本文選題：視頻監(jiān)控技術(shù)　切入點(diǎn)：目標(biāo)檢測(cè)　出處：《安徽工程大學(xué)》2017年碩士論文

【摘要】：智能視頻監(jiān)控技術(shù)是一門將圖像處理技術(shù)、模式識(shí)別技術(shù)、電子傳感器技術(shù)、計(jì)算機(jī)數(shù)據(jù)挖掘分析技術(shù)相結(jié)合的綜合性技術(shù)。飛速發(fā)展的社會(huì)經(jīng)濟(jì),給智能視頻監(jiān)控技術(shù)在智能安防、智能交通、智能旅游、城市管理與規(guī)劃方面提供了廣闊的應(yīng)用前景。因此,開展智能視頻監(jiān)控技術(shù)理論與方法的研究,具有重大的現(xiàn)實(shí)意義和科學(xué)價(jià)值。就智能視頻監(jiān)控技術(shù)而言,運(yùn)動(dòng)目標(biāo)檢測(cè)與目標(biāo)追蹤是兩個(gè)主要研究的方面,是保證視頻監(jiān)控系統(tǒng)獲得準(zhǔn)確、有效信息的重要前提。目前,這方面的研究引起了國(guó)內(nèi)外眾多專家與學(xué)者的廣泛關(guān)注,成為當(dāng)下的研究熱點(diǎn)。本文根據(jù)目前智能視頻的發(fā)展趨勢(shì),針對(duì)目標(biāo)檢測(cè)與目標(biāo)追蹤的理論與算法展開一定的工作與研究,論文主要完成工作與創(chuàng)新點(diǎn):1.關(guān)于目標(biāo)檢測(cè)方面的內(nèi)容,本文主要分析了 SIFT、SURF算法在特征點(diǎn)提取、描述子生成、特征匹配方面的具體過程,并通過MATLAB仿真軟件模擬在光照、扭曲變形、噪聲干擾情況下,兩種特征點(diǎn)匹配算法的匹配效果。2.闡述了壓縮感知理論知識(shí),通過稀疏信號(hào)表示、測(cè)量矩陣選擇、信號(hào)重構(gòu)算法三個(gè)方面內(nèi)容進(jìn)行分析。3.研究一種融合SURF特征的壓縮追蹤算法,該算法在壓縮追蹤算法的基礎(chǔ)上進(jìn)行改進(jìn)。采用SURF算法求得前后兩幀中目標(biāo)特征點(diǎn)的匹配關(guān)系,求解追蹤目標(biāo)尺寸變化,自適應(yīng)調(diào)整目標(biāo)模板大小。利用壓縮追蹤算法對(duì)目標(biāo)進(jìn)行壓縮后追蹤,在壓縮追蹤算法自適應(yīng)更新目標(biāo)外觀模型的基礎(chǔ)上,增加誤更新外觀模型判斷機(jī)制,解決追蹤過程中嚴(yán)重遮擋和扭曲變形問題。4.研究一種魯棒的時(shí)空上下文算法,該算法針對(duì)時(shí)空上下文在遮擋情況下的不足進(jìn)行優(yōu)化。在目標(biāo)檢測(cè)階段,采用SIFT算法對(duì)目標(biāo)進(jìn)行初步定位,減少前期搜索的時(shí)間和搜索范圍。在目標(biāo)追蹤階段,采用時(shí)空上下文算法的思想,利用目標(biāo)周圍的時(shí)空信息輔助追蹤。當(dāng)遭遇嚴(yán)重遮擋的情況下,不再采用時(shí)空上下文算法,改用卡爾曼濾波算法對(duì)目標(biāo)進(jìn)行預(yù)測(cè)。
[Abstract]:Intelligent video surveillance technology is a comprehensive technology which combines image processing technology, pattern recognition technology, electronic sensor technology and computer data mining technology. It provides a broad application prospect for intelligent video surveillance technology in intelligent security, intelligent transportation, intelligent tourism, urban management and planning. As far as intelligent video surveillance technology is concerned, moving target detection and target tracking are two main aspects of research, which is an important prerequisite to ensure the video surveillance system to obtain accurate and effective information. The research in this field has attracted the extensive attention of many experts and scholars at home and abroad, and has become the current research hotspot. Aiming at the theory and algorithm of target detection and target tracking, the thesis mainly completes the work and the innovation point: 1. About the content of target detection, this paper mainly analyzes the SIFT SURF algorithm in feature point extraction and descriptor generation. This paper simulates the matching effect of two feature point matching algorithms in the case of illumination, distortion and noise interference by MATLAB simulation software. 2. The theory of compressed perception is described, and the sparse signal representation is presented. The measurement matrix selection and signal reconstruction algorithm are analyzed. 3. A compression tracking algorithm based on SURF features is studied. The algorithm is improved on the basis of compression tracking algorithm. SURF algorithm is used to obtain the matching relation between the target feature points in the two frames before and after, and the change of the target size is solved. The target template size is adjusted adaptively. The compression tracking algorithm is used to track the target after compression. On the basis of the compression tracking algorithm to update the object appearance model adaptively, the judgment mechanism of the false update appearance model is added. To solve the problem of severe occlusion and distortion in tracking process. 4. A robust spatio-temporal context algorithm is studied, which is optimized for the lack of occlusion in spatio-temporal context. The SIFT algorithm is used to locate the target in order to reduce the time and scope of the previous search. In the phase of target tracking, the idea of spatio-temporal context algorithm is used. In the case of severe occlusion, the spatio-temporal context algorithm is no longer used and the Kalman filter algorithm is used to predict the target.
【學(xué)位授予單位】：安徽工程大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 趙洲;黃攀峰;陳路;;一種融合卡爾曼濾波的改進(jìn)時(shí)空上下文跟蹤算法[J];航空學(xué)報(bào);2017年02期

2 尹宏鵬;陳波;柴毅;劉兆棟;;基于視覺的目標(biāo)檢測(cè)與跟蹤綜述[J];自動(dòng)化學(xué)報(bào);2016年10期

3 張紅穎;鄭軒;;基于雙目標(biāo)模型的時(shí)空上下文跟蹤算法[J];光學(xué)精密工程;2016年05期

4 劉振興;范新南;李敏;;融合SURF特征的改進(jìn)自適應(yīng)分塊目標(biāo)跟蹤算法[J];計(jì)算機(jī)工程與設(shè)計(jì);2016年02期

5 劉威;趙文杰;李成;;時(shí)空上下文學(xué)習(xí)長(zhǎng)時(shí)目標(biāo)跟蹤[J];光學(xué)學(xué)報(bào);2016年01期

6 李俊;謝維信;李良群;;基于空時(shí)線索的TLD視頻跟蹤算法[J];信號(hào)處理;2015年10期

7 徐建強(qiáng);陸耀;;一種基于加權(quán)時(shí)空上下文的魯棒視覺跟蹤算法[J];自動(dòng)化學(xué)報(bào);2015年11期

8 呂枘蓬;蔡肖芋;董亮;涂繼輝;;基于TLD框架的上下文目標(biāo)跟蹤算法[J];電視技術(shù);2015年09期

9 錢凱;陳秀宏;孫百偉;;一種魯棒的時(shí)空上下文快速跟蹤算法[J];計(jì)算機(jī)工程與應(yīng)用;2016年12期

10 鐘權(quán);周進(jìn);崔雄文;;融合SIFT特征的壓縮跟蹤算法[J];光電工程;2015年02期

相關(guān)博士學(xué)位論文 前2條

1 張雷;復(fù)雜場(chǎng)景下實(shí)時(shí)目標(biāo)跟蹤算法及實(shí)現(xiàn)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);2016年

2 屈鑒銘;智能視頻監(jiān)控中的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤技術(shù)研究[D];西安電子科技大學(xué);2015年

相關(guān)碩士學(xué)位論文 前4條

1 章盛;圖像拼接算法的優(yōu)化及漫游系統(tǒng)的研究[D];安徽工程大學(xué);2016年

2 吳偉;基于壓縮感知理論的全息顯示研究[D];安徽工程大學(xué);2015年

3 曲瑾;基于角點(diǎn)檢測(cè)的目標(biāo)跟蹤算法研究與應(yīng)用[D];哈爾濱工業(yè)大學(xué);2015年

4 駱勇;復(fù)雜場(chǎng)景下的運(yùn)動(dòng)目標(biāo)檢測(cè)關(guān)鍵技術(shù)研究[D];上海交通大學(xué);2012年

，

本文編號(hào)：1672809