本文關(guān)鍵詞：基于教室錄播系統(tǒng)的目標跟蹤技術(shù)研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著現(xiàn)代社會經(jīng)濟的快速發(fā)展,基于視頻內(nèi)容分析的視頻監(jiān)控等自動化系統(tǒng)在安防、教育、人工智能等各個產(chǎn)業(yè)領(lǐng)域都發(fā)揮著越來越重要的作用。錄播系統(tǒng)作為傳統(tǒng)教育行業(yè)的輔助教學系統(tǒng),在課堂錄播應(yīng)用的方向上,扮演越來越重要的角色。但是傳統(tǒng)的錄播系統(tǒng)仍然停留在人工干預(yù)控制的階段。作為智能視頻分析中一個非常重要的方向,視覺目標檢測和跟蹤也得到了迅速的發(fā)展。在目標檢測和跟蹤算法的輔助下,傳統(tǒng)的錄播系統(tǒng)能夠借助多攝像頭下的視覺目標檢測的聯(lián)合事件分析,完成自動化課堂錄播控制的任務(wù),為教師教學提供了智能和便利的錄播服務(wù)。本文在總結(jié)分析了現(xiàn)有行人目標檢測算法的基礎(chǔ)上,針對錄播系統(tǒng)的學生檢測模塊,實現(xiàn)了一種結(jié)合幀間差和背景建模的多相機學生檢測方法。而針對教師檢測的算法部分,則提出了一種基于邊緣分級的CENTRIST行人檢測方法。并結(jié)合錄播系統(tǒng)的學生定位和教師定位模塊的需求,將算法應(yīng)用到實際系統(tǒng)中。針對靜態(tài)背景下的學生檢測模塊,考慮靜態(tài)背景檢測中光流法的算法復(fù)雜性,幀間差分法的不穩(wěn)定性,和背景差法的低魯棒性等缺點,實現(xiàn)了一種多相機環(huán)境下的結(jié)合幀差的背景建模算法,采用了圖像腐蝕膨脹技術(shù)去除實際環(huán)境的圖像噪點,并加入了動態(tài)背景更新,在保持幀差算法的算法效率的基礎(chǔ)上,讓背景建模算法自適應(yīng)更新背景模型。針對動態(tài)背景下的教師檢測模塊,本文深入總結(jié)目標檢測中各類行人特征描述算子,對HOG、CENTRIST等邊緣輪廓特征進行了深入的學習和性能對比。針對CENTRIST檢測算子抗噪能力的不足,提出了一種結(jié)合邊緣分級的行人檢測方法。該方法更加深入地刻畫了輪廓信息在行人檢測中的重要作用。利用邊緣分級提取目標主要外部輪廓,并且去除了背景環(huán)境和目標內(nèi)部不必要的局部紋理,提升了SVM分類器分類性能和背景魯棒性。該算法還結(jié)合錄播系統(tǒng)的實際應(yīng)用場景,提出了結(jié)合運動區(qū)域的行人檢測算法,很好地彌補了算法的漏檢和誤檢情況。最后結(jié)合課堂錄播系統(tǒng)的實際應(yīng)用需求,研究基于TMS320DM8168嵌入式平臺和Linux服務(wù)器平臺的系統(tǒng)設(shè)計、軟硬件架構(gòu)。并將學生檢測算法和教師檢測算法應(yīng)用到實際嵌入式平臺中進行驗證和優(yōu)化,建立多核心卡協(xié)同合作、Linux服務(wù)器為邏輯控制核心的客戶機-主機工作模式,實現(xiàn)了課程錄播系統(tǒng)功能自動化的需求。
【關(guān)鍵詞】：錄播系統(tǒng) 行人目標檢測 背景差法 CENTRIT特征 邊緣分級
【學位授予單位】：上海交通大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TP391.41
【目錄】：

• 摘要3-5
• ABSTRACT5-9
• 第一章 緒論9-15
• 1.1 選題背景和意義9-11
• 1.1.1 視頻監(jiān)控和目標檢測的背景和意義9-10
• 1.1.2 基于課堂錄播系統(tǒng)智能視頻的背景和意義10-11
• 1.2 研究內(nèi)容11-12
• 1.3 章節(jié)安排12-15
• 第二章 基于室內(nèi)課程錄播系統(tǒng)的目標檢測跟蹤算法綜述15-25
• 2.1 室內(nèi)課程錄播系統(tǒng)結(jié)構(gòu)概述15-16
• 2.2 基于靜態(tài)背景的目標檢測算法16-20
• 2.2.1 背景差法17-18
• 2.2.2 幀間差分法18
• 2.2.3 光流法18-19
• 2.2.4 靜態(tài)背景算法比較19-20
• 2.3 基于動態(tài)背景的目標檢測算法20-23
• 2.3.1 基于全局運動補償?shù)哪繕藱z測20
• 2.3.2 基于特征點匹配的參數(shù)估計20-22
• 2.3.3 基于統(tǒng)計學習的目標檢測22-23
• 2.4 本章小結(jié)23-25
• 第三章 基于室內(nèi)課程錄播系統(tǒng)的目標檢測跟蹤算法研究25-51
• 3.1 引言25-26
• 3.2 基于背景建模的學生檢測算法26-30
• 3.2.1 幀差背景建模算法框架26-27
• 3.2.2 圖像腐蝕膨脹技術(shù)的應(yīng)用27-29
• 3.2.3 運動區(qū)域掃描29-30
• 3.3 基于CENTRIST特征的教師檢測算法30-41
• 3.3.1 基于局部紋理的CENTRIST[44]特征提取31-34
• 3.3.2 離線SVM[36]分類器訓練與檢測34-39
• 3.3.3 實驗結(jié)果與分析39-41
• 3.4 結(jié)合邊緣分級的目標檢測算法41-50
• 3.4.1 多尺度邊緣分級技術(shù)41-44
• 3.4.2 結(jié)合邊緣分級技術(shù)的CENTRIST檢測算法44-46
• 3.4.3 實驗結(jié)果與分析46-50
• 3.5 本章小結(jié)50-51
• 第四章 室內(nèi)課程錄播系統(tǒng)設(shè)計與實現(xiàn)51-67
• 4.1 引言51-52
• 4.1.1 系統(tǒng)背景51
• 4.1.2 技術(shù)指標51-52
• 4.2 系統(tǒng)設(shè)計與實現(xiàn)52-53
• 4.2.1 系統(tǒng)平臺選擇52-53
• 4.2.2 系統(tǒng)硬件結(jié)構(gòu)53
• 4.3 錄播系統(tǒng)模塊結(jié)構(gòu)53-60
• 4.3.1 核心卡功能模塊54-57
• 4.3.2 主機功能模塊57-60
• 4.4 結(jié)合運動區(qū)域的目標檢測算法60-62
• 4.4.1 結(jié)合運動區(qū)域的檢測算法框架60-61
• 4.4.2 實際場景效果61-62
• 4.5 基于嵌入式平臺的算法優(yōu)化62-64
• 4.5.1 基于DSP的算法移植62-63
• 4.5.2 教師檢測算法優(yōu)化63-64
• 4.6 錄播系統(tǒng)場景演示64-66
• 4.7 本章小結(jié)66-67
• 第五章 總結(jié)與展望67-69
• 5.1 總結(jié)67-68
• 5.2 展望68-69
• 參考文獻69-73
• 致謝73-75
• 攻讀碩士學位期間已發(fā)表或錄用的論文75-77

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前3條

1 宋建功;張冀中;;課程錄播系統(tǒng)的研究與應(yīng)用[J];現(xiàn)代教育技術(shù);2010年08期

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

3 鄧文新;;錄播系統(tǒng)在精品課程教學錄像制作中的應(yīng)用研究[J];中國電化教育;2008年05期

  本文關(guān)鍵詞：基于教室錄播系統(tǒng)的目標跟蹤技術(shù)研究，由筆耕文化傳播整理發(fā)布。

本文編號：331883