高清视频中目标检测算法的研究

发布时间：2017-03-30 22:08

  本文关键词：高清视频中目标检测算法的研究，由笔耕文化传播整理发布。

【摘要】：随着计算机和图像处理技术的发展和广泛应用,智能化的人群密度监控系统已经成为了研究的重点。本文针对视频监控中人数统计和人群密度分析两种典型的应用,采用了四种不同的算法进行研究比较,从两个方面进行分析,提出了这两个方面的解决方案。其主要内容包括:第一方面是数人头的方法,通过大量的调研,针对低、中、中高三种不同的人群密度等级,确定技术路线。针对人群密度特征检测算法和人群流动特征检测算法选择一些合理的技术方法,并且进行试验,最终确定两种人群检测算法的技术方案。对于人群密度特征检测算法,通过图像分割、运动人群帧间差分提取前景图像。经过膨胀和边缘跟踪得到图像人群分块,并通过块内边缘检测搜索人体个体特征的方式检测当前块内人群个体大致数量并估算出人群等级密度。对于人群流动特征检测算法,通过设定虚拟门、划定检测区域对人群流量进行检测。基本检测思想仍然是通过图像分割、运动人群帧间差分提取前景图像。经过边缘检测搜索人体个体特征的方式检测当前划定的检测区域内人群个体数量,并连续多帧跟踪人体运动轨迹实现人体跨越虚拟门检测,将视频定性。然后,进行软件开发,分别得到人群密度特征检测算法和人群流动特征检测算法的测试验证软件界面。最后,对已经开发出来的软件进行调试及测试,对人数进行统计。第二方面是在人群密度的分析方面,将密度分为四个等级,分别为稀疏、正常、饱和和告警。采用了灰度共生矩阵的人群密度特征提取方法,进行软件开发,得到了灰度共生矩阵进行特征提取的软件界面,实验的结果达到了预期的效果。为了在高密度的情况下,更好的实现目标的检测,进一步采用小波变换和灰度共生矩阵的方法对特征提取方面进行优化,识别率大幅度提高。进而利用支持向量机实现人群密度级别的估计,获得人群密度的等级信息。采用小波变换和灰度共生矩阵提取特征更加适合于高密度的人数统计。
【关键词】：人群密度特征检测算法 人群流动特征检测算法 灰度共生矩阵 小波变换 支持向量机
【学位授予单位】：西南科技大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41
【目录】：

• 摘要4-5
• Abstract5-9
• 1 绪论9-14
• 1.1 研究意义与选题依据9-10
• 1.2 国内外研究现状及发展趋势10-11
• 1.3 论文研究内容及创新点11-12
• 1.4 论文的章节安排12-13
• 1.5 本章小结13-14
• 2 常用的算法与分析14-23
• 2.1 常用的目标检测算法与分析14-17
• 2.1.1 分析光流法14-15
• 2.1.2 背景建模15
• 2.1.3 核密度估计15-17
• 2.2 常用的特征提取与识别算法及分析17-18
• 2.2.1 尺寸不变特征转换SIFT17
• 2.2.2 卡尔曼滤波17-18
• 2.2.3 粒子滤波18
• 2.2.4 KLT特征点检测和跟踪18
• 2.3 常用的目标跟踪算法及分析18-20
• 2.3.1 基于运动分析的目标跟踪18-19
• 2.3.2 基于图像匹配的方法19-20
• 2.4 常用的人群密度算法与分析20-22
• 2.4.1 人群密度特征提取21-22
• 2.5 本章小结22-23
• 3 人数统计方法的研究23-37
• 3.1 人群密度检测算法的技术方案24-32
• 3.1.1 前景提取原理与算法24-26
• 3.1.2 人群密度估计26-27
• 3.1.3 图像预处理27-29
• 3.1.4 人群密度预测29-31
• 3.1.5 人群动向变化趋势估计31-32
• 3.2 人群流量算法综述32-36
• 3.2.1 人头区域检测33-36
• 3.3 本章小结36-37
• 4 人群检测算法37-51
• 4.1 人群密度特征检测算法37-47
• 4.1.1 人群密度特征检测算法的原理37-38
• 4.1.2 人群密度特征检测算法的实施过程38-44
• 4.1.3 人群密度特征检测算法的实施效果44-47
• 4.2 人群流动特征检测算法47-50
• 4.2.1 人群流动特征检测算法的原理47-48
• 4.2.2 人群流动特征检测算法的实施过程48-49
• 4.2.3 人群流动特征检测算法的实施效果49-50
• 4.3 本章小结50-51
• 5 人群密度分析方法的研究51-67
• 5.1 灰度共生矩阵的特征提取方法51-53
• 5.1.1 灰度共生矩阵的纹理分析方法51-53
• 5.2 支持向量机53-61
• 5.2.1 最优分类面53-54
• 5.2.2 支持向量机算法54-56
• 5.2.3 灰度共生矩阵特征提取方法的实验结果56-61
• 5.3 小波变换和灰度共生矩阵的特征提取方法61-66
• 5.3.1 小波变换和灰度共生矩阵方法的实验结果62-66
• 5.4 本章小结66-67
• 6 结论与展望67-69
• 6.1 结论67
• 6.2 展望67-69
• 致谢69-70
• 参考文献70-76
• 攻读硕士学位期间发表的学术论文及研究成果76

  本文关键词：高清视频中目标检测算法的研究，由笔耕文化传播整理发布。

，

本文编号：278183