本文關(guān)鍵詞：面向智能監(jiān)控的運動目標(biāo)檢測和分類方法的研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：近些年,隨著圖像采集技術(shù)的發(fā)展,城市安裝越來越多的監(jiān)控攝像頭,以便有效的監(jiān)控違法犯罪行為,從而確保經(jīng)濟建設(shè)的順利進行,維護社會安定。然而按照傳統(tǒng)的人工排查、監(jiān)控的方式,海量的監(jiān)控視頻將消耗大量的人力和物力,而且一旦人工疲勞等疏漏關(guān)鍵視頻幀,將會造成嚴(yán)重的后果。鑒于傳統(tǒng)方式的弊端,基于計算機視覺的智能監(jiān)控系統(tǒng)被越來越多地應(yīng)用,其中運動目標(biāo)檢測和分類是智能監(jiān)控系統(tǒng)的重要組成部分。本文主要針對運動目標(biāo)檢測和目標(biāo)分類進行研究,結(jié)合各個算法的特點和實際情況,提出有效的整體方法,取得了較好的實驗結(jié)果。本文的具體成果如下：本文提出基于運動目標(biāo)檢測和Binarized Normed Gradients(二值化梯度范數(shù),BING)相結(jié)合的運動目標(biāo)檢測方法。本文首先從監(jiān)控視頻流中,利用混合高斯模型的方法獲得運動目標(biāo)區(qū)域；由于噪聲的影響,導(dǎo)致運動目標(biāo)區(qū)域含有大量噪聲,而經(jīng)過簡單的形態(tài)學(xué)處理方法處理,便可得到干凈的運動目標(biāo)區(qū)域。為了方便后續(xù)的處理(目標(biāo)跟蹤、目標(biāo)分類等),目標(biāo)檢測應(yīng)輸出包含運動目標(biāo)區(qū)域的最小矩形框。但由于陰影等影響,造成多個目標(biāo)相連、或者矩形框過大等現(xiàn)象,從而影響后續(xù)處理的準(zhǔn)確性。而基于BING的目標(biāo)檢測方法能夠有效地避免上述弊端,在300幀每秒的速度下,獲得含有前景目標(biāo)的最小矩形框。最后將二者的結(jié)果相結(jié)合,獲得運動目標(biāo)矩形區(qū)域。本文還提出基于卷積神經(jīng)網(wǎng)絡(luò)的運動目標(biāo)分類方法。目前,業(yè)內(nèi)沒有一個專門關(guān)于運動目標(biāo)的數(shù)據(jù)庫,所以本文首先以嚴(yán)格的標(biāo)準(zhǔn),建立了一個運動目標(biāo)數(shù)據(jù)庫,并以機動車、非機動車和行人3類標(biāo)簽標(biāo)注,57836張訓(xùn)練樣本和4827張測試樣本。由于運動目標(biāo)圖像分辨低,本文分別設(shè)計3層和5層的卷積神經(jīng)網(wǎng)絡(luò)。由于背景變化經(jīng)常導(dǎo)致運動目標(biāo)不清晰,本文采用直方圖均衡化對圖像進行預(yù)處理,在測試集上,mAP(平均識別率)可提高1%。在我國,運動目標(biāo)每一類的形態(tài)多樣,特別是非機動車,本文采用不平衡樣本策略進行訓(xùn)練,實驗中mAP最高可提高8%。最后,通過多模型融合的方法,將兩種模型進行融合,取得了更高的識別率,在3層卷積層的情況下,最高可達96%。
【關(guān)鍵詞】：運動目標(biāo)檢測 運動目標(biāo)分類 BING 卷積神經(jīng)網(wǎng)絡(luò)
【學(xué)位授予單位】：北京交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.41
【目錄】：

• 致謝5-6
• 摘要6-7
• ABSTRACT7-9
• 序言9-12
• 1 引言12-26
• 1.1 課題研究背景與研究意義12-13
• 1.2 課題研究現(xiàn)狀及難點13-24
• 1.2.1 運動目標(biāo)檢測現(xiàn)狀及難點13-17
• 1.2.2 運動目標(biāo)分類現(xiàn)狀及難點17-24
• 1.3 論文的主要內(nèi)容及結(jié)構(gòu)安排24-26
• 2 面向智能監(jiān)控的運動目標(biāo)檢測和目標(biāo)分類方法26-38
• 2.1 運動目標(biāo)檢測方法26-31
• 2.1.1 幀間差分法26-28
• 2.1.2 背景建模法28-31
• 2.2 運動目標(biāo)分類方法31-37
• 2.2.1 卷積神經(jīng)網(wǎng)絡(luò)的原理31-33
• 2.2.2 卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)33-37
• 2.3 運動目標(biāo)檢測和分類方法37
• 2.4 本章小結(jié)37-38
• 3 基于背景建模和BING的運動目標(biāo)檢測38-48
• 3.1 運動目標(biāo)檢測整體設(shè)計38-39
• 3.2 形態(tài)學(xué)處理39-41
• 3.2.1 膨脹和腐蝕40-41
• 3.2.2 開運算和閉運算41
• 3.3 BING算法原理41-43
• 3.4 實驗結(jié)果與分析43-46
• 3.4.1 經(jīng)過形態(tài)學(xué)處理后的運動目標(biāo)檢測的實驗結(jié)果44-45
• 3.4.2 基于BING的目標(biāo)檢測的實驗結(jié)果45-46
• 3.4.3 基于GMM和BING的運動目標(biāo)檢測的實驗結(jié)果46
• 3.5 本章小結(jié)46-48
• 4 基于卷積神經(jīng)網(wǎng)絡(luò)的運動目標(biāo)分類48-61
• 4.1 建立運動目標(biāo)數(shù)據(jù)庫48-50
• 4.2 基于卷積神經(jīng)網(wǎng)絡(luò)的運動目標(biāo)分類50-54
• 4.2.1 運動目標(biāo)圖像的預(yù)處理50-51
• 4.2.2 卷積神經(jīng)網(wǎng)絡(luò)設(shè)計51-54
• 4.2.3 不平衡樣本訓(xùn)練策略54
• 4.2.4 多模型融合策略54
• 4.3 實驗結(jié)果與分析54-59
• 4.3.1 實驗結(jié)果的評價指標(biāo)54-55
• 4.3.2 預(yù)處理后的實驗結(jié)果55-56
• 4.3.3 單模型的實驗結(jié)果56-57
• 4.3.4 不平衡樣本的實驗結(jié)果57-58
• 4.3.5 多模型融合的實驗結(jié)果58-59
• 4.4 基于運動目標(biāo)檢測和分類方法的實驗結(jié)果59-60
• 4.5 本章小結(jié)60-61
• 5 總結(jié)與展望61-63
• 5.1 工作總結(jié)61-62
• 5.2 工作展望62-63
• 參考文獻63-67
• 作者簡歷及攻讀碩士學(xué)位期間取得的研究成果67-69
• 學(xué)位論文數(shù)據(jù)集69

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 劉穎;廖桂生;李海;;動目標(biāo)檢測、定位與成像方法研究[J];系統(tǒng)工程與電子技術(shù);2005年12期

2 李文明;;相干動目標(biāo)檢測器中的正交雙通道不平衡效應(yīng)[J];現(xiàn)代雷達;1988年01期

3 郭志芬,張玉蘭;圖象動目標(biāo)檢測[J];北京理工大學(xué)學(xué)報;1992年03期

4 鄭世超;宋紅軍;劉亞波;閆賀;吳琨;;廣域監(jiān)視動目標(biāo)檢測模式下動目標(biāo)快速定位誤差分析[J];雷達學(xué)報;2013年04期

5 胡愛明;胡可欣;;一種基于優(yōu)化設(shè)計的動目標(biāo)檢測方法及其運用[J];航天電子對抗;2006年06期

6 胡可欣;胡愛明;;一種優(yōu)化設(shè)計的動目標(biāo)檢測方法及其運用[J];火控雷達技術(shù);2007年02期

7 劉書君;袁運能;魏俊;毛士藝;;雙通道與單通道相結(jié)合的運動目標(biāo)檢測新方法[J];信號處理;2008年03期

8 林文耀;覃亞麗;胡海容;;基于分?jǐn)?shù)傅立葉變換的機載SAR多運動目標(biāo)檢測[J];計算機與數(shù)字工程;2009年01期

9 劉敬興;;地面探測脈沖壓縮雷達的動目標(biāo)檢測[J];電子技術(shù)應(yīng)用;2010年01期

10 史洪印;;基于道路輔助的機載SAR動目標(biāo)檢測和參數(shù)估計[J];燕山大學(xué)學(xué)報;2012年05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 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

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

3 王歡;復(fù)雜場景下的運動目標(biāo)檢測與跟蹤研究[D];北京理工大學(xué);2015年

4 李菊;復(fù)雜背景下的運動目標(biāo)檢測與跟蹤[D];合肥工業(yè)大學(xué);2015年

5 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

6 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

7 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

8 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

9 潘翔;運動目標(biāo)檢測[D];浙江大學(xué);2003年

10 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

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 夏斌偉;視頻監(jiān)控中的運動目標(biāo)檢測與跟蹤[D];華南理工大學(xué);2015年

2 亓萌;雙基地SAR動目標(biāo)檢測及成像研究[D];電子科技大學(xué);2015年

3 王龍;動態(tài)場景建模與運動目標(biāo)檢測方法研究[D];電子科技大學(xué);2014年

4 黃蒙;基于FPGA的雷達運動目標(biāo)檢測系統(tǒng)設(shè)計[D];西安電子科技大學(xué);2014年

5 羅一淳;SAR轉(zhuǎn)動目標(biāo)檢測與參數(shù)估計方法研究[D];國防科學(xué)技術(shù)大學(xué);2013年

6 柴國強;機載SAR動目標(biāo)檢測及參數(shù)估計技術(shù)研究[D];電子科技大學(xué);2014年

7 蘇靖峰;基于激光掃描的運動目標(biāo)檢測與識別[D];電子科技大學(xué);2014年

8 李春海;DBS成像與廣域地面動目標(biāo)檢測、定位方法研究[D];西安電子科技大學(xué);2014年

9 崔雪梅;靜態(tài)場景下運動目標(biāo)檢測和跟蹤的關(guān)鍵技術(shù)研究[D];青島大學(xué);2015年

10 魯緣政;機載MIMO雷達運動目標(biāo)檢測和跟蹤方法研究[D];西安電子科技大學(xué);2014年

  本文關(guān)鍵詞：面向智能監(jiān)控的運動目標(biāo)檢測和分類方法的研究，由筆耕文化傳播整理發(fā)布。

本文編號：397685