基于視覺(jué)背景提取的自適應(yīng)運(yùn)動(dòng)目標(biāo)提取算法
發(fā)布時(shí)間:2021-01-28 17:17
視頻運(yùn)動(dòng)目標(biāo)檢測(cè)技術(shù)是計(jì)算機(jī)視覺(jué)的一個(gè)重要分支,廣泛應(yīng)用于智能監(jiān)控視頻、軍事裝備等多個(gè)領(lǐng)域,目前已經(jīng)有許多成熟的目標(biāo)檢測(cè)算法,背景減除法作為經(jīng)典的一種方法,受到廣大學(xué)者的關(guān)注。背景減除法又分為直接減除法和背景建模法,相比之下背景建模法有更好的提取效果。在常見(jiàn)的背景建模法中,基于視覺(jué)背景建模法的性能是最好的,但是在復(fù)雜的場(chǎng)景下,檢測(cè)效果不夠理想。本文主要以視覺(jué)背景建模法為基礎(chǔ),對(duì)復(fù)雜環(huán)境下的視頻運(yùn)動(dòng)目標(biāo)檢測(cè)進(jìn)行深入的研究,以下為具體研究?jī)?nèi)容。(1)首先對(duì)目前常用的背景提取算法做了理論性介紹與實(shí)驗(yàn)性分析,總結(jié)了各種算法的特點(diǎn)以及應(yīng)用場(chǎng)景,并根據(jù)這幾種算法不足之處提出了一種新的背景提取算法。然后對(duì)視頻前景目標(biāo)檢測(cè)算法進(jìn)行了研究,對(duì)目前常用的前景目標(biāo)檢測(cè)算法做了理論性闡述與實(shí)驗(yàn)性分析,對(duì)各種算法的特點(diǎn)以及適用場(chǎng)景做了分析。最后,對(duì)背景減除法中的背景建模法進(jìn)行了深入的研究,對(duì)常用的背景建模法進(jìn)行了詳細(xì)的介紹與分析,并以性能較好的基于視覺(jué)背景建模法為研究基礎(chǔ),針對(duì)其不足之處,提出了一種改進(jìn)的基于視覺(jué)背景建模的前景目標(biāo)檢測(cè)算法。(2)其次針對(duì)目前已有的背景提取算法在視頻幀數(shù)較多情況下時(shí)效性低、視頻中...
【文章來(lái)源】:陜西科技大學(xué)陜西省
【文章頁(yè)數(shù)】:82 頁(yè)
【學(xué)位級(jí)別】:碩士
【部分圖文】:
圖1-1智能監(jiān)控系統(tǒng)的圖像處理過(guò)程??Fig.?1-1?Image?processing?flow?of?intelligent?monitoring?system??
?陜西科技大學(xué)碩士學(xué)位論文???兩種類(lèi)型,分別是椒鹽噪聲和高斯噪聲。圖2-3和圖2-4分別展示了帶有椒鹽噪聲的圖??像、帶有高斯噪聲的圖像。??,.通?Hi??圖2-3椒鹽噪聲圖像??Fig.?2-3?Salt?and?pepper?noise?image??^?m??圖2-4高斯噪聲圖像??Fig.?2-4?Gaussian?noise?image??2.2.2圖像濾波??為了后期對(duì)圖像高級(jí)操作有更好的效果,通常先對(duì)圖像進(jìn)行預(yù)處理操作就是圖像去??噪處理,其目的就是在盡量保留原來(lái)圖像的條件下去除圖像中多余的信息,并保留圖像??大多數(shù)的細(xì)節(jié)信息。圖像濾波分為頻率域?yàn)V波和空間域?yàn)V波,頻率域?yàn)V波需要通過(guò)傅里??葉變換到頻率域,處理之后再反變換到空間域得到原圖像。而空間域?yàn)V波是直接對(duì)圖像??的數(shù)據(jù)做空間變換達(dá)到濾波目的。按照是否線性濾波分為線性濾波和非線性濾波,其中??線性濾波輸出的像素是輸入像素鄰域像素的線性組合,最常見(jiàn)的就是均值濾波和高斯濾??波。非線性濾波指的是輸出圖像的像素值是輸入圖像像素領(lǐng)域像素的非線性組合,比如??中值濾波等,以下是上述濾波算法的詳細(xì)過(guò)程。??(1)均值濾波。均值濾波是一種鄰域平均法的線性濾波算法,該算法的主要思想是??使用局部窗口內(nèi)所有像素點(diǎn)的均值替代原來(lái)圖像中窗口中心像素點(diǎn)的像素值,即對(duì)于像??素點(diǎn)首先設(shè)置以該像素點(diǎn)為圓心的鄰域像素點(diǎn),如公式(2-8)求取這些像??素點(diǎn)的平均值作為濾波后該像素點(diǎn)的像素值。??p{^y)=-^Y,pXx^y)?(2'8)??M?ieQ??式(2-8)中的2為像素點(diǎn)(x,_y)的鄰域內(nèi)像素點(diǎn)組成的像素集,M為(x,_y)鄰域內(nèi)像??素點(diǎn)個(gè)數(shù),
?陜西科技大學(xué)碩士學(xué)位論文???兩種類(lèi)型,分別是椒鹽噪聲和高斯噪聲。圖2-3和圖2-4分別展示了帶有椒鹽噪聲的圖??像、帶有高斯噪聲的圖像。??,.通?Hi??圖2-3椒鹽噪聲圖像??Fig.?2-3?Salt?and?pepper?noise?image??^?m??圖2-4高斯噪聲圖像??Fig.?2-4?Gaussian?noise?image??2.2.2圖像濾波??為了后期對(duì)圖像高級(jí)操作有更好的效果,通常先對(duì)圖像進(jìn)行預(yù)處理操作就是圖像去??噪處理,其目的就是在盡量保留原來(lái)圖像的條件下去除圖像中多余的信息,并保留圖像??大多數(shù)的細(xì)節(jié)信息。圖像濾波分為頻率域?yàn)V波和空間域?yàn)V波,頻率域?yàn)V波需要通過(guò)傅里??葉變換到頻率域,處理之后再反變換到空間域得到原圖像。而空間域?yàn)V波是直接對(duì)圖像??的數(shù)據(jù)做空間變換達(dá)到濾波目的。按照是否線性濾波分為線性濾波和非線性濾波,其中??線性濾波輸出的像素是輸入像素鄰域像素的線性組合,最常見(jiàn)的就是均值濾波和高斯濾??波。非線性濾波指的是輸出圖像的像素值是輸入圖像像素領(lǐng)域像素的非線性組合,比如??中值濾波等,以下是上述濾波算法的詳細(xì)過(guò)程。??(1)均值濾波。均值濾波是一種鄰域平均法的線性濾波算法,該算法的主要思想是??使用局部窗口內(nèi)所有像素點(diǎn)的均值替代原來(lái)圖像中窗口中心像素點(diǎn)的像素值,即對(duì)于像??素點(diǎn)首先設(shè)置以該像素點(diǎn)為圓心的鄰域像素點(diǎn),如公式(2-8)求取這些像??素點(diǎn)的平均值作為濾波后該像素點(diǎn)的像素值。??p{^y)=-^Y,pXx^y)?(2'8)??M?ieQ??式(2-8)中的2為像素點(diǎn)(x,_y)的鄰域內(nèi)像素點(diǎn)組成的像素集,M為(x,_y)鄰域內(nèi)像??素點(diǎn)個(gè)數(shù),
【參考文獻(xiàn)】:
期刊論文
[1]面向復(fù)雜場(chǎng)景的魯棒KCF行人跟蹤方法[J]. 成科揚(yáng),師文喜,周博文,吳金霞. 南京航空航天大學(xué)學(xué)報(bào). 2019(05)
[2]基于深度學(xué)習(xí)的行人和車(chē)輛檢測(cè)[J]. 徐謙,李穎,王剛. 吉林大學(xué)學(xué)報(bào)(工學(xué)版). 2019(05)
[3]無(wú)人駕駛中3D目標(biāo)檢測(cè)方法研究綜述[J]. 季一木,陳治宇,田鵬浩,吳飛,劉尚東,孫靜,焦志鵬,王娜,畢強(qiáng). 南京郵電大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(04)
[4]一種運(yùn)動(dòng)背景下視覺(jué)注意輔助的目標(biāo)檢測(cè)方法[J]. 李鵬,王延江. 湖南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(08)
[5]基于三幀差分混合高斯背景模型運(yùn)動(dòng)目標(biāo)檢測(cè)[J]. 李曉瑜,馬大中,付英杰. 吉林大學(xué)學(xué)報(bào)(信息科學(xué)版). 2018(04)
[6]運(yùn)動(dòng)顯著性概率圖提取及目標(biāo)檢測(cè)[J]. 王慧斌,陳哲,盧苗,葛晨曦. 中國(guó)圖象圖形學(xué)報(bào). 2018 (02)
[7]基于SVM的煤礦井下超寬帶穿透成像算法研究[J]. 郭繼坤,趙清,徐峰. 煤炭學(xué)報(bào). 2018(02)
[8]基于改進(jìn)粒子濾波的煤礦視頻監(jiān)控模糊目標(biāo)檢測(cè)[J]. 楊超宇,李策,梁胤程,楊峰. 吉林大學(xué)學(xué)報(bào)(工學(xué)版). 2017(06)
[9]基于稀疏自編碼神經(jīng)網(wǎng)絡(luò)的軍事目標(biāo)圖像分類(lèi)[J]. 沈先耿. 指揮與控制學(xué)報(bào). 2017(03)
[10]動(dòng)態(tài)背景下基于光流場(chǎng)分析的運(yùn)動(dòng)目標(biāo)檢測(cè)算法[J]. 崔智高,王華,李艾華,王濤,李輝. 物理學(xué)報(bào). 2017(08)
碩士論文
[1]基于視覺(jué)顯著性的車(chē)輛監(jiān)控視頻關(guān)鍵幀提取技術(shù)[D]. 仲夢(mèng)潔.南京郵電大學(xué) 2019
[2]自動(dòng)駕駛場(chǎng)景障礙物檢測(cè)與道路識(shí)別[D]. Razikhova Meiramgul.哈爾濱工業(yè)大學(xué) 2019
[3]動(dòng)態(tài)背景下運(yùn)動(dòng)目標(biāo)的檢測(cè)與跟蹤[D]. 張?jiān)沸?西安電子科技大學(xué) 2015
[4]基于圖像的井下人員檢測(cè)算法研究[D]. 呂建中.重慶大學(xué) 2015
[5]智能視頻監(jiān)控系統(tǒng)中運(yùn)動(dòng)檢測(cè)算法的研究[D]. 李飛.重慶大學(xué) 2015
[6]基于遙感圖像的目標(biāo)檢測(cè)與運(yùn)動(dòng)目標(biāo)跟蹤[D]. 余華欣.西安電子科技大學(xué) 2014
[7]車(chē)輛目標(biāo)檢測(cè)與交通流量檢測(cè)系統(tǒng)的研究[D]. 潘秦華.西安電子科技大學(xué) 2005
[8]智能交通系統(tǒng)中運(yùn)動(dòng)目標(biāo)檢測(cè)方法的研究[D]. 高大山.清華大學(xué) 2002
本文編號(hào):3005371
【文章來(lái)源】:陜西科技大學(xué)陜西省
【文章頁(yè)數(shù)】:82 頁(yè)
【學(xué)位級(jí)別】:碩士
【部分圖文】:
圖1-1智能監(jiān)控系統(tǒng)的圖像處理過(guò)程??Fig.?1-1?Image?processing?flow?of?intelligent?monitoring?system??
?陜西科技大學(xué)碩士學(xué)位論文???兩種類(lèi)型,分別是椒鹽噪聲和高斯噪聲。圖2-3和圖2-4分別展示了帶有椒鹽噪聲的圖??像、帶有高斯噪聲的圖像。??,.通?Hi??圖2-3椒鹽噪聲圖像??Fig.?2-3?Salt?and?pepper?noise?image??^?m??圖2-4高斯噪聲圖像??Fig.?2-4?Gaussian?noise?image??2.2.2圖像濾波??為了后期對(duì)圖像高級(jí)操作有更好的效果,通常先對(duì)圖像進(jìn)行預(yù)處理操作就是圖像去??噪處理,其目的就是在盡量保留原來(lái)圖像的條件下去除圖像中多余的信息,并保留圖像??大多數(shù)的細(xì)節(jié)信息。圖像濾波分為頻率域?yàn)V波和空間域?yàn)V波,頻率域?yàn)V波需要通過(guò)傅里??葉變換到頻率域,處理之后再反變換到空間域得到原圖像。而空間域?yàn)V波是直接對(duì)圖像??的數(shù)據(jù)做空間變換達(dá)到濾波目的。按照是否線性濾波分為線性濾波和非線性濾波,其中??線性濾波輸出的像素是輸入像素鄰域像素的線性組合,最常見(jiàn)的就是均值濾波和高斯濾??波。非線性濾波指的是輸出圖像的像素值是輸入圖像像素領(lǐng)域像素的非線性組合,比如??中值濾波等,以下是上述濾波算法的詳細(xì)過(guò)程。??(1)均值濾波。均值濾波是一種鄰域平均法的線性濾波算法,該算法的主要思想是??使用局部窗口內(nèi)所有像素點(diǎn)的均值替代原來(lái)圖像中窗口中心像素點(diǎn)的像素值,即對(duì)于像??素點(diǎn)首先設(shè)置以該像素點(diǎn)為圓心的鄰域像素點(diǎn),如公式(2-8)求取這些像??素點(diǎn)的平均值作為濾波后該像素點(diǎn)的像素值。??p{^y)=-^Y,pXx^y)?(2'8)??M?ieQ??式(2-8)中的2為像素點(diǎn)(x,_y)的鄰域內(nèi)像素點(diǎn)組成的像素集,M為(x,_y)鄰域內(nèi)像??素點(diǎn)個(gè)數(shù),
?陜西科技大學(xué)碩士學(xué)位論文???兩種類(lèi)型,分別是椒鹽噪聲和高斯噪聲。圖2-3和圖2-4分別展示了帶有椒鹽噪聲的圖??像、帶有高斯噪聲的圖像。??,.通?Hi??圖2-3椒鹽噪聲圖像??Fig.?2-3?Salt?and?pepper?noise?image??^?m??圖2-4高斯噪聲圖像??Fig.?2-4?Gaussian?noise?image??2.2.2圖像濾波??為了后期對(duì)圖像高級(jí)操作有更好的效果,通常先對(duì)圖像進(jìn)行預(yù)處理操作就是圖像去??噪處理,其目的就是在盡量保留原來(lái)圖像的條件下去除圖像中多余的信息,并保留圖像??大多數(shù)的細(xì)節(jié)信息。圖像濾波分為頻率域?yàn)V波和空間域?yàn)V波,頻率域?yàn)V波需要通過(guò)傅里??葉變換到頻率域,處理之后再反變換到空間域得到原圖像。而空間域?yàn)V波是直接對(duì)圖像??的數(shù)據(jù)做空間變換達(dá)到濾波目的。按照是否線性濾波分為線性濾波和非線性濾波,其中??線性濾波輸出的像素是輸入像素鄰域像素的線性組合,最常見(jiàn)的就是均值濾波和高斯濾??波。非線性濾波指的是輸出圖像的像素值是輸入圖像像素領(lǐng)域像素的非線性組合,比如??中值濾波等,以下是上述濾波算法的詳細(xì)過(guò)程。??(1)均值濾波。均值濾波是一種鄰域平均法的線性濾波算法,該算法的主要思想是??使用局部窗口內(nèi)所有像素點(diǎn)的均值替代原來(lái)圖像中窗口中心像素點(diǎn)的像素值,即對(duì)于像??素點(diǎn)首先設(shè)置以該像素點(diǎn)為圓心的鄰域像素點(diǎn),如公式(2-8)求取這些像??素點(diǎn)的平均值作為濾波后該像素點(diǎn)的像素值。??p{^y)=-^Y,pXx^y)?(2'8)??M?ieQ??式(2-8)中的2為像素點(diǎn)(x,_y)的鄰域內(nèi)像素點(diǎn)組成的像素集,M為(x,_y)鄰域內(nèi)像??素點(diǎn)個(gè)數(shù),
【參考文獻(xiàn)】:
期刊論文
[1]面向復(fù)雜場(chǎng)景的魯棒KCF行人跟蹤方法[J]. 成科揚(yáng),師文喜,周博文,吳金霞. 南京航空航天大學(xué)學(xué)報(bào). 2019(05)
[2]基于深度學(xué)習(xí)的行人和車(chē)輛檢測(cè)[J]. 徐謙,李穎,王剛. 吉林大學(xué)學(xué)報(bào)(工學(xué)版). 2019(05)
[3]無(wú)人駕駛中3D目標(biāo)檢測(cè)方法研究綜述[J]. 季一木,陳治宇,田鵬浩,吳飛,劉尚東,孫靜,焦志鵬,王娜,畢強(qiáng). 南京郵電大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(04)
[4]一種運(yùn)動(dòng)背景下視覺(jué)注意輔助的目標(biāo)檢測(cè)方法[J]. 李鵬,王延江. 湖南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(08)
[5]基于三幀差分混合高斯背景模型運(yùn)動(dòng)目標(biāo)檢測(cè)[J]. 李曉瑜,馬大中,付英杰. 吉林大學(xué)學(xué)報(bào)(信息科學(xué)版). 2018(04)
[6]運(yùn)動(dòng)顯著性概率圖提取及目標(biāo)檢測(cè)[J]. 王慧斌,陳哲,盧苗,葛晨曦. 中國(guó)圖象圖形學(xué)報(bào). 2018 (02)
[7]基于SVM的煤礦井下超寬帶穿透成像算法研究[J]. 郭繼坤,趙清,徐峰. 煤炭學(xué)報(bào). 2018(02)
[8]基于改進(jìn)粒子濾波的煤礦視頻監(jiān)控模糊目標(biāo)檢測(cè)[J]. 楊超宇,李策,梁胤程,楊峰. 吉林大學(xué)學(xué)報(bào)(工學(xué)版). 2017(06)
[9]基于稀疏自編碼神經(jīng)網(wǎng)絡(luò)的軍事目標(biāo)圖像分類(lèi)[J]. 沈先耿. 指揮與控制學(xué)報(bào). 2017(03)
[10]動(dòng)態(tài)背景下基于光流場(chǎng)分析的運(yùn)動(dòng)目標(biāo)檢測(cè)算法[J]. 崔智高,王華,李艾華,王濤,李輝. 物理學(xué)報(bào). 2017(08)
碩士論文
[1]基于視覺(jué)顯著性的車(chē)輛監(jiān)控視頻關(guān)鍵幀提取技術(shù)[D]. 仲夢(mèng)潔.南京郵電大學(xué) 2019
[2]自動(dòng)駕駛場(chǎng)景障礙物檢測(cè)與道路識(shí)別[D]. Razikhova Meiramgul.哈爾濱工業(yè)大學(xué) 2019
[3]動(dòng)態(tài)背景下運(yùn)動(dòng)目標(biāo)的檢測(cè)與跟蹤[D]. 張?jiān)沸?西安電子科技大學(xué) 2015
[4]基于圖像的井下人員檢測(cè)算法研究[D]. 呂建中.重慶大學(xué) 2015
[5]智能視頻監(jiān)控系統(tǒng)中運(yùn)動(dòng)檢測(cè)算法的研究[D]. 李飛.重慶大學(xué) 2015
[6]基于遙感圖像的目標(biāo)檢測(cè)與運(yùn)動(dòng)目標(biāo)跟蹤[D]. 余華欣.西安電子科技大學(xué) 2014
[7]車(chē)輛目標(biāo)檢測(cè)與交通流量檢測(cè)系統(tǒng)的研究[D]. 潘秦華.西安電子科技大學(xué) 2005
[8]智能交通系統(tǒng)中運(yùn)動(dòng)目標(biāo)檢測(cè)方法的研究[D]. 高大山.清華大學(xué) 2002
本文編號(hào):3005371
本文鏈接:http://www.sikaile.net/kejilunwen/shengwushengchang/3005371.html
最近更新
教材專(zhuān)著