基于融合运动目标颜色特征的视频浓缩系统研究

发布时间：2023-05-31 01:17

　　随着计算机视觉的发展和国家政府部门对安防事业的关注,为响应政府的相关政策,智能监控系统得到广泛的应用与研究,同时大量的摄像头安装在我们生活的各个角落。视频监控数据爆炸式增长,为后续的处理工作带来巨大挑战。视频浓缩技术对原始视频进行处理,将感兴趣目标重新排列组合,形成一个高度浓缩的视频。它的提出为解决海量视频监控数据存储难、检索难、运输难提供了新的思路,成为智能监控系统的重要组成部分。本文主要阐述了组成视频浓缩系统的三种核心技术的原理,着重对视频浓缩过程中的运动目标检测、运动目标跟踪、和轨迹组合和拼接几个关键步骤进行讨论。并针对视频浓缩系统存在的缺点,对其中的算法进行改进与优化,完成对视频浓缩系统的搭建。本文的主要工作如下:(1)运动目标检测作为视频浓缩系统搭建的基础,目的是为了提取到完整的背景与运动目标,并将二者区分开来。本文选用CLD与ViBe算法融合的运动目标检测技术,来弥补原始ViBe算法出现“鬼影”的问题,而对检测带来的干扰。该方法通过CLD颜色空间描述子选取视频关键帧,对选取关键帧进行三帧差分,得到真实的背景模型,然后结合ViBe对运动目标进行检测,在背景模型更新的阶段加入自...

【文章页数】：89 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 视频摘要研究现状
        1.2.2 视频浓缩研究现状
        1.2.3 运动目标检测技术的国内外研究现状
    1.3 本文工作与安排
        1.3.1 主要研究内容及内容
        1.3.2 论文章节安排
第2章 视频浓缩基础框架分析
    2.1 视频浓缩原理
    2.2 运动目标检测
        2.2.1 帧差法
        2.2.2 基于高斯模型的运动目标检测算法
        2.2.3 ViBe算法
    2.3 运动目标跟踪算法
        2.3.1 卡尔曼滤波
        2.3.2 粒子滤波算法
    2.4 轨迹组合优化技术
        2.4.1 基于运动过程的轨迹组合方法
        2.4.2 多视频轨迹组合方法
    2.5 本章小结
第3章 基于CLD与 ViBe算法融合的运动目标检测技术
    3.1 颜色布局描述子
    3.2 基于CLD与 ViBe算法融合的运动目标检测
        3.2.1 基于CLD描述子与三帧差分的背景初始化
        3.2.2 动态背景下的背景更新策略
    3.3 实验结果及分析
        3.3.1 基于单目标的运动目标检测算法实验对比
        3.3.2 基于多目标的运动目标检测算法实验对比
        3.3.3 运动速度不同对基于CLD的 ViBe算法的影响
        3.3.4 针对运动目标的不同速度下算法参数的最优选择
        3.3.5 动态背景下的背景更新策略
        3.3.6 时间复杂度对比实验
    3.4 本章小结
第4章 融合运动目标特征的粒子滤波多目标跟踪技术
    4.1 颜色特征描述子与方向梯度特征的提取
        4.1.1 颜色特征描述子
        4.1.2 方向梯度描述子
    4.2 融合运动目标特征的粒子滤波多目标跟踪技术
        4.2.1 HOG与 HSV的特征融合
        4.2.2 基于多特征融合的粒子滤波器
    4.3 实验结果及分析
    4.4 多目标跟踪
    4.5 本章小结
第5章 基于能量代价函数的轨迹组合优化以及浓缩视频的生成
    5.1 基于能量代价函数的轨迹组合优化
        5.1.1 能量代价函数
        5.1.2 能量最小化求解最优轨迹组合
    5.2 泊松融合
    5.3 合成浓缩视频
    5.4 本章小结
结论
致谢
参考文献
作者简介
攻读硕士学位期间发表论文目录



本文编号：3825400