本文選題：視頻內(nèi)容分析 + 背景建模��； 參考：《中國石油大學(xué)(華東)》2014年碩士論文

【摘要】：中國的視頻監(jiān)控市場近年來持續(xù)高速發(fā)展,國內(nèi)監(jiān)控攝像頭正以驚人的速度逐年增加,其覆蓋范圍越來越廣。視頻信息也已成為現(xiàn)實生活中一個非常重要的信息載體,然而,在視頻數(shù)據(jù)信息迅速膨脹的同時,視頻監(jiān)控系統(tǒng)仍停留在較低層次的簡單應(yīng)用上。因此,對視頻監(jiān)控的研究,特別是對視頻內(nèi)容的分析研究也越來越被關(guān)注,成為一個新的研究熱點。本文以簡單場景的監(jiān)控視頻為研究對象,針對目前視頻監(jiān)控存在的目標(biāo)檢測準(zhǔn)確率低,目標(biāo)特征提取魯棒性差,以及視頻存儲周期短等問題,站在模仿人類視覺系統(tǒng)的角度上,采用模式識別相關(guān)算法進行研究分析,克服現(xiàn)有視頻分析方法的局限性,以速度快、準(zhǔn)確性高、魯棒性好、低容量為最終目標(biāo),旨在建立一套適用于監(jiān)控視頻的視頻處理分析系統(tǒng)。在深入研究了監(jiān)控視頻分析處理基礎(chǔ)技術(shù)之后,確定了其分析處理的基本流程,以監(jiān)控視頻背景建模方法為基礎(chǔ)進行運動目標(biāo)檢測,對檢測出的運動目標(biāo)進行穩(wěn)定特征提取,并采用多特征融合的方式進行目標(biāo)跟蹤,最后以基于內(nèi)容的背景分離處理方式進行視頻編解碼。其中,背景建模方法是引用了碼本(CodeBook)的監(jiān)控視頻背景建模方法,在此基礎(chǔ)上,本文提出了一種實時視頻背景提取方法。此種背景提取技術(shù)可以實時響應(yīng)背景的變化,有效提取真實背景。采用背景建模的方法檢測到運動前景,分離目標(biāo)圖像后,通過目標(biāo)幀間連續(xù)位置信息實現(xiàn)跟蹤,對多目標(biāo)幀間位置相近的情況,融合目標(biāo)SIFT和彩色直方圖特征進行目標(biāo)匹配,并記錄目標(biāo)各幀的運動狀態(tài),最終實現(xiàn)目標(biāo)運動的跟蹤。實驗表明該方法對多目標(biāo)緩慢變化的監(jiān)控視頻有較好的跟蹤效果。同時,本文在現(xiàn)有視頻編解碼方式基礎(chǔ)上,提出了一種基于內(nèi)容的靜態(tài)監(jiān)控視頻編碼方法。該方法是一種實現(xiàn)背景與運動目標(biāo)分離的編碼方式,采用不同的編碼方式分別對背景和運動目標(biāo)進行編碼。實驗證明,與傳統(tǒng)編解碼方法相比,基于內(nèi)容的編碼方法獲得了更多的存儲空間。論文還進一步探討了背景更新算法對基于內(nèi)容編碼的影響。
[Abstract]:China's video surveillance market continues to develop rapidly in recent years, and the domestic surveillance cameras are increasing year by year at an alarming speed, and its coverage is becoming more and more extensive. Video information has also become a very important information carrier in real life. However, with the rapid expansion of video data, the video surveillance system is still in the lower level of simple applications. Therefore, the research of video surveillance, especially the analysis of video content, has become a new research hotspot. Aiming at the problems of low accuracy of target detection, poor robustness of target feature extraction, short storage period and so on, this paper takes the surveillance video of simple scene as the research object, and stands at the angle of imitating human visual system. In order to overcome the limitations of the existing video analysis methods, the research and analysis of pattern recognition algorithms are carried out. The final goal is fast speed, high accuracy, good robustness and low capacity. The purpose of this paper is to establish a video processing and analysis system for surveillance video. After deeply studying the basic technology of analysis and processing of surveillance video, the basic process of analysis and processing is determined, and the moving object detection is carried out based on the modeling method of the background of surveillance video, and the stable feature extraction of the detected moving target is carried out. Multi-feature fusion is used for target tracking and content-based background separation is used for video coding and decoding. The background modeling method is based on the CodeBook-based video background modeling method. On this basis, a real-time video background extraction method is proposed in this paper. The background extraction technique can respond to the background change in real time and extract the real background effectively. The moving foreground is detected by the method of background modeling. After separating the target image, the continuous position information between the target frames is used to track the position of the multi-target frame, and the sift and color histogram features are fused to match the target. The motion state of each frame is recorded, and the tracking of target motion is finally realized. The experimental results show that the proposed method has a good tracking effect on the surveillance video with multiple targets changing slowly. At the same time, based on the existing video coding and decoding methods, a content-based static surveillance video coding method is proposed. This method is a coding method to separate the background from the moving object. Different coding methods are used to encode the background and moving object respectively. Experimental results show that the content-based coding method obtains more storage space than the traditional codec method. The influence of background updating algorithm on content-based coding is also discussed.
【學(xué)位授予單位】：中國石油大學(xué)(華東)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：TN948.6

【相似文獻】

相關(guān)期刊論文 前10條

1 金俁欣;陶霖密;徐光yP;彭玉新;;攝像機自由運動環(huán)境下的背景建模[J];中國圖象圖形學(xué)報;2008年02期

2 王智靈;周露平;陳宗海;;針對不同信息特征的魯棒背景建模技術(shù)分析[J];模式識別與人工智能;2009年02期

3 姜忠民;趙建民;朱信忠;;基于最大間隔聚類的背景建模方法[J];計算機技術(shù)與發(fā)展;2009年10期

4 余孟澤;劉正熙;駱健;楊丹;;基于塊背景建模的運動目標(biāo)檢測[J];四川大學(xué)學(xué)報(自然科學(xué)版);2011年03期

5 葛海淼;戴學(xué)豐;王成琳;;一種新型移動物體檢測及背景建模系統(tǒng)[J];電子技術(shù)應(yīng)用;2013年01期

6 桑農(nóng);張濤;李斌;吳翔;;基于字典學(xué)習(xí)的背景建模[J];華中科技大學(xué)學(xué)報(自然科學(xué)版);2013年09期

7 左軍毅;潘泉;梁彥;張洪才;程詠梅;;基于模型切換的自適應(yīng)背景建模方法[J];自動化學(xué)報;2007年05期

8 張水發(fā);丁歡;張文生;;雙模型背景建模與目標(biāo)檢測研究[J];計算機研究與發(fā)展;2011年11期

9 楊敏;安振英;;基于低秩矩陣恢復(fù)的視頻背景建模[J];南京郵電大學(xué)學(xué)報(自然科學(xué)版);2013年02期

10 李子龍;劉偉銘;張陽;;基于自適應(yīng)模糊估計的背景建模方法[J];華南理工大學(xué)學(xué)報(自然科學(xué)版);2013年09期

相關(guān)會議論文 前5條

1 王智靈;陳宗海;周露平;;基于多信息層次的魯棒背景建模方法[A];2007系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會議論文集[C];2007年

2 李霞;董雁冰;王亞輝;王俊;;空間光學(xué)輻射背景建模研究[A];2007年光電探測與制導(dǎo)技術(shù)的發(fā)展與應(yīng)用研討會論文集[C];2007年

3 何強;林宏基;;基于蟻群算法的自適應(yīng)背景建模[A];第十一屆中國體視學(xué)與圖像分析學(xué)術(shù)會議論文集[C];2006年

4 李恒暉;楊金鋒;任小慧;吳仁彪;;一種多約束條件的混合高斯背景建模方法[A];全國第二屆信號處理與應(yīng)用學(xué)術(shù)會議專刊[C];2008年

5 韓穎婕;張海;李琳怡;;基于混合高斯背景建模的陰影抑制算法[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

相關(guān)博士學(xué)位論文 前4條

1 葉芳芳;監(jiān)控視頻中的異常行為檢測研究[D];浙江大學(xué);2014年

2 鄒騰躍;復(fù)雜環(huán)境目標(biāo)檢測與跟蹤關(guān)鍵技術(shù)研究及應(yīng)用[D];華中科技大學(xué);2013年

3 何志偉;基于模型的目標(biāo)提取及其在智能交通中的應(yīng)用[D];浙江大學(xué);2006年

4 江疆;基于稀疏表達的若干分類問題研究[D];華中科技大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 劉雨辰;復(fù)雜背景中的多目標(biāo)檢測與跟蹤[D];內(nèi)蒙古大學(xué);2015年

2 胡婷;基于視頻技術(shù)的車輛檢測跟蹤及分類算法研究與實現(xiàn)[D];長安大學(xué);2015年

3 楊文幫;基于視頻分析的人群流量檢測[D];貴州民族大學(xué);2015年

4 賴文杰;基于ARM-FPGA的視覺追蹤系統(tǒng)的設(shè)計與實現(xiàn)[D];哈爾濱工業(yè)大學(xué);2015年

5 宋歡歡;復(fù)雜場景下背景建模方法的研究與實現(xiàn)[D];南昌大學(xué);2015年

6 蘇建安;面向智能視頻監(jiān)控的高動態(tài)場景建模和修復(fù)[D];電子科技大學(xué);2014年

7 滕琳琳;基于高階擴展FMM和低秩矩陣恢復(fù)的信號重建研究[D];河北工業(yè)大學(xué);2015年

8 張驚州;復(fù)雜場景下基于視頻的行人流量統(tǒng)計算法研究[D];電子科技大學(xué);2014年

9 陳星明;基于背景建模的運動目標(biāo)監(jiān)控視頻檢測算法[D];南京大學(xué);2015年

10 柯太清;基于快速背景建模的人物越界檢測系統(tǒng)設(shè)計與實現(xiàn)[D];電子科技大學(xué);2014年

，

本文編號：2034932