本文關(guān)鍵詞：復(fù)雜背景下的運動目標(biāo)檢測與跟蹤

  更多相關(guān)文章： Markov隨機游走 旋轉(zhuǎn)不變局部二值模式 抗遮擋 K均值聚類 均值漂移 粒子濾波 運動目標(biāo)檢測 運動目標(biāo)跟蹤

【摘要】：現(xiàn)代社會發(fā)展迅猛,一些對社會有危害性的事件的發(fā)生概率成上升趨勢,然而采用單純的“警力”難以遏制事件的發(fā)生,因此智能視頻監(jiān)控的重要性也越來越突出。智能視頻監(jiān)控涉及的方面有圖像處理、計算機視覺、模式識別和人工智能等,是相當(dāng)有挑戰(zhàn)性的課題。智能視頻監(jiān)控是圖像處理和計算機視覺領(lǐng)域中非常重要的研究方向,其核心思想是對復(fù)雜背景中的運動目標(biāo)進行檢測與跟蹤,監(jiān)控目標(biāo)的活動情況,理解和描述目標(biāo)的行為。本文首先根據(jù)問題發(fā)生根源、影響范圍和持續(xù)時間長短三類對復(fù)雜背景進行劃分,其次對復(fù)雜背景下的運動目標(biāo)檢測與跟蹤進行了分析,最后圍繞著復(fù)雜背景這條主線,從為解決光照突變、局部擾動、相似背景、局部遮擋等不同復(fù)雜背景下的運動目標(biāo)檢測與跟蹤問題入手,開展運動目標(biāo)檢測與跟蹤方面的研究。本文的主要研究工作和創(chuàng)新點如下：(1)本文針對光照突變和局部擾動對運動目標(biāo)檢測的影響,設(shè)計了一種基于CH特征(Contrast histogram)的運動目標(biāo)檢測算法。該算法采用CH特征表示像素,用高斯混合模型來構(gòu)造CH特征的背景模型,首先初始化CH特征的背景模型,訓(xùn)練背景模型,最后提取前景。CH特征描述了相鄰像素之間的共生關(guān)系,因此當(dāng)整個圖像塊增加或減少相同的灰色值,CH特征對亮度信息變化不敏感,該方法在一定程度上減少了光照突變和局部擾動的影響。(2)本文針對局部擾動對高斯混合算法的影響,設(shè)計了一種基于Markov和高斯混合模型的運動目標(biāo)檢測算法。該算法首先構(gòu)建Markov隨機游走模型,使用BP算法求解權(quán)值,獲得邊緣特征,把該邊緣特征作為圖像的空間信息加入到傳統(tǒng)高斯混合模型中,然后通過形態(tài)學(xué)運算進一步強化空間信息的相關(guān)性。該算法對局部擾動適應(yīng)性較好。(3)本文針對光照突變和相似背景對Mean Shift跟蹤算法的影響,設(shè)計了一種基于旋轉(zhuǎn)不變LBP (local binary pattern)特征的Mean Shift跟蹤算法。首先計算目標(biāo)和候選目標(biāo)的旋轉(zhuǎn)不變LBP特征,然后通過在平面內(nèi)尋找位置y,使目標(biāo)與候選目標(biāo)在旋轉(zhuǎn)不變LBP特征空間內(nèi)取得最小距離,即取得相似度最大值。通過計算偏移向量獲取候選目標(biāo)偏移后的新位置,將新位置作為初始位置繼續(xù)進行迭代,構(gòu)成一個循環(huán)跟蹤框架。該算法增強了光照突變、相似背景下跟蹤算法的魯棒性。(4)本文針對局部遮擋對粒子濾波跟蹤算法的影響,設(shè)計了一種抗遮擋自適應(yīng)的粒子濾波跟蹤算法。該算法采用矩形作為跟蹤窗,在重采樣階段嵌入K均值聚類算法,完成粒子聚類,獲得粒子子群,然后根據(jù)粒子子群估算最終狀態(tài),并且修正跟蹤窗。當(dāng)面積St(i)變化超過5%時,跟蹤窗保持上一幀尺寸不變。否則跟蹤窗隨著運動目標(biāo)尺度變化而變化,實現(xiàn)自適應(yīng)。該算法提高了粒子的利用率,大幅度降低了復(fù)雜度,同時減輕了粒子濾波退化問題。該算法增強了局部遮擋和運動目標(biāo)尺度變化時跟蹤算法的魯棒性。
【關(guān)鍵詞】：Markov隨機游走 旋轉(zhuǎn)不變局部二值模式 抗遮擋 K均值聚類 均值漂移 粒子濾波 運動目標(biāo)檢測 運動目標(biāo)跟蹤
【學(xué)位授予單位】：合肥工業(yè)大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2015
【分類號】：TP391.41
【目錄】：

• 致謝9-10
• 摘要10-12
• ABSTRACT12-19
• 第一章 緒論19-35
• 1.1 選題的背景和意義19-20
• 1.2 復(fù)雜背景及其對運動目標(biāo)檢測與跟蹤的影響20-24
• 1.3 復(fù)雜背景下的運動目標(biāo)檢測與跟蹤的研究現(xiàn)狀24-31
• 1.3.1 運動目標(biāo)檢測24-28
• 1.3.2 運動目標(biāo)跟蹤28-31
• 1.4 論文創(chuàng)新點和結(jié)構(gòu)安排31-34
• 1.4.1 研究內(nèi)容和創(chuàng)新點31-32
• 1.4.2 本文的結(jié)構(gòu)安排32-34
• 1.5 本章小結(jié)34-35
• 第二章 基于CH特征的運動目標(biāo)檢測算法35-45
• 2.1 相關(guān)工作介紹35-36
• 2.2 算法整體思路36-40
• 2.2.1 CH特征的計算及有效性分析36-38
• 2.2.2 背景模型定義38-39
• 2.2.3 背景模型初始化39
• 2.2.4 訓(xùn)練背景模型39-40
• 2.2.5 提取前景40
• 2.3 實驗結(jié)果與分析40-43
• 2.4 本章小結(jié)43-45
• 第三章 基于MARKOV和高斯混合模型的運動目標(biāo)檢測算法45-59
• 3.1 相關(guān)工作介紹45
• 3.2 相關(guān)概念介紹45-47
• 3.2.1 馬爾可夫隨機游走45-47
• 3.2.2 高斯混合算法47
• 3.3 算法整體思路47-54
• 3.3.1 Markov隨機游走提取邊緣47-52
• 3.3.2 運動目標(biāo)檢測與形態(tài)學(xué)處理52-54
• 3.4 實驗結(jié)果與分析54-57
• 3.5 本章小結(jié)57-59
• 第四章 基于旋轉(zhuǎn)不變LBP特征的MEAN SHIFT跟蹤算法59-75
• 4.1 相關(guān)工作介紹59-60
• 4.2 MEAN SHIFT算法60-63
• 4.2.1 非參數(shù)核密度估計60-61
• 4.2.2 密度梯度估計61-62
• 4.2.3 Mean Shift算法原理62-63
• 4.3 算法整體思路63-68
• 4.3.1 算法描述64
• 4.3.2 提取目標(biāo)特征64-66
• 4.3.3 相似度計算66-67
• 4.3.4 運動目標(biāo)定位67-68
• 4.4 實驗結(jié)果與分析68-73
• 4.5 本章小結(jié)73-75
• 第五章 抗遮擋自適應(yīng)的粒子濾波算法75-89
• 5.1 相關(guān)工作介紹75-76
• 5.2 粒子濾波相關(guān)算法研究76-79
• 5.2.1 粒子濾波算法原理76-77
• 5.2.2 粒子濾波算法的模塊化分析77-79
• 5.3 算法整體思路79-83
• 5.3.1 算法具體步驟80
• 5.3.2 粒子權(quán)重計算80-81
• 5.3.3 K均值聚類(KM)重采樣81-82
• 5.3.4 跟蹤窗修正82-83
• 5.4 實驗結(jié)果與分析83-87
• 5.5 本章小結(jié)87-89
• 第六章 總結(jié)與展望89-93
• 6.1 論文工作總結(jié)89-90
• 6.2 未來工作展望90-93
• 參考文獻93-104
• 個人簡歷104-105
• 攻讀博士學(xué)位期間的學(xué)術(shù)活動及成果情況105-106

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 陸必應(yīng);梁甸農(nóng);;天基稀疏陣運動目標(biāo)檢測模糊[J];系統(tǒng)工程與電子技術(shù);2007年08期

2 彭書娟;馬德寶;;一種基于分?jǐn)?shù)階Fourier變換的改進星載SAR動目標(biāo)檢測方法[J];信息工程大學(xué)學(xué)報;2008年04期

3 王芳;魏浩;朱飛燕;;動目標(biāo)檢測信號處理器的研究與設(shè)計[J];科技資訊;2009年08期

4 李真芳,保錚,王彤,廖桂生;基于實測數(shù)據(jù)的地面慢速動目標(biāo)檢測[J];電子學(xué)報;2003年09期

5 康猛;王春花;趙磊;丁琳琳;;一種新的球載雷達運動目標(biāo)檢測方法[J];信息化研究;2010年06期

6 許睿鵬;仇曉蘭;胡東輝;丁赤飚;;一種基于散焦偏移差的全帶寬機載SAR動目標(biāo)檢測方法[J];電子與信息學(xué)報;2010年10期

7 張春城,周正歐;淺地層探地雷達自動目標(biāo)檢測與定位研究[J];電子與信息學(xué)報;2005年07期

8 王力寶;許稼;粘永健;皇甫堪;彭應(yīng)寧;;基于空時等效采樣復(fù)用的星載SAR寬域運動目標(biāo)檢測與成像[J];信號處理;2009年12期

9 李濤;鐘志峰;黃堅;;一種新的雷達動目標(biāo)檢測方法[J];微型機與應(yīng)用;2012年17期

10 劉飛;王新洲;張鵬林;;基于聚類分析的運動目標(biāo)檢測與分割算法及實現(xiàn)[J];測繪信息與工程;2005年06期

中國重要會議論文全文數(shù)據(jù)庫 前8條

1 王新勇;梁國龍;惠俊英;郭龍祥;;寬帶多頻動目標(biāo)檢測的仿真研究[A];2001年全國水聲學(xué)學(xué)術(shù)會議論文集[C];2001年

2 王磊;;雙置條件下運動目標(biāo)檢測方法[A];2008年全國聲學(xué)學(xué)術(shù)會議論文集[C];2008年

3 祁亞斌;周軍紅;;基于二維最大熵的運動目標(biāo)檢測[A];計算機技術(shù)與應(yīng)用進展·2007——全國第18屆計算機技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會議論文集[C];2007年

4 穆文爭;張曉玲;;一種新的多通道SAR運動目標(biāo)檢測方法[A];2007北京地區(qū)高校研究生學(xué)術(shù)交流會通信與信息技術(shù)會議論文集（上冊）[C];2008年

5 王宏群;方帥;高明;;基于抑制光強變化影響的運動目標(biāo)檢測[A];第十四屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2008年

6 唐勇;張桂林;李利榮;;基于光流的運動目標(biāo)檢測方法研究[A];全國冶金自動化信息網(wǎng)年會論文集[C];2004年

7 郭銳;王建國;;基于特征分解的多通道SAR運動目標(biāo)檢測[A];2006北京地區(qū)高校研究生學(xué)術(shù)交流會——通信與信息技術(shù)會議論文集（上）[C];2006年

8 王睿;國智;王鳳宇;;利用動態(tài)參數(shù)檢測紅外動目標(biāo)的算法研究[A];中國儀器儀表學(xué)會第九屆青年學(xué)術(shù)會議論文集[C];2007年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 鄭明潔;合成孔徑雷達動目標(biāo)檢測和成像研究[D];中國科學(xué)院研究生院（電子學(xué)研究所）;2003年

2 危嵩;機載合成孔徑雷達動目標(biāo)檢測與成像研究[D];華中科技大學(xué);2005年

3 王東升;視頻運動目標(biāo)檢測及其實時處理系統(tǒng)研究[D];電子科技大學(xué);2004年

4 寧蔚;機載/星載雷達地面動目標(biāo)檢測方法研究[D];西安電子科技大學(xué);2005年

5 潘翔;運動目標(biāo)檢測[D];浙江大學(xué);2003年

6 張立峰;動目標(biāo)檢測、成像與參數(shù)估計方法研究[D];西安電子科技大學(xué);2013年

7 張云;高分辨SAR運動目標(biāo)檢測與成像若干技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2010年

8 許京偉;頻率分集陣列雷達運動目標(biāo)檢測方法研究[D];西安電子科技大學(xué);2015年

9 孟祥東;空時二維自適應(yīng)信號處理與動目標(biāo)檢測[D];西安電子科技大學(xué);2009年

10 王歡;運動目標(biāo)檢測與跟蹤技術(shù)研究[D];南京理工大學(xué);2009年

，

本文編號：1070485