复杂场景下的运动目标检测算法研究

发布时间：2017-03-31 04:28

  本文关键词：复杂场景下的运动目标检测算法研究，由笔耕文化传播整理发布。

【摘要】：运动目标检测是计算机视觉领域中一个重要的研究课题,也是很多视觉应用系统的关键组成部分,如智能视频监控、视觉导航、视频压缩编码等。运动目标检测作为一个应用价值很高的研究课题,近年来受到越来越多的关注。很多新的方法被提出并应用于视觉系统中,但目前的运动目标检测方法大都只适用于特定的应用场景。如何在复杂场景下有效的进行运动目标检测仍然是个很有挑战性的问题。复杂场景中系统获取视频的背景不断变化,给运动目标的分割带来很大的困难。无论是静态场景中光照变化、树叶等微动,还是动态场景中摄像机的移动都是研究人员在进行运动目标检测时要重点要解决的问题。本文对复杂场景下静态背景与动态背景中运动目标检测算法进行研究,主要工作如下：1)本文首先对各种常见运动目标检测算法分别进行了研究总结,给出这些算法的理论分析与实验结果。梳理包括静态背景和动态背景下各种算法的优缺点,并对目前这些算法的改进热点进行讨论。2)在对静态背景下的各种运动目标检测算法对比分析后,针对高斯背景建模法,提出一种基于分块模型更新的单高斯背景建模新方法,新方法将视频图像划分为多个区块,并对块内的像素进行统一建模,以替代传统高斯建模法中对单像素点的建模统计。由于对区块内像素进行平均得出的数值更符合高斯分布特性,使得估计出的模型更有利于发挥单高斯建模方法的优势,因此增强了算法应对复杂背景的能力,同时分块建模也有效降低了算法复杂性。3)关于动态背景下的各种运动目标检测算法,本文主要研究了基于运动补偿方法中的全局运动估计法。分别对基于全像素点的全局运动估计方法与基于运动矢量的全局运动估计方法做出理论分析与实验验证。并在分析实验结果的过程中,讨论无效的矢量采样即“奇异矢量”对基于运动矢量的估计方法实验结果造成的影响。4)针对奇异矢量会影响全局运动估计法效果的问题,本文使用一种结合角点检测和k-means算法的改进方法。该方法首先使用角点检测算法选出图像中细节比较丰富的区域代替传统算法中对图像平均分块的策略,使得块匹配算法失准率降低,减少了与背景运动不相符的奇异矢量的产生。其次对角点检测选出的运动矢量使用k-means算法进行聚类,将个体数目较多的群落定为符合背景运动的矢量。从而排除由运动目标产生的运动矢量的影响,进一步减少奇异矢量,提高了全局运动估计法的检测效果。
【关键词】：运动目标检测 单高斯模型 全局运动估计 块匹配
【学位授予单位】：安徽大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41
【目录】：

• 摘要3-5
• Abstract5-9
• 第一章 绪论9-15
• 1.1 研究课题的背景与意义9
• 1.2 课题研究现状9-13
• 1.2.1 静态背景下的运动目标检测方法10-11
• 1.2.2 动态背景下的运动目标检测方法11-13
• 1.3 论文的主要工作与章节安排13-15
• 1.3.1 论文的主要工作13-14
• 1.3.2 章节安排14-15
• 第二章 复杂场景中静态背景下的目标检测算法研究15-29
• 2.1 帧间差分法15-18
• 2.2 背景差分法18-21
• 2.2.1 单高斯背景建模算法19-21
• 2.3 改进单高斯背景建模法21-24
• 2.4 实验结果分析24-28
• 2.5 本章总结28-29
• 第三章 基于全局运动估计的运动目标检测算法研究29-55
• 3.1 全局运动估计法的基本思想29-31
• 3.2 经典运动参数模型31-37
• 3.2.1 投影模型32-33
• 3.2.2 基于透视投影的八参数模型33-35
• 3.2.3 基于透视投影的四参数模型35-36
• 3.2.4 基于正交投影的六参数模型36-37
• 3.2.5 其他运动参数模型37
• 3.3 基于全像素点的参数估计37-42
• 3.3.1 基于全像素点的参数估计方法原理37-39
• 3.3.2 基于全像素点的参数估计方法实验结果39-42
• 3.4 基于运动矢量的估计方法42-53
• 3.4.1 基于运动矢量估计方法的基本原理42-44
• 3.4.2 基于块匹配的运动矢量求解44-50
• 3.4.3 基于运动矢量估计方法的实验结果50-53
• 3.5 本章总结53-55
• 第四章 基于奇异运动矢量分析的全局运动估计算法55-69
• 4.1 奇异运动矢量产生原因分析与消除方法55-57
• 4.2 基于Harris角点检测的宏块筛选方法57-60
• 4.2.1 Harris角点检测的基本原理57-59
• 4.2.2 基于Harris角点检测进行宏块筛选59-60
• 4.2.3 基于Harris角点检测进行宏块筛选实验结果60
• 4.3 基于K-means聚类的奇异运动矢量剔除方法60-64
• 4.3.1 K-means聚类算法基本原理60-62
• 4.3.2 使用K-means算法对运动矢量场进行聚类62-64
• 4.4 实验结果与分析64-68
• 4.5 本章总结68-69
• 第五章 总结与展望69-71
• 5.1 总结69-70
• 5.2 展望70-71
• 参考文献71-76
• 附图76-78
• 附表78-79
• 致谢79-80
• 攻读硕士学位期间参与的科研项目以及发表的论文80-81
• 学习与研究简历81

【相似文献】

中国期刊全文数据库 前10条

1 张桂林，，熊艳，曹伟，李强;一种评价自动目标检测算法性能的方法[J];华中理工大学学报(社会科学版);1994年05期

2 秦剑;陈钱;钱惟贤;;基于背景分类的弱小目标检测算法[J];光电工程;2011年01期

3 蒋建国;吴晖;齐美彬;张莉;;摄像机旋转运动下的快速目标检测算法[J];图学学报;2012年03期

4 逯鹏;张姗姗;刘驰;黄石磊;汤玉合;;基于稀疏超完备表示的目标检测算法[J];仪器仪表学报;2013年06期

5 李大辉;金涛;;弱小目标检测算法的设计与分析[J];中国科技信息;2013年16期

6 张明艳;许钢;孟樱;;基于时空特性的运动目标检测算法研究[J];安徽工程大学学报;2013年04期

7 徐振海,王雪松,肖顺平,庄钊文;基于模糊融合的目标检测算法研究[J];国防科技大学学报;2000年04期

8 李维雅,董能力,金钢,李正周;弱小目标检测算法性能评价的回归分析方法[J];光电工程;2005年02期

9 高陈强;田金文;王鹏;;基于时域特性分析的红外运动小目标检测算法[J];红外与激光工程;2008年05期

10 曾脉;左志宏;常晓夫;何煊;;一种准确而快速的运动目标检测算法[J];成都信息工程学院学报;2008年04期

中国重要会议论文全文数据库 前10条

1 高飞;蒋建国;安红新;齐美彬;;一种快速运动目标检测算法[A];全国第22届计算机技术与应用学术会议(CACIS·2011)暨全国第3届安全关键技术与应用（SCA·2011）学术会议论文摘要集[C];2011年

2 孙瑾秋;张艳宁;姜磊;王敏;;基于变换域特征的星空背景弱小目标检测算法[A];第八届全国信号与信息处理联合学术会议论文集[C];2009年

3 邓宇;陈孝威;;综合利用时空信息的运动目标检测算法[A];第二届和谐人机环境联合学术会议(HHME2006)——第15届中国多媒体学术会议(NCMT'06)论文集[C];2006年

4 袁辉;孙卓;李德民;魏颖;;基于小波多尺度互能量交叉融合滤波的弱小目标检测算法[A];2009系统仿真技术及其应用学术会议论文集[C];2009年

5 顾静良;万敏;张卫;郑捷;;低对比度弱小目标检测算法[A];中国工程物理研究院科技年报（2005）[C];2005年

6 黄龚;郑锦;刘养科;;摄像机水平巡扫时的运动目标检测算法[A];第六届和谐人机环境联合学术会议（HHME2010)、第19届全国多媒体学术会议（NCMT2010）、第6届全国人机交互学术会议（CHCI2010）、第5届全国普适计算学术会议（PCC2010）论文集[C];2010年

7 张国华;;一种基于导引头稳定平台结构的目标检测算法[A];第九届全国光电技术学术交流会论文集（下册）[C];2010年

8 王正;刘瑞华;;基于PTZ摄像机的运动目标检测算法[A];全国第一届嵌入式技术联合学术会议论文集[C];2006年

9 王彪;王成儒;王芬芬;;一种改进的运动目标检测算法[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用（CACIS）学术会议论文集[C];2007年

10 刘琳;顾国华;钱惟贤;陈钱;徐富元;;目标检测算法的研究以及SRIO协议在目标检测的应用[A];第八届华东三省一市真空学术交流会论文集[C];2013年

中国博士学位论文全文数据库 前5条

1 王海丰;基于机器视觉的剖竹机加工目标检测算法研究[D];东北林业大学;2015年

2 王俊强;图像中人体目标检测算法研究[D];北京邮电大学;2012年

3 郭明玮;基于视觉记忆的目标检测算法：一个特征学习与特征联想的过程[D];中国科学技术大学;2014年

4 臧风妮;智能视频监控中海面舰船目标检测算法研究[D];中国海洋大学;2014年

5 陈伟;基于PSO的复杂工业环境视觉目标检测算法应用研究[D];武汉科技大学;2008年

中国硕士学位论文全文数据库 前10条

1 刘恒建;基于FPGA+DSP的运动目标检测系统的设计与实现[D];南京理工大学;2015年

2 贾建英;视频序列中运动目标检测算法研究[D];长安大学;2015年

3 周亚运;基于TMS320DM642平台的红外运动目标检测算法设计[D];南京理工大学;2015年

4 姚丹;基于多光谱信息融合的弱小运动目标检测技术研究[D];哈尔滨工业大学;2015年

5 刘培培;基于区域特征的运动目标检测算法的研究与开发[D];广西大学;2015年

6 崔璇;天空背景下红外小目标检测算法研究[D];陕西师范大学;2015年

7 范肖肖;基于视觉注意机制的目标检测算法的研究[D];电子科技大学;2015年

8 丁婵;运动目标检测算法在嵌入式平台的研究[D];电子科技大学;2015年

9 张冠雄;基于标签传播的显著性目标检测算法研究[D];大连理工大学;2015年

10 李建波;视频监控中运动目标检测算法的研究[D];哈尔滨工业大学;2014年

  本文关键词：复杂场景下的运动目标检测算法研究，由笔耕文化传播整理发布。

本文编号：278919