發(fā)布時(shí)間：2017-09-06 16:39

  本文關(guān)鍵詞：基于機(jī)器學(xué)習(xí)的運(yùn)動(dòng)目標(biāo)識(shí)別與跟蹤技術(shù)研究

  更多相關(guān)文章： 碼本算法 三幀差分法 HOG特征 SVM 并行協(xié)同化

【摘要】：智能視頻監(jiān)控技術(shù)是當(dāng)今熱門研究方向,廣泛應(yīng)用在交通視頻監(jiān)控、航天航空、機(jī)器人視覺、醫(yī)學(xué)圖像等諸多領(lǐng)域。很多學(xué)者對(duì)此課題研究已經(jīng)做出大量的成果,但在實(shí)際應(yīng)用中仍有一些問題有待解決。本文基于運(yùn)動(dòng)目標(biāo)識(shí)別和跟蹤技術(shù)展開研究,目的是實(shí)現(xiàn)更有實(shí)際應(yīng)用意義和經(jīng)濟(jì)價(jià)值的智能視頻監(jiān)控系統(tǒng)。本文的主要目標(biāo)在于實(shí)現(xiàn)復(fù)雜背景下抗干擾抗遮擋的特定運(yùn)動(dòng)目標(biāo)自動(dòng)檢測(cè)與實(shí)時(shí)跟蹤一體化,首先通過目標(biāo)檢測(cè)算法提取運(yùn)動(dòng)目標(biāo),再用機(jī)器學(xué)習(xí)對(duì)目標(biāo)進(jìn)行識(shí)別,最后利用并行協(xié)同工作策略進(jìn)行實(shí)時(shí)跟蹤。主要包括三個(gè)方面的工作:運(yùn)動(dòng)目標(biāo)檢測(cè)方面,通過比較傳統(tǒng)算法,提出一種基于碼本算法和三幀差分法相結(jié)合的運(yùn)動(dòng)目標(biāo)檢測(cè)算法,利用碼本算法對(duì)背景圖像進(jìn)行學(xué)習(xí),再利用三幀差分法對(duì)視頻圖像進(jìn)行目標(biāo)提取,并采用Log邊緣檢測(cè)和連通域填充得到目標(biāo)前景,將碼本算法得到的目標(biāo)前景與該前景對(duì)象進(jìn)行邏輯“與”運(yùn)算,得到前景運(yùn)動(dòng)目標(biāo)。該方法可以完整高效地從復(fù)雜背景中提取出運(yùn)動(dòng)目標(biāo),優(yōu)化了運(yùn)動(dòng)目標(biāo)檢測(cè)的可靠性和準(zhǔn)確度。運(yùn)動(dòng)目標(biāo)識(shí)別方面,采用基于梯度方向直方圖特征和支持向量機(jī)的行人和車輛分類識(shí)別方法。首先采集兩類樣本集,分別提取兩類樣本的Hog特征對(duì)SVM分類器進(jìn)行訓(xùn)練,SVM通過對(duì)樣本的學(xué)習(xí)找到特征向量樣本中的支持向量,建立最優(yōu)分類超平面。再將上述運(yùn)動(dòng)目標(biāo)檢測(cè)后得到的感興趣區(qū)域作為測(cè)試樣本,并提取它的Hog特征輸入SVM,得到最終分類結(jié)果。運(yùn)動(dòng)目標(biāo)跟蹤方面,討論了幾種傳統(tǒng)跟蹤方法的基本原理,采用檢測(cè)與跟蹤并行協(xié)同化工作策略,將檢測(cè)與跟蹤分為兩個(gè)線程同時(shí)進(jìn)行,在感知節(jié)點(diǎn)處進(jìn)行數(shù)據(jù)傳輸,定時(shí)檢測(cè)得到的目標(biāo)信息傳送給跟蹤線程進(jìn)行實(shí)時(shí)跟蹤,定時(shí)的檢測(cè)用來不斷校正目標(biāo)以防遮擋及跟丟情況,最終實(shí)現(xiàn)了運(yùn)動(dòng)目標(biāo)自動(dòng)捕獲并實(shí)時(shí)跟蹤一體化。
【關(guān)鍵詞】：碼本算法 三幀差分法 HOG特征 SVM 并行協(xié)同化
【學(xué)位授予單位】：中國(guó)科學(xué)院長(zhǎng)春光學(xué)精密機(jī)械與物理研究所
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP391.41;TP181
【目錄】：

• 摘要5-7
• Abstract7-11
• 第1章 緒論11-17
• 1.1 課題研究背景及意義11-12
• 1.2 運(yùn)動(dòng)目標(biāo)檢測(cè)研究現(xiàn)狀12-14
• 1.3 運(yùn)動(dòng)目標(biāo)跟蹤研究現(xiàn)狀14-15
• 1.4 本文的研究?jī)?nèi)容和工作安排15-17
• 第2章 基于碼本算法和三幀差分的運(yùn)動(dòng)目標(biāo)檢測(cè)17-31
• 2.1 運(yùn)動(dòng)目標(biāo)的基本檢測(cè)算法17-22
• 2.1.1 幀間差分法18-19
• 2.1.2 混合高斯背景建模19-20
• 2.1.3 碼本算法20-22
• 2.2 融合碼本算法和三幀差分法的檢測(cè)算法22-27
• 2.2.1 三幀差分法23-25
• 2.2.2 邊緣檢測(cè)及連通域填充25-26
• 2.2.3 獲取二值圖像26-27
• 2.3 數(shù)學(xué)形態(tài)學(xué)處理27
• 2.4 實(shí)驗(yàn)結(jié)果與算法評(píng)價(jià)27-31
• 第3章 基于HOG特征和SVM分類的目標(biāo)識(shí)別31-47
• 3.1 支持向量機(jī)介紹31-35
• 3.1.1 支持向量機(jī)基本原理31-34
• 3.1.2 支持向量機(jī)核函數(shù)34-35
• 3.1.3 支持向量機(jī)的特點(diǎn)35
• 3.2 基于HOG特征和SVM的對(duì)象分類識(shí)別35-42
• 3.2.1 正、負(fù)樣本制作36-38
• 3.2.2 HOG特征提取38-41
• 3.2.3 實(shí)現(xiàn)車輛與行人的分類識(shí)別41-42
• 3.3 實(shí)驗(yàn)結(jié)果與分析42-47
• 第4章 檢測(cè)與跟蹤并行工作策略47-63
• 4.1 運(yùn)動(dòng)目標(biāo)跟蹤算法47-57
• 4.1.1 卡爾曼濾波跟蹤算法47-49
• 4.1.2 Mean shift目標(biāo)跟蹤算法49-53
• 4.1.3 粒子濾波目標(biāo)跟蹤算法53-55
• 4.1.4 跟蹤算法實(shí)驗(yàn)結(jié)果比較55-57
• 4.2 運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤并行協(xié)同化57-59
• 4.3 實(shí)驗(yàn)結(jié)果與分析59-63
• 第5章 總結(jié)與展望63-65
• 5.1 論文工作總結(jié)63-64
• 5.2 未來工作展望64-65
• 參考文獻(xiàn)65-71
• 在學(xué)期間學(xué)術(shù)成果情況71-73
• 指導(dǎo)教師及作者簡(jiǎn)介73-75
• 致謝75

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫 前10條

1 武瑛;;形態(tài)學(xué)圖像處理的應(yīng)用[J];計(jì)算機(jī)與現(xiàn)代化;2013年05期

2 程如中;趙勇;王執(zhí)中;許家堯;王新安;;實(shí)時(shí)行人檢測(cè)預(yù)警系統(tǒng)[J];交通運(yùn)輸工程學(xué)報(bào);2012年05期

3 解文華;肖進(jìn)勝;易本順;張亞琪;李明;;一種基于Mean Shift和C-V模型的車輛跟蹤算法[J];湖南大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年07期

4 張文;李榕;朱建武;;基于混合高斯模型與三幀差分的目標(biāo)檢測(cè)算法[J];現(xiàn)代電子技術(shù);2012年08期

5 溪海燕;肖志濤;張芳;;基于線性SVM的車輛前方行人檢測(cè)方法[J];天津工業(yè)大學(xué)學(xué)報(bào);2012年01期

6 郭春生;王盼;;一種基于碼本模型的運(yùn)動(dòng)目標(biāo)檢測(cè)算法[J];中國(guó)圖象圖形學(xué)報(bào);2010年07期

7 許宏;;基于圖像差分的關(guān)鍵幀檢測(cè)技術(shù)[J];計(jì)算機(jī)工程與設(shè)計(jì);2010年12期

8 康曉晶;吳謹(jǐn);;基于高斯背景建模的目標(biāo)檢測(cè)技術(shù)[J];液晶與顯示;2010年03期

9 熊亮;劉偉銘;;基于背景Codebook模型的前景檢測(cè)算法[J];科學(xué)技術(shù)與工程;2010年09期

10 楊靖宇;張永生;于美嬌;紀(jì)松;;基于小波變換多分辨率分析特性的遙感影像動(dòng)態(tài)重構(gòu)的金字塔模型[J];測(cè)繪科學(xué);2007年05期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 解曉萌;復(fù)雜背景下運(yùn)動(dòng)目標(biāo)檢測(cè)和識(shí)別關(guān)鍵技術(shù)研究[D];華南理工大學(xué);2012年

2 江焯林;基于計(jì)算機(jī)視覺的人體動(dòng)作檢測(cè)和識(shí)別方法研究[D];華南理工大學(xué);2010年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 孟祥怡;運(yùn)動(dòng)目標(biāo)的跟蹤與識(shí)別算法研究[D];吉林大學(xué);2014年

2 蘇建林;監(jiān)控視頻目標(biāo)跟蹤算法及應(yīng)用系統(tǒng)實(shí)現(xiàn)研究[D];浙江大學(xué);2013年

，

本文編號(hào)：804252