蹤方面，就??是尋找到與目標(biāo)響應(yīng)最大的項(xiàng)。??根據(jù)以上思路，需要找到一個(gè)相關(guān)濾波器，能夠獲取輸出響應(yīng)，然后使其??在目標(biāo)上的響應(yīng)最大，也就是期望跟蹤目標(biāo)的中心點(diǎn)。??Ｇ?＝?Ｆ〇Ｈ＊?（３．３）??其中Ｆ輸入圖像，Ｇ為最大響應(yīng)位置，／Ｔ則是我們期望得到的濾波器。為??了提高整體的計(jì)算效率，使用快速傅里葉變換把相關(guān)操作在頻域中計(jì)算。Ｆ是／??的傅里葉變換啦５１？０１１１＾１＇１以１１５｛＇〇１＂１１１，？？�。�。〇表不對(duì)應(yīng)元素相乘。在整個(gè)計(jì)算??２７??

?第３章基于目標(biāo)追蹤的滯留物檢測(cè)???其中，是追蹤區(qū)域，／？２是非追蹤區(qū)域。然后利用卡爾曼濾波器消除跟蹤??過(guò)程中產(chǎn)生的噪聲，提高目標(biāo)跟蹤的精度。根據(jù)與７；的重疊部分，我們可以??確定５？是否屬于ＡＴ。通過(guò)比較目標(biāo)清單Ｌ中己經(jīng)存在的ＺＶ７；和物體質(zhì)心之間的??歐氏距離，我們可以判斷７Ｖ７；是否是新出現(xiàn)的。然后，Ｗ７；作為對(duì)象存儲(chǔ)在項(xiàng)目??列表Ｌ中。??一般情況下，我們根據(jù)對(duì)象的靜止時(shí)間來(lái)分析其相關(guān)性并判斷其是否為滯??留目標(biāo)。因此，該算法在應(yīng)用于大規(guī)模的自動(dòng)視頻監(jiān)控系統(tǒng)時(shí)，能夠快速地進(jìn)??行滯留目標(biāo)檢測(cè)和相關(guān)性分析，并能快速地處理每個(gè)實(shí)時(shí)視頻流。??３．３基于主成分分析的滯留物識(shí)別??本章將幾何仿射不變矩與主成分分析相結(jié)合，實(shí)現(xiàn)了對(duì)遺留目標(biāo)的識(shí)別。??我們的算法框架如下。??＿魏＿???ＯＭ?ａ??：＾ｍ??痤??ｍｉ??ｄｈ??□■國(guó)?ＥＨＨ?１?，??￣幾何仿射不變矩￣ｈ??■顯霾圓〇鬯圓????圖３．２滯留物識(shí)別流程示意圖??首先，存儲(chǔ)視頻中滯留目標(biāo)檢測(cè)結(jié)果區(qū)域的屏幕截圖。然后構(gòu)造幾何仿射??不變矩。由于滯留目標(biāo)識(shí)別算法結(jié)合了兩種方法的特點(diǎn)，該算法可以解決實(shí)際??視頻中滯留目標(biāo)相對(duì)于訓(xùn)練樣本圖像中的項(xiàng)目（對(duì)象的前視圖和側(cè)視圖）的視??角變化問(wèn)題，如旋轉(zhuǎn)、平移、縮放和傾斜。然后，利用主成分分析法對(duì)其不變??３６??

【參考文獻(xiàn)】：
期刊論文
[1]基于深度融合的顯著性目標(biāo)檢測(cè)算法[J]. 張冬明,靳國(guó)慶,代鋒,袁慶升,包秀國(guó),張勇東.  計(jì)算機(jī)學(xué)報(bào). 2019(09)
[2]改進(jìn)的SSD航拍目標(biāo)檢測(cè)方法[J]. 裴偉,許晏銘,朱永英,王鵬乾,魯明羽,李飛.  軟件學(xué)報(bào). 2019(03)
[3]面向小目標(biāo)的多尺度Faster-RCNN檢測(cè)算法[J]. 黃繼鵬,史穎歡,高陽(yáng).  計(jì)算機(jī)研究與發(fā)展. 2019(02)



本文編號(hào)：2940120