基于运动补偿及全局背景优化的目标检测

发布时间：2017-05-10 01:00

  本文关键词：基于运动补偿及全局背景优化的目标检测，，由笔耕文化传播整理发布。

【摘要】：视频监控作为现代城市的一种社会事务管理手段,在生活中得到了广泛地运用。传统的监控模式存在许多弊端,因此监控中的智能视频分析技术仍然有很大的进步空间。在智能视频分析使用到的诸多技术中,运动目标检测是一项重要的基础技术,所以对于运动目标检测的研究有助于提升智能视频分析技术。近年来,随着运动目标检测技术的迅速发展,逐渐诞生了一些效果优异的算法。这些算法虽然在一定程度上满足了监控场景下的目标检测需求,但其中的绝大部分只对于静态场景有效,对于动态背景(相机移动)下的运动目标检测任务不具有适用性。在动态背景下,由于相机处于移动状态,使得背景与前景同时具备了运动属性,从而使两者的区分变得十分困难。因此,动态背景下的运动目标检测是当下目标检测领域中一项具有挑战性的课题。本文的主要工作如下：(1)针对动态背景下的目标检测问题,提出了一种基于运动补偿方法的在线背景模型更新算法,用一个快速的方式检测运动目标。具体来说,首先为每个像素点建立一个像素级的背景模型。然后在前一帧的背景模型基础上,用保边滤波的光流算法来估计每个像素的运动,传播到当前帧的背景模型。根据补偿后的背景模型判断每一个像素点是前景点还是背景点。最后,通过一个快速随机算法对背景模型进行在线更新,以适应背景的变化。我们对收集到的视频进行了大量的实验,通过实验验证了算法的先进性。(2)针对像素级目标检测的算法广泛存在的误检现象,提出了一种基于全局背景建模的目标检测优化方法,方法使用超像素块均值作为统计量进行混合高斯建模,利用了背景的全局外观一致性来优化像素级目标检测方法。通过实验,展示对像素级目标检测方法的优化结果,证明这样的一种检测优化方法具备优秀的优化能力。最后通过与基于运动补偿的检测方法的联合,构建了一种局部到全局的目标检测方法,通过对比实验,验证了这种局部到全局的方法在动态背景下有很好的检测效果。
【关键词】：动态背景 背景建模 目标检测 运动补偿 超像素 高斯背景建模
【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3-4
• Abstract4-8
• 第一章 绪论8-13
• 1.1 研究背景与意义8-9
• 1.2 研究现状9-11
• 1.3 本文的工作与安排11-13
• 第二章 运动目标检测方法简介13-24
• 2.1 静态背景下的目标检测方法13-14
• 2.2 动态背景下的目标检测方法14-21
• 2.3 运动目标检测方法的优缺点分析21-24
• 第三章 基于运动补偿的快速目标检测24-35
• 3.1 相关工作24-27
• 3.1.1 ViBe算法简介24-25
• 3.1.2 保边滤波光流法25-27
• 3.2 基于运动补偿的快速目标检测算法27-31
• 3.2.1 背景模型的初始化28-29
• 3.2.2 背景模型的更新29-30
• 3.2.3 像素的分类30-31
• 3.2.4 目标检测的后期处理31
• 3.3 实验结果与分析31-34
• 3.3.1 参数的设定31-32
• 3.3.2 与其他方法的比较32-34
• 3.3.3 算法的性能分析34
• 3.4 本章小结34-35
• 第四章 基于全局背景建模的目标检测优化35-52
• 4.1 混合高斯建模方法35-40
• 4.1.1 高斯分布35-36
• 4.1.2 混合高斯模型36-38
• 4.1.3 混合高斯模型的参数估计及EM算法38-40
• 4.2 超像素技术40-41
• 4.2.1 超像素概述40
• 4.2.2 超像素与背景建模40-41
• 4.2.3 超像素生成方法41
• 4.3 全局背景建模检测优化方法41-44
• 4.4 实验结果44-51
• 4.4.1 全局背景建模检测优化实验44-46
• 4.4.2 局部到全局联合方法实验46-50
• 4.4.3 性能分析50-51
• 4.5 本章小结51-52
• 第五章 总结与展望52-54
• 参考文献54-60
• 附录A 图索引60-61
• Appendix A Figure Index61-62
• 附录B 表索引62-63
• Appendix B Table Index63-64
• 致谢64-65
• 攻读硕士学位期间发表的论文65

【相似文献】

中国期刊全文数据库 前10条

1 金俣欣;陶霖密;徐光yP;彭玉新;;摄像机自由运动环境下的背景建模[J];中国图象图形学报;2008年02期

2 王智灵;周露平;陈宗海;;针对不同信息特征的鲁棒背景建模技术分析[J];模式识别与人工智能;2009年02期

3 姜忠民;赵建民;朱信忠;;基于最大间隔聚类的背景建模方法[J];计算机技术与发展;2009年10期

4 余孟泽;刘正熙;骆健;杨丹;;基于块背景建模的运动目标检测[J];四川大学学报(自然科学版);2011年03期

5 葛海淼;戴学丰;王成琳;;一种新型移动物体检测及背景建模系统[J];电子技术应用;2013年01期

6 桑农;张涛;李斌;吴翔;;基于字典学习的背景建模[J];华中科技大学学报(自然科学版);2013年09期

7 左军毅;潘泉;梁彦;张洪才;程咏梅;;基于模型切换的自适应背景建模方法[J];自动化学报;2007年05期

8 张水发;丁欢;张文生;;双模型背景建模与目标检测研究[J];计算机研究与发展;2011年11期

9 杨敏;安振英;;基于低秩矩阵恢复的视频背景建模[J];南京邮电大学学报(自然科学版);2013年02期

10 李子龙;刘伟铭;张阳;;基于自适应模糊估计的背景建模方法[J];华南理工大学学报(自然科学版);2013年09期

中国重要会议论文全文数据库 前5条

1 王智灵;陈宗海;周露平;;基于多信息层次的鲁棒背景建模方法[A];2007系统仿真技术及其应用学术会议论文集[C];2007年

2 李霞;董雁冰;王亚辉;王俊;;空间光学辐射背景建模研究[A];2007年光电探测与制导技术的发展与应用研讨会论文集[C];2007年

3 何强;林宏基;;基于蚁群算法的自适应背景建模[A];第十一届中国体视学与图像分析学术会议论文集[C];2006年

4 李恒晖;杨金锋;任小慧;吴仁彪;;一种多约束条件的混合高斯背景建模方法[A];全国第二届信号处理与应用学术会议专刊[C];2008年

5 韩颖婕;张海;李琳怡;;基于混合高斯背景建模的阴影抑制算法[A];第十四届全国图象图形学学术会议论文集[C];2008年

中国博士学位论文全文数据库 前4条

1 叶芳芳;监控视频中的异常行为检测研究[D];浙江大学;2014年

2 邹腾跃;复杂环境目标检测与跟踪关键技术研究及应用[D];华中科技大学;2013年

3 何志伟;基于模型的目标提取及其在智能交通中的应用[D];浙江大学;2006年

4 江疆;基于稀疏表达的若干分类问题研究[D];华中科技大学;2014年

中国硕士学位论文全文数据库 前10条

1 刘雨辰;复杂背景中的多目标检测与跟踪[D];内蒙古大学;2015年

2 胡婷;基于视频技术的车辆检测跟踪及分类算法研究与实现[D];长安大学;2015年

3 杨文帮;基于视频分析的人群流量检测[D];贵州民族大学;2015年

4 赖文杰;基于ARM-FPGA的视觉追踪系统的设计与实现[D];哈尔滨工业大学;2015年

5 宋欢欢;复杂场景下背景建模方法的研究与实现[D];南昌大学;2015年

6 苏建安;面向智能视频监控的高动态场景建模和修复[D];电子科技大学;2014年

7 滕琳琳;基于高阶扩展FMM和低秩矩阵恢复的信号重建研究[D];河北工业大学;2015年

8 张惊州;复杂场景下基于视频的行人流量统计算法研究[D];电子科技大学;2014年

9 陈星明;基于背景建模的运动目标监控视频检测算法[D];南京大学;2015年

10 柯太清;基于快速背景建模的人物越界检测系统设计与实现[D];电子科技大学;2014年

  本文关键词：基于运动补偿及全局背景优化的目标检测，由笔耕文化传播整理发布。

本文编号：353637