监控视频中的前景提取和目标检测跟踪算法研究

发布时间：2017-10-18 08:06

  本文关键词：监控视频中的前景提取和目标检测跟踪算法研究

  更多相关文章： 视频分析 前景提取 图像形态学 光流 多目标跟踪 目标识别

【摘要】：当下,随着社会的快速发展,由民族、社会等多方面社会矛盾所引起的各类突发事件和恐怖袭击屡屡发生。城市监控系统作为建设平安城市的基础,对当前以及未来发生的突发情况起着极其关键的作用。但是,由于监控数据量巨大,单凭人力监控管理成了一个巨大挑战。为了让安防系统更好的服务于应对突发事件,我们需要一个智能的安防系统来准确地获取信息。随着科技的进步以及计算机视觉技术的不断发展,搭建一个大规模的网络化数字化的视频监控系统已经成为现实,利用人工智能技术构建新一代智能视频监控系统也已经成为了可能。智能监控系统的研发是一个极具挑战性的工作,它要完成视频进行智能分析,对视频中出现的内容进行检测识别,这其中包含了多个计算机科学领域。在众多的智能监控视频分析领域中,提取监控视频中有目标运动的前景部分与监控场景中多个目标的检测跟踪是一个至关重要的一部分。本文针对监控视频的前景提取和目标检测跟踪问题进行了研究,提出了对于这些问题的解决方法。本文主要的研究内容如下：1.对于视频中运动前景部分提取,本文采用了一种基于多通道高斯混合模型的动态背景模型。通过对背景模型的改进,提高了前景提取的准确性,并使其能够满足实时检测的要求。针对提取前景出现细小空洞以及不连贯问题,本文采取了图像形态学的处理,增强了前景提取的可靠性。通过与之前的算法进行对比发现,本文提出的改进算法提取的前景噪点更少更准确。2.针对目标检测分类,本文总结介绍了三种常用的特征模型,即HOG、Haar-like、LBP,利用级联的Adaboost分类器和支持向量机对人脸五官和行人目标做了一系列的检测实验。3.在目标跟踪方面,本文利用Lucas-Kanade光流估计算法,设计并实现了一种快速跟踪多物体的算法,本算法采用均匀采样目标像素点作为目标描述子,并运用了一种前向-反向误差滤波器,大大提高了跟踪的准确性。为了验证算法的可用性,本文选取了三段真实监控视频用于实验,通过比较发现本文算法具有速度更快、能够跟踪多个物体的优点。4.为了提高程序执行速度,本文利用GPGPU技术对算法进行了并行加速研究,通过使用CUDA技术大大提高了算法速度。
【关键词】：视频分析 前景提取 图像形态学 光流 多目标跟踪 目标识别
【学位授予单位】：浙江大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41
【目录】：

• 致谢4-5
• 摘要5-7
• Abstract7-12
• 第1章 绪论12-19
• 1.1 监控视频中前景提取和目标检测跟踪算法研究的背景和意义12-14
• 1.2 监控视频中前景提取和目标检测跟踪算法的研究现状14-16
• 1.3 本文的内容安排和主要结构16-19
• 第2章 基于多通道高斯混合模型的前景检测算法19-36
• 2.1 引言19
• 2.2 前景提取的方法简介19-22
• 2.3 基于高斯混合模型的背景建模22-26
• 2.3.1 高斯混合模型22
• 2.3.2 几种改进的高斯混合背景模型22-26
• 2.4 基于多通道高斯混合模型的前景检测算法26-30
• 2.4.1 算法的总体框架26-29
• 2.4.2 算法技术分析29-30
• 2.5 前景掩膜的图像形态学处理30-33
• 2.5.1 图像形态学处理的意义30
• 2.5.2 几种基本形态学处理操作30-32
• 2.5.3 图像形态学处理结果比较32-33
• 2.6 实验结果与比较33-35
• 2.7 本章小结35-36
• 第3章 目标检测算法研究36-57
• 3.1 引言36
• 3.2 特征描述子36-45
• 3.2.1 Haar-like特征37-40
• 3.2.2 LBP特征40-42
• 3.2.3 HOG特征42-45
• 3.3 基于级联分类器的人脸及五官检测45-49
• 3.3.1 Adaboost分类算法45-48
• 3.3.2 级联Adaboost分类器48-49
• 3.4 检测实验结果49-50
• 3.5 基于支持向量机的行人检测50-55
• 3.5.1 支持向量机50-53
• 3.5.2 检测实验结果53-55
• 3.6 本章小结55-57
• 第4章 基于光流的多目标跟踪算法57-69
• 4.1 引言57
• 4.2 基于图像金字塔的局部光流估计算法57-63
• 4.2.1 单尺度局部光流估计算法58-59
• 4.2.2 高斯图像金字塔的构建和多尺度局部光流估计59-61
• 4.2.3 前向-反向误差检测61-63
• 4.3 基于光流的多目标跟踪算法框架63-65
• 4.4 实验结果和分析65-68
• 4.5 本章小结68-69
• 第5章 基于GPGPU的算法加速69-77
• 5.1 引言69-70
• 5.2 CUDA技术介绍70-73
• 5.3 实验结果和对比分析73-76
• 5.3.1 前景提取73
• 5.3.2 目标检测73-75
• 5.3.3 多目标跟踪75-76
• 5.4 本章小结76-77
• 第6章 总结与展望77-79
• 6.1 论文工作总结77-78
• 6.2 未来研究工作展望78-79
• 参考文献79-85
• 攻读硕士学位期间主要的研究成果85

【相似文献】

中国期刊全文数据库 前10条

1 李斌;孙华峰;;内河运动船舶的准确检测跟踪技术研究[J];微电子学与计算机;2012年11期

2 李海军;;在康复理疗系统中基于人体部位的多人检测跟踪方法[J];计算机应用与软件;2014年04期

3 游波;张明敏;;一种对水下运动目标被动检测跟踪的一体化算法[J];电子学报;2006年04期

4 蓝晓平;;内河运动船舶的准确检测跟踪技术研究[J];企业技术开发;2013年21期

5 王坤;王磊;游安清;;基于局部轮廓特征的无人机头部检测跟踪算法[J];光学技术;2011年02期

6 向桂山;王宣银;梁冬泰;;基于人脸肤色和特征的实时检测跟踪算法[J];光电工程;2007年04期

7 张丽丽;王建民;;太阳位置光电模拟信号检测跟踪的实现[J];自动化技术与应用;2010年09期

8 盛平;张净;倪冬玮;刘晓梅;;基于单运动目标的PTZ检测跟踪系统设计[J];江苏大学学报(自然科学版);2010年06期

9 方国强;滕克难;;基于序列红外图像的弹道导弹中段目标检测跟踪方法[J];宇航计测技术;2014年01期

10 牛芗洁;黄永春;;微弱运动目标的检测与跟踪识别算法研究[J];计算机仿真;2010年04期

中国重要会议论文全文数据库 前3条

1 游波;张明敏;;基于匹配场和长项积分混合处理的多模式检测跟踪一体化算法[A];2004年全国水声学学术会议论文集[C];2004年

2 柳迪;董绪荣;;视频目标检测和跟踪框架的研究[A];2011年全国通信安全学术会议论文集[C];2011年

3 王楠;姜志国;孟钢;赵丹培;;基于DSP的深空背景仿真及目标检测跟踪系统开发[A];第九届全国光电技术学术交流会论文集（下册）[C];2010年

中国博士学位论文全文数据库 前3条

1 刘钊;无人车2D激光雷达结构化环境感知技术研究[D];国防科学技术大学;2013年

2 龚俊亮;红外弱小多目标实时检测跟踪技术研究[D];中国科学院研究生院（长春光学精密机械与物理研究所）;2013年

3 王守佳;基于图像的人体检测跟踪和人脸识别的研究[D];吉林大学;2013年

中国硕士学位论文全文数据库 前10条

1 王云奇;知识辅助检测跟踪一体化算法研究[D];电子科技大学;2014年

2 张越;无源毫米波图像变尺度目标检测跟踪算法研究与实现[D];电子科技大学;2014年

3 金纯;基于无人机平台的目标检测跟踪系统研究[D];西安电子科技大学;2015年

4 田歌;人脸检测跟踪技术的研究[D];河南工业大学;2015年

5 关晓青;基于L-GEM径向基函数神经网络的目标检测跟踪算法研究[D];浙江大学;2016年

6 郭达洁;监控视频中的前景提取和目标检测跟踪算法研究[D];浙江大学;2016年

7 贾艾琪;复杂背景下运动靶标检测跟踪技术的研究[D];长春理工大学;2009年

8 李俊勰;视频监控下运动目标检测跟踪与控制系统的研究[D];南昌大学;2014年

9 杜宇;视频中的人脸检测跟踪技术及其应用[D];西安电子科技大学;2006年

10 吴泽宾;中文微博话题检测跟踪方法研究和系统设计[D];广东技术师范学院;2013年

，

本文编号：1053864