隨著科技的進(jìn)步,計算機(jī)視覺在眾多領(lǐng)域的應(yīng)用也得以飛速發(fā)展,而前景檢測作為解決眾多計算機(jī)視覺問題的基礎(chǔ)與前提,一直是研究的熱點(diǎn)。前景檢測是通過一定的技術(shù)將圖像或視頻中人們感興趣的區(qū)域或者運(yùn)動目標(biāo)作為前景從背景中提取出來。隨著前景檢測的應(yīng)用范圍越來越廣,固定攝像機(jī)已不能滿足所有場景,由于移動拍攝設(shè)備的日漸普及,移動攝像機(jī)在前景檢測中的應(yīng)用也越來越廣泛。Vibe算法是前景檢測領(lǐng)域中常用的檢測算法之一,它有計算量小,具有良好的實(shí)時性等諸多優(yōu)點(diǎn)。但是當(dāng)Vibe算法應(yīng)用于移動攝像機(jī)拍攝下的場景時會出現(xiàn)一些問題,例如背景模型更新機(jī)制不能適應(yīng)于實(shí)時場景等。為了解決這些問題,本文提出了一種RGB-D Vibe算法,該算法從背景建模、像素分類和背景模型更新三個部分對Vibe算法進(jìn)行改進(jìn)。與Vibe算法利用彩色信息提取前景相比,RGB-D Vibe算法不僅利用了彩色信息還利用了深度信息。其中,深度信息由RGB-D攝像機(jī)Kinect采集的深度圖像獲得。經(jīng)實(shí)驗驗證,RGB-D Vibe算法能夠在動態(tài)背景下有效地檢測到運(yùn)動物體（前景）。針對前景偽裝的問題,本文提出基于深度邊緣的前景檢測方法。該方法基于前景外部輪廓... 

【文章來源】：北京化工大學(xué)北京市211工程院校教育部直屬院校

【文章頁數(shù)】：84 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 課題背景及意義
    1.2 前景檢測的研究現(xiàn)狀
        1.2.1 基于固定攝像機(jī)的前景檢測
        1.2.2 基于移動攝像機(jī)的前景檢測
        1.2.3 基于RGB-D攝像機(jī)的前景檢測
    1.3 本文的主要研究內(nèi)容及創(chuàng)新點(diǎn)
第二章 RGB-D攝像機(jī)Kinect1.0
    2.1 Kinect 1.0簡介
    2.2 Kinect 1.0深度圖像獲取原理
    2.3 深度圖像與彩色圖像對齊
    2.4 基于Kinect的數(shù)據(jù)集
        2.4.1 TUM數(shù)據(jù)集
        2.4.2 自生成數(shù)據(jù)集
    2.5 本章小結(jié)
第三章 基于移動RGB-D攝像機(jī)的色彩深度背景提取算法
    3.1 Vibe算法
        3.1.1 背景建模
        3.1.2 像素分類
        3.1.3 背景模型更新
    3.2 Vibe算法應(yīng)用于移動攝像機(jī)時存在的問題
    3.3 RGB-D Vibe算法
        3.3.1 基于空間轉(zhuǎn)換的背景建模
        3.3.2 像素分類
            3.3.2.1 距離定義
            3.3.2.2 基于深度信息的自適應(yīng)前景檢測
        3.3.3 背景幀更新
            3.3.3.1 基于前景點(diǎn)的背景幀更新策略
            3.3.3.2 基于深度變化的背景幀更新策略
        3.3.4 鬼影點(diǎn)檢測
        3.3.5 流程圖
    3.4 實(shí)驗結(jié)果與討論
        3.4.1 案例 1
        3.4.2 案例 2
    3.5 本章小結(jié)
第四章 RGB-D Vibe與深度邊緣提取相結(jié)合的前景檢測策略
    4.1 前景檢測
    4.2 邊緣檢測算法
        4.2.1 Roberts算子
        4.2.2 Sobel算子
        4.2.3 Prewitt算子
        4.2.4 Laplacia算子
        4.2.5 Canny算子
        4.2.6 不同算子之間的對比
    4.3 基于深度邊緣的前景檢測方法
        4.3.1 基于Sobel算子的邊緣檢測
        4.3.2 自適應(yīng)添加地線
        4.3.3 基于種子填充算法的自適應(yīng)前景填充
        4.3.4 消除背景邊緣
    4.4 實(shí)驗結(jié)果與討論
        4.4.1 案例 1
        4.4.2 案例 2
    4.5 本章小結(jié)
第五章 結(jié)論與展望
    5.1 結(jié)論
    5.2 展望
參考文獻(xiàn)
致謝
研究成果及發(fā)表的學(xué)術(shù)論文
作者及導(dǎo)師簡介
附件


【參考文獻(xiàn)】：
期刊論文
[1]An effective graph and depth layer based RGB-D image foreground object extraction method[J]. Zhiguang Xiao,Hui Chen,Changhe Tu,Reinhard Klette.  Computational Visual Media. 2017(04)
[2]移動相機(jī)下基于三維背景估計的運(yùn)動目標(biāo)檢測[J]. 郭會文,吳新宇,蘇士娟,傅睿卿.  儀器儀表學(xué)報. 2017(10)
[3]動態(tài)場景中基于絕對差值和的前景檢測算法[J]. 劉敏,趙丹丹,武明虎,王娟.  計算機(jī)工程. 2017(07)
[4]一種針對移動相機(jī)的實(shí)時視頻背景減除算法[J]. 孫豐,秦開懷,孫偉,郭華源.  計算機(jī)輔助設(shè)計與圖形學(xué)學(xué)報. 2016(04)
[5]基于Kinect深度圖像信息的人體運(yùn)動檢測[J]. 孟明,楊方波,佘青山,孫曜,羅志增.  儀器儀表學(xué)報. 2015(02)
[6]EVibe:一種改進(jìn)的Vibe運(yùn)動目標(biāo)檢測算法[J]. 余燁,曹明偉,岳峰.  儀器儀表學(xué)報. 2014(04)
[7]基于改進(jìn)Sobel算子的邊緣檢測算法的研究[J]. 何春華,張雪飛,胡迎春.  光學(xué)技術(shù). 2012(03)
[8]圖像邊緣檢測中的微分算子法及其比較[J]. 龍清.  信息技術(shù). 2011(06)
[9]一種Roberts自適應(yīng)邊緣檢測方法[J]. 康牧,許慶功,王寶樹.  西安交通大學(xué)學(xué)報. 2008(10)
[10]自適應(yīng)Canny算子邊緣檢測技術(shù)[J]. 李牧,閆繼紅,李戈,趙杰.  哈爾濱工程大學(xué)學(xué)報. 2007(09)

博士論文
[1]視頻序列中運(yùn)動物體檢測算法研究[D]. 劉敏.華中科技大學(xué) 2013

碩士論文
[1]基于RGB-D數(shù)據(jù)的運(yùn)動目標(biāo)檢測技術(shù)研究[D]. 章婷婷.南京理工大學(xué) 2017
[2]移動機(jī)器人視覺檢測和跟蹤研究[D]. 劉軍學(xué).哈爾濱工業(yè)大學(xué) 2008



本文編號：3642565