本文關(guān)鍵詞：面向?qū)崟r(shí)智能監(jiān)控的背景建模算法研究與系統(tǒng)設(shè)計(jì)

  更多相關(guān)文章： 背景建模 智能監(jiān)控 紋理特征 VIBE算法 短時(shí)前景模型

【摘要】：背景建模算法是智能監(jiān)控領(lǐng)域中的一項(xiàng)位于底層的關(guān)鍵技術(shù),主要用來(lái)檢測(cè)視頻場(chǎng)景中的運(yùn)動(dòng)前景。作為關(guān)鍵技術(shù)之一的背景建模算法,一方面,其準(zhǔn)確率和魯棒性直接影響著上層智能分析算法的結(jié)果；另一方面,它需要為后續(xù)智能分析算法留出足夠的計(jì)算時(shí)間,其速度性能也是一項(xiàng)重要的評(píng)價(jià)指標(biāo)。雖然國(guó)內(nèi)外很多學(xué)者對(duì)于背景建模算法的理論及其應(yīng)用進(jìn)行了廣泛的研究,但是依然存在諸多問(wèn)題。對(duì)于實(shí)時(shí)智能監(jiān)控系統(tǒng)而言,在選擇合適的背景建模算法時(shí)通常需要在其準(zhǔn)確率和計(jì)算速度之間進(jìn)行權(quán)衡取舍,而選擇的策略主要根據(jù)系統(tǒng)的實(shí)時(shí)性要求以及后續(xù)智能分析技術(shù)的特點(diǎn)。基于以上的原因,本文設(shè)計(jì)了兩種具有不同準(zhǔn)確率和計(jì)算速度的背景建模算法,以適應(yīng)不同的實(shí)時(shí)智能監(jiān)控系統(tǒng)的需求。本論文首先提出了一種基于鄰域特征和灰度信息的背景建模算法。其中的鄰域特征是一種紋理特征,通過(guò)對(duì)鄰域像素的大小關(guān)系進(jìn)行3段式編碼得到。利用此鄰域特征構(gòu)建鄰域特征背景模型,與灰度背景模型共同組成此算法的雙層背景模型。對(duì)于紋理較多的圖像高頻區(qū)域,用鄰域特征背景模型來(lái)判別背景,而在紋理較少的圖像低頻區(qū)域,用灰度背景模型來(lái)判別背景。這種策略充分發(fā)揮了兩者在區(qū)分不同頻率圖像時(shí)的互補(bǔ)性。實(shí)驗(yàn)表明,此算法的準(zhǔn)確率和魯棒性在現(xiàn)有的背景建模算法中處于較高水平,而且與同水平的算法相比,具有明顯的速度優(yōu)勢(shì)。對(duì)于640×480的視頻,本算法的處理速度達(dá)到了68fps(i5,2.2GHZ),基本滿足實(shí)時(shí)智能監(jiān)控系統(tǒng)的速度要求,允許系統(tǒng)在檢測(cè)出前景之后做一些耗時(shí)較少的智能分析。其次,本論文針對(duì)VIBE算法在前景較多時(shí)計(jì)算效率不高的問(wèn)題,提出了一種基于短時(shí)前景改進(jìn)的快速VIBE算法。通過(guò)在背景模型中加入短時(shí)前景模型,將原VIBE算法對(duì)于前景點(diǎn)的比較次數(shù)從經(jīng)典的平均20次降低到平均6次左右。實(shí)驗(yàn)表明,本算法在前景較多的場(chǎng)景下,可以大幅加快VIBE算法的計(jì)算速度。在實(shí)際的道路監(jiān)控場(chǎng)景下,本算法比原VIBE算法快30%以上,對(duì)于640×360的實(shí)際監(jiān)控視頻達(dá)到250fps(i5,2.2GHZ),同時(shí)并不降低原VIBE算法的準(zhǔn)確率和魯棒性。此方法可以滿足大多數(shù)實(shí)時(shí)智能監(jiān)控系統(tǒng)的速度要求,使得系統(tǒng)在檢測(cè)出前景之后仍有較充足的時(shí)間進(jìn)行更復(fù)雜的智能分析。最后,針對(duì)與中興通訊合作的智能監(jiān)控項(xiàng)目,本論文研制了一種面向城市道路監(jiān)控網(wǎng)絡(luò)的跨攝像機(jī)智能監(jiān)控系統(tǒng),并將論文中提出的背景建模算法應(yīng)用于此系統(tǒng)中,在實(shí)際監(jiān)控視頻測(cè)試中得到了預(yù)期的實(shí)驗(yàn)效果。目前,該項(xiàng)目已經(jīng)順利結(jié)題并交付。
【關(guān)鍵詞】：背景建模 智能監(jiān)控 紋理特征 VIBE算法 短時(shí)前景模型
【學(xué)位授予單位】：浙江大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP391.41
【目錄】：

• 致謝4-5
• 摘要5-7
• Abstract7-15
• 1 緒論15-21
• 1.1 研究背景與意義15-16
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀16-18
• 1.2.1 背景建模算法研究現(xiàn)狀16-17
• 1.2.2 智能監(jiān)控系統(tǒng)研究現(xiàn)狀17-18
• 1.3 本文研究?jī)?nèi)容和章節(jié)安排18-19
• 1.4 本論文的創(chuàng)新點(diǎn)19-21
• 2. 背景建模算法介紹21-31
• 2.1 經(jīng)典背景建模算法21-28
• 2.1.1 均值函數(shù)法和中值函數(shù)法21-22
• 2.1.2 w4模型背景建模算法22-24
• 2.1.3 單高斯背景建模算法24-25
• 2.1.4 混合高斯背景建模算法25-26
• 2.1.5 貝葉斯背景建模算法26-27
• 2.1.6 VIBE背景建模算法27-28
• 2.2 實(shí)時(shí)智能監(jiān)控系統(tǒng)對(duì)于背景建模算法的要求28-30
• 2.3 本章小結(jié)30-31
• 3. 基于鄰域特征和灰度信息的背景建模算法31-56
• 3.1 LBP特征及其在背景建模中的缺陷31-36
• 3.1.1 LBP特征簡(jiǎn)介31-34
• 3.1.2 LBP直接用于背景建模的缺陷34-36
• 3.2 本論文的鄰域特征編碼36-43
• 3.2.1 鄰域特征編碼方法及其距離度量36-40
• 3.2.2 鄰域特征與灰度信息的互補(bǔ)性分析40-43
• 3.3 基于鄰域特征和灰度信息的背景建模算法43-48
• 3.3.1 基于鄰域特征和灰度信息的雙層背景模型43-44
• 3.3.2 雙層背景模型的相似性度量44-45
• 3.3.3 基于鄰域特征和灰度信息的雙層背景建模算法流程45-48
• 3.4 實(shí)驗(yàn)結(jié)果與分析48-54
• 3.4.1 實(shí)驗(yàn)數(shù)據(jù)庫(kù)48-49
• 3.4.2 算法效果與參數(shù)設(shè)置49-51
• 3.4.3 雙層背景模型的合理性分析51-53
• 3.4.4 與主流背景建模算法比較53-54
• 3.5 本章小結(jié)54-56
• 4. 基于短時(shí)前景改進(jìn)的快速VIBE算法56-71
• 4.1 VIBE算法速度分析56-59
• 4.2 基于短時(shí)前景模型改進(jìn)的VIBE背景模型59-60
• 4.3 基于短時(shí)前景改進(jìn)的快速VIBE算法流程60-62
• 4.4 實(shí)驗(yàn)結(jié)果與分析62-69
• 4.4.1 算法效果與參數(shù)設(shè)置62-67
• 4.4.2 短時(shí)前景模型的有效性分析67-69
• 4.5 本章小結(jié)69-71
• 5. 跨攝像機(jī)的實(shí)時(shí)智能監(jiān)控系統(tǒng)平臺(tái)研制71-87
• 5.1 系統(tǒng)設(shè)計(jì)背景71
• 5.2 系統(tǒng)功能概述71-73
• 5.3 系統(tǒng)總體設(shè)計(jì)73-75
• 5.3.1 系統(tǒng)架構(gòu)73-74
• 5.3.2 功能架構(gòu)74-75
• 5.3.3 技術(shù)架構(gòu)75
• 5.4 系統(tǒng)核心算法模塊75-81
• 5.4.1 目標(biāo)跟蹤模塊概述76-77
• 5.4.2 目標(biāo)匹配模塊概述77-79
• 5.4.3 運(yùn)動(dòng)前景檢測(cè)模塊與背景建模79-81
• 5.5 跨攝像機(jī)的實(shí)時(shí)智能監(jiān)控系統(tǒng)演示81-86
• 5.5.1 系統(tǒng)演示界面設(shè)計(jì)81-82
• 5.5.2 系統(tǒng)實(shí)驗(yàn)效果演示82-86
• 5.6 本章小結(jié)86-87
• 6. 總結(jié)與展望87-89
• 6.1 本文工作總結(jié)87-88
• 6.2 未來(lái)工作展望88-89
• 參考文獻(xiàn)89-93
• 攻讀碩士期間所取得的科研成果和參與課題93

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 熊祺;張旭;王生進(jìn);;基于兩級(jí)時(shí)空隨機(jī)取樣的背景建模算法[J];航天醫(yī)學(xué)與醫(yī)學(xué)工程;2014年02期

2 李文輝;何林宣;倪洪印;;基于視頻序列的雙背景建模算法[J];計(jì)算機(jī)應(yīng)用研究;2014年02期

3 蔡曉波;快速非遞推最小二乘AR建模算法[J];數(shù)據(jù)采集與處理;1988年01期

4 宋坤;李麗娟;趙英凱;;基于AP的LS-SVM多模型建模算法[J];計(jì)算機(jī)工程;2011年14期

5 李廣健;周浩;;用戶建模算法的適應(yīng)性及多算法用戶建模研究[J];情報(bào)科學(xué);2009年04期

6 馬p，

本文編號(hào)：950099