本文關(guān)鍵詞：視頻安防監(jiān)控系統(tǒng)的運(yùn)動目標(biāo)檢測算法研究與實現(xiàn)，由筆耕文化傳播整理發(fā)布。

【摘要】：近幾年來,隨著國民經(jīng)濟(jì)快速增長,許多公共領(lǐng)域包括銀行、交通、安檢等對智能化安防監(jiān)控系統(tǒng)的需求與日俱增,要求越來越高。雖然安防監(jiān)控系統(tǒng)己經(jīng)廣泛地應(yīng)用在上述公共場所,但實際上監(jiān)控任務(wù)并沒有體現(xiàn)出“智能化”,并沒有充分體現(xiàn)出監(jiān)控的實時性和主動性。智能化的監(jiān)控應(yīng)該能做到實時對視頻中的運(yùn)動物體分析、識別、判斷且能夠在異常事件發(fā)生時給與提示,輔助人類提供有意義信息并節(jié)省工作量。運(yùn)動目標(biāo)檢測技術(shù)作為計算機(jī)視覺技術(shù)的關(guān)鍵且基礎(chǔ)技術(shù)之一,近年來迅速發(fā)展且被廣泛使用,很多學(xué)者提出了多種算法,但由于實際場景多樣且復(fù)雜,使得運(yùn)動目標(biāo)檢測技術(shù)仍然是具有挑戰(zhàn)性的課題。本文的主要工作如下:搭建監(jiān)控系統(tǒng)框架,對當(dāng)前實時采集視頻進(jìn)行實時運(yùn)動目標(biāo)監(jiān)控,針對混合高斯模型中高斯分布個數(shù)固定且計算復(fù)雜難以實時檢測的問題,提出一種基于混合高斯模型與三幀差算法相融合改進(jìn)的自適應(yīng)背景模型目標(biāo)檢測算法,并將此算法應(yīng)用在監(jiān)控系統(tǒng)中。初始時為每個像素建立同樣個數(shù)的高斯模型,在模型學(xué)習(xí)的過程中,融合三幀差法對監(jiān)控視頻中復(fù)雜區(qū)域分為前景區(qū)域、噪聲區(qū)域以及背景顯露區(qū)域,動態(tài)調(diào)整更新每類區(qū)域的更新速率,且根據(jù)每個像素多個高斯模型的狀態(tài),動態(tài)調(diào)整高斯模型個數(shù),即自適應(yīng)調(diào)整模型的高斯分布個數(shù)以及不同區(qū)域采用不同的更新速率,使得背景模型能夠適應(yīng)場景的變化。本文中監(jiān)控系統(tǒng)使用的方法與傳統(tǒng)的混合高斯算法相比,采用自適應(yīng)的高斯模型個數(shù),不同區(qū)域自適應(yīng)更新速率,且目標(biāo)檢測算法滿足精度要求;與幀間差分法相比來說,運(yùn)動目標(biāo)檢測提取效果好;與光流法相比,計算量相對較小,運(yùn)行速度快。實驗結(jié)果表明,本文介紹的實時視頻監(jiān)控使用MFC框架結(jié)構(gòu)顯示人機(jī)交互的監(jiān)控界面,顯示監(jiān)控場景以及運(yùn)動目標(biāo)檢測結(jié)果,能夠暫停、保存幀,播放等功能,實驗證明,本文目標(biāo)檢測算法對很多應(yīng)用場景有較強(qiáng)的適應(yīng)能力,能夠達(dá)到實時的完成運(yùn)動目標(biāo)的提取,有應(yīng)用價值。
【關(guān)鍵詞】：混合高斯 光流 幀差法 視頻監(jiān)控系統(tǒng)
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP277;TP391.41
【目錄】：

• 摘要4-6
• abstract6-11
• 第一章 緒論11-17
• 1.1 課題來源和背景11-13
• 1.2 運(yùn)動目標(biāo)檢測技術(shù)的研究現(xiàn)狀13-15
• 1.2.1 運(yùn)動目標(biāo)檢測算法的技術(shù)難點(diǎn)15
• 1.3 本文的研究意義15
• 1.4 本文主要研究內(nèi)容15-16
• 1.5 本章小結(jié)16-17
• 第二章 視頻圖像處理相關(guān)技術(shù)介紹17-23
• 2.0 視頻圖像處理相關(guān)知識17-20
• 2.0.1 灰度化17-18
• 2.0.2 圖像膨脹與腐蝕18-20
• 2.1 OPENCV開源工具介紹20
• 2.1.1 OPENCV安裝注意事項20
• 2.2 OPENCV相關(guān)說明20-21
• 2.3 圖像特征介紹21-22
• 2.3.1 顏色特征21
• 2.3.2 形狀特征21
• 2.3.3 紋理特征21-22
• 2.4 本章小結(jié)22-23
• 第三章 基于視頻安防監(jiān)控系統(tǒng)的運(yùn)動目標(biāo)檢測算法研究23-32
• 3.1 單高斯背景建模方法23-24
• 3.2 混合高斯背景建模24-28
• 3.2.1 背景模型訓(xùn)練25-26
• 3.2.2 背景模型更新26-27
• 3.2.3 背景模型匹配27-28
• 3.3 基于混合高斯背景建模自適應(yīng)目標(biāo)檢測算法介紹28-31
• 3.4 本章小結(jié)31-32
• 第四章 實驗與分析32-41
• 4.1 實驗平臺以及內(nèi)容介紹32-33
• 4.1.1 實驗平臺介紹32-33
• 4.2 實驗內(nèi)容介紹33-40
• 4.2.1 多種監(jiān)控場景實時檢測結(jié)果36-37
• 4.2.2 算法實驗以及分析37-40
• 4.3 本章小結(jié)40-41
• 第五章 系統(tǒng)實現(xiàn)及測試41-46
• 5.1 系統(tǒng)的開發(fā)運(yùn)行環(huán)境41-42
• 5.1.1 開發(fā)環(huán)境41
• 5.1.2 系統(tǒng)整體流程41-42
• 5.2 監(jiān)控系統(tǒng)功能介紹42-44
• 5.2.1 相關(guān)頁面及其功能介紹43-44
• 5.3 監(jiān)控系統(tǒng)實時顯示44-45
• 5.4 本章小結(jié)45-46
• 第六章 結(jié)論與展望46-49
• 6.1 本文主要工作總結(jié)46
• 6.2 本文的的不足46-47
• 6.3 未來研究方向47
• 6.4 本章小結(jié)47-49
• 參考文獻(xiàn)49-52
• 致謝52

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 張桂林，熊艷，曹偉，，李強(qiáng);一種評價自動目標(biāo)檢測算法性能的方法[J];華中理工大學(xué)學(xué)報(社會科學(xué)版);1994年05期

2 秦劍;陳錢;錢惟賢;;基于背景分類的弱小目標(biāo)檢測算法[J];光電工程;2011年01期

3 蔣建國;吳暉;齊美彬;張莉;;攝像機(jī)旋轉(zhuǎn)運(yùn)動下的快速目標(biāo)檢測算法[J];圖學(xué)學(xué)報;2012年03期

4 逯鵬;張姍姍;劉馳;黃石磊;湯玉合;;基于稀疏超完備表示的目標(biāo)檢測算法[J];儀器儀表學(xué)報;2013年06期

5 李大輝;金濤;;弱小目標(biāo)檢測算法的設(shè)計與分析[J];中國科技信息;2013年16期

6 張明艷;許鋼;孟櫻;;基于時空特性的運(yùn)動目標(biāo)檢測算法研究[J];安徽工程大學(xué)學(xué)報;2013年04期

7 徐振海,王雪松,肖順平,莊釗文;基于模糊融合的目標(biāo)檢測算法研究[J];國防科技大學(xué)學(xué)報;2000年04期

8 李維雅,董能力,金鋼,李正周;弱小目標(biāo)檢測算法性能評價的回歸分析方法[J];光電工程;2005年02期

9 高陳強(qiáng);田金文;王鵬;;基于時域特性分析的紅外運(yùn)動小目標(biāo)檢測算法[J];紅外與激光工程;2008年05期

10 曾脈;左志宏;常曉夫;何煊;;一種準(zhǔn)確而快速的運(yùn)動目標(biāo)檢測算法[J];成都信息工程學(xué)院學(xué)報;2008年04期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 高飛;蔣建國;安紅新;齊美彬;;一種快速運(yùn)動目標(biāo)檢測算法[A];全國第22屆計算機(jī)技術(shù)與應(yīng)用學(xué)術(shù)會議(CACIS·2011)暨全國第3屆安全關(guān)鍵技術(shù)與應(yīng)用（SCA·2011）學(xué)術(shù)會議論文摘要集[C];2011年

2 孫瑾秋;張艷寧;姜磊;王敏;;基于變換域特征的星空背景弱小目標(biāo)檢測算法[A];第八屆全國信號與信息處理聯(lián)合學(xué)術(shù)會議論文集[C];2009年

3 鄧宇;陳孝威;;綜合利用時空信息的運(yùn)動目標(biāo)檢測算法[A];第二屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會議(HHME2006)——第15屆中國多媒體學(xué)術(shù)會議(NCMT'06)論文集[C];2006年

4 袁輝;孫卓;李德民;魏穎;;基于小波多尺度互能量交叉融合濾波的弱小目標(biāo)檢測算法[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會議論文集[C];2009年

5 顧靜良;萬敏;張衛(wèi);鄭捷;;低對比度弱小目標(biāo)檢測算法[A];中國工程物理研究院科技年報（2005）[C];2005年

6 黃龔;鄭錦;劉養(yǎng)科;;攝像機(jī)水平巡掃時的運(yùn)動目標(biāo)檢測算法[A];第六屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會議（HHME2010)、第19屆全國多媒體學(xué)術(shù)會議（NCMT2010）、第6屆全國人機(jī)交互學(xué)術(shù)會議（CHCI2010）、第5屆全國普適計算學(xué)術(shù)會議（PCC2010）論文集[C];2010年

7 張國華;;一種基于導(dǎo)引頭穩(wěn)定平臺結(jié)構(gòu)的目標(biāo)檢測算法[A];第九屆全國光電技術(shù)學(xué)術(shù)交流會論文集（下冊）[C];2010年

8 王正;劉瑞華;;基于PTZ攝像機(jī)的運(yùn)動目標(biāo)檢測算法[A];全國第一屆嵌入式技術(shù)聯(lián)合學(xué)術(shù)會議論文集[C];2006年

9 王彪;王成儒;王芬芬;;一種改進(jìn)的運(yùn)動目標(biāo)檢測算法[A];計算機(jī)技術(shù)與應(yīng)用進(jìn)展·2007——全國第18屆計算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會議論文集[C];2007年

10 劉琳;顧國華;錢惟賢;陳錢;徐富元;;目標(biāo)檢測算法的研究以及SRIO協(xié)議在目標(biāo)檢測的應(yīng)用[A];第八屆華東三省一市真空學(xué)術(shù)交流會論文集[C];2013年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前6條

1 王海豐;基于機(jī)器視覺的剖竹機(jī)加工目標(biāo)檢測算法研究[D];東北林業(yè)大學(xué);2015年

2 高永嬋;復(fù)雜場景下多通道陣列自適應(yīng)目標(biāo)檢測算法研究[D];西安電子科技大學(xué);2015年

3 王俊強(qiáng);圖像中人體目標(biāo)檢測算法研究[D];北京郵電大學(xué);2012年

4 郭明瑋;基于視覺記憶的目標(biāo)檢測算法：一個特征學(xué)習(xí)與特征聯(lián)想的過程[D];中國科學(xué)技術(shù)大學(xué);2014年

5 臧風(fēng)妮;智能視頻監(jiān)控中海面艦船目標(biāo)檢測算法研究[D];中國海洋大學(xué);2014年

6 陳偉;基于PSO的復(fù)雜工業(yè)環(huán)境視覺目標(biāo)檢測算法應(yīng)用研究[D];武漢科技大學(xué);2008年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 劉恒建;基于FPGA+DSP的運(yùn)動目標(biāo)檢測系統(tǒng)的設(shè)計與實現(xiàn)[D];南京理工大學(xué);2015年

2 賈建英;視頻序列中運(yùn)動目標(biāo)檢測算法研究[D];長安大學(xué);2015年

3 周亞運(yùn);基于TMS320DM642平臺的紅外運(yùn)動目標(biāo)檢測算法設(shè)計[D];南京理工大學(xué);2015年

4 姚丹;基于多光譜信息融合的弱小運(yùn)動目標(biāo)檢測技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2015年

5 劉培培;基于區(qū)域特征的運(yùn)動目標(biāo)檢測算法的研究與開發(fā)[D];廣西大學(xué);2015年

6 崔璇;天空背景下紅外小目標(biāo)檢測算法研究[D];陜西師范大學(xué);2015年

7 范肖肖;基于視覺注意機(jī)制的目標(biāo)檢測算法的研究[D];電子科技大學(xué);2015年

8 丁嬋;運(yùn)動目標(biāo)檢測算法在嵌入式平臺的研究[D];電子科技大學(xué);2015年

9 張冠雄;基于標(biāo)簽傳播的顯著性目標(biāo)檢測算法研究[D];大連理工大學(xué);2015年

10 李建波;視頻監(jiān)控中運(yùn)動目標(biāo)檢測算法的研究[D];哈爾濱工業(yè)大學(xué);2014年

  本文關(guān)鍵詞：視頻安防監(jiān)控系統(tǒng)的運(yùn)動目標(biāo)檢測算法研究與實現(xiàn)，由筆耕文化傳播整理發(fā)布。

本文編號：439777