傳統(tǒng)的基于監(jiān)控視頻的動態(tài)目標(biāo)檢測及行為分析大多是圍繞視頻圖像本身進行研究,如圖像內(nèi)人體結(jié)構(gòu)、圖像顏色相似度等,忽略了監(jiān)控視頻內(nèi)所包含的大量的地理信息,難以實現(xiàn)將視頻監(jiān)控與地理空間信息進行關(guān)聯(lián)。將視頻監(jiān)控信息與地理空間的時空信息相互融合,把靜態(tài)的地理空間信息賦予其動態(tài)屬性,可以大大提高視頻監(jiān)控信息的分析、理解能力。因此,本文建立視頻監(jiān)控圖像與地理空間的互映射模型,將視頻圖像信息與地理空間信息相互融合,通過研究室內(nèi)動態(tài)目標(biāo)時空特征信息提取及行為識別方法,解決了室內(nèi)動態(tài)目標(biāo)定位及動態(tài)目標(biāo)行為識別這一技術(shù)問題,達到了視頻監(jiān)控與地理空間信息有機融合的目的。本文的具體內(nèi)容和成果如下:(1)建立一種基于EPnP的視頻監(jiān)控圖像的地理空間坐標(biāo)互映射模型,找到圖像像素點與地理空間對應(yīng)點坐標(biāo)的互對應(yīng)關(guān)系,將圖像像素點賦予地理空間坐標(biāo),利用此模型實現(xiàn)視頻幀所包含的室內(nèi)動態(tài)目標(biāo)在地理空間內(nèi)的精準(zhǔn)定位,實現(xiàn)動態(tài)目標(biāo)的快速、準(zhǔn)確定位。(2)提出一種融合幀差法與改進Vibe的動態(tài)目標(biāo)檢測算法,通過增加對閃爍像素的檢測以及結(jié)合基于HSV色彩空間的動態(tài)目標(biāo)檢測陰影去除方法,有效解決了Vibe算法處理動態(tài)目標(biāo)產(chǎn)生的鬼影、陰... 

【文章來源】：桂林理工大學(xué)廣西壯族自治區(qū)

【文章頁數(shù)】：70 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 室內(nèi)視覺定位技術(shù)研究現(xiàn)狀
        1.2.2 動態(tài)目標(biāo)檢測及行為識別研究現(xiàn)狀
    1.3 研究目的和意義
    1.4 論文的技術(shù)路線
    1.5 論文的章節(jié)安排
第2章 相機標(biāo)定與地理空間映射原理與方法
    2.1 地理約束平面構(gòu)建方法
    2.2 視頻監(jiān)控與地理空間互映射模型構(gòu)建方法
        2.2.1 相機內(nèi)部參數(shù)矩陣確定方法
        2.2.2 相機外部參數(shù)矩陣確定方法
        2.2.3 視頻監(jiān)控與地理空間互映射模型
    2.3 實驗分析
    2.4 本章小結(jié)
第3章 動態(tài)目標(biāo)檢測與時空特征提取
    3.1 動態(tài)目標(biāo)檢測方法概述
        3.1.1 幀間差分法算法原理
        3.1.2 Vibe背景建模算法原理
    3.2 改進的Vibe行人目標(biāo)檢測算法
        3.2.1 基于閃爍像素檢測的背景模型優(yōu)化
        3.2.2 基于HSV色彩空間的陰影去除
        3.2.3 對比分析
    3.3 動態(tài)目標(biāo)跟蹤及時空特征提取
        3.3.1 基于感知哈希算法的動態(tài)目標(biāo)跟蹤
        3.3.2 單幀圖像動態(tài)目標(biāo)時空信息提取
        3.3.3 視頻連續(xù)幀序列動態(tài)目標(biāo)時空數(shù)據(jù)提取
    3.4 實驗分析
    3.5 本章小結(jié)
第4章 基于SVM的動態(tài)目標(biāo)行為檢測
    4.1 基于時空特征的動態(tài)目標(biāo)行為分類
        4.1.1 室內(nèi)行為時空特征提取
        4.1.2 特征向量構(gòu)建方法
    4.2 支持向量機
    4.3 基于SVM的動態(tài)目標(biāo)行為檢測
        4.3.1 SVM建模與檢測
        4.3.2 實驗結(jié)果與分析
    4.4 本章小結(jié)
第5章 論文的總結(jié)
    5.1 總結(jié)
    5.2 論文的創(chuàng)新點
    5.3 論文的不足之處
參考文獻
個人簡介
致謝


【參考文獻】：
期刊論文
[1]基于Faster R-CNN的人體行為檢測研究[J]. 莫宏偉,汪海波.  智能系統(tǒng)學(xué)報. 2018(06)
[2]一種基于幀間差與圖像分割的運動目標(biāo)分割方法[J]. 陳娟,應(yīng)駿,王健,曾爽.  上海師范大學(xué)學(xué)報(自然科學(xué)版). 2017(02)
[3]幀間差法對TLD跟蹤算法的改進[J]. 付苗,邢藏菊.  電子設(shè)計工程. 2017(07)
[4]一種基于顯著性區(qū)域的運動目標(biāo)跟蹤方法[J]. 柯洪昌,邵文奇,梁丞漢.  科技創(chuàng)新與應(yīng)用. 2017(09)
[5]一種改進的PBAS運動目標(biāo)檢測算法[J]. 李棚,吳曉紅,何小海,�；�.  科學(xué)技術(shù)與工程. 2015(27)
[6]基于后驗HOG特征的多姿態(tài)行人檢測[J]. 劉威,段成偉,遇冰,柴麗穎,袁淮,趙宏.  電子學(xué)報. 2015(02)
[7]基于HOG和SVM的公交乘客人流量統(tǒng)計算法[J]. 徐超,高夢珠,查宇鋒,曹利民.  儀器儀表學(xué)報. 2015(02)
[8]一種自適應(yīng)調(diào)整K-r的混合高斯背景建模和目標(biāo)檢測算法[J]. 韓明,劉教民,孟軍英,王震洲.  電子與信息學(xué)報. 2014(08)
[9]一種基于幀間差的快速UAV運動目標(biāo)檢測方法[J]. 劉玉婷,席慶彪,劉慧霞.  計算機仿真. 2014(07)
[10]EVibe:一種改進的Vibe運動目標(biāo)檢測算法[J]. 余燁,曹明偉,岳峰.  儀器儀表學(xué)報. 2014(04)

碩士論文
[1]視覺室內(nèi)定位中圖像特征點匹配算法研究[D]. 萬柯.哈爾濱工業(yè)大學(xué) 2016
[2]基于標(biāo)識的室內(nèi)視覺定位算法研究[D]. 關(guān)凱.哈爾濱工業(yè)大學(xué) 2016
[3]結(jié)合全局和局部特征的人體行為識別技術(shù)研究[D]. 陶玲.武漢工程大學(xué) 2014
[4]機器人雙目視覺定位技術(shù)研究[D]. 林琳.西安電子科技大學(xué) 2009



本文編號：2928847