面向智能监控的运动目标检测和分类方法的研究

发布时间：2017-05-26 18:12

  本文关键词：面向智能监控的运动目标检测和分类方法的研究，，由笔耕文化传播整理发布。

【摘要】：近些年,随着图像采集技术的发展,城市安装越来越多的监控摄像头,以便有效的监控违法犯罪行为,从而确保经济建设的顺利进行,维护社会安定。然而按照传统的人工排查、监控的方式,海量的监控视频将消耗大量的人力和物力,而且一旦人工疲劳等疏漏关键视频帧,将会造成严重的后果。鉴于传统方式的弊端,基于计算机视觉的智能监控系统被越来越多地应用,其中运动目标检测和分类是智能监控系统的重要组成部分。本文主要针对运动目标检测和目标分类进行研究,结合各个算法的特点和实际情况,提出有效的整体方法,取得了较好的实验结果。本文的具体成果如下：本文提出基于运动目标检测和Binarized Normed Gradients(二值化梯度范数,BING)相结合的运动目标检测方法。本文首先从监控视频流中,利用混合高斯模型的方法获得运动目标区域；由于噪声的影响,导致运动目标区域含有大量噪声,而经过简单的形态学处理方法处理,便可得到干净的运动目标区域。为了方便后续的处理(目标跟踪、目标分类等),目标检测应输出包含运动目标区域的最小矩形框。但由于阴影等影响,造成多个目标相连、或者矩形框过大等现象,从而影响后续处理的准确性。而基于BING的目标检测方法能够有效地避免上述弊端,在300帧每秒的速度下,获得含有前景目标的最小矩形框。最后将二者的结果相结合,获得运动目标矩形区域。本文还提出基于卷积神经网络的运动目标分类方法。目前,业内没有一个专门关于运动目标的数据库,所以本文首先以严格的标准,建立了一个运动目标数据库,并以机动车、非机动车和行人3类标签标注,57836张训练样本和4827张测试样本。由于运动目标图像分辨低,本文分别设计3层和5层的卷积神经网络。由于背景变化经常导致运动目标不清晰,本文采用直方图均衡化对图像进行预处理,在测试集上,mAP(平均识别率)可提高1%。在我国,运动目标每一类的形态多样,特别是非机动车,本文采用不平衡样本策略进行训练,实验中mAP最高可提高8%。最后,通过多模型融合的方法,将两种模型进行融合,取得了更高的识别率,在3层卷积层的情况下,最高可达96%。
【关键词】：运动目标检测 运动目标分类 BING 卷积神经网络
【学位授予单位】：北京交通大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41
【目录】：

• 致谢5-6
• 摘要6-7
• ABSTRACT7-9
• 序言9-12
• 1 引言12-26
• 1.1 课题研究背景与研究意义12-13
• 1.2 课题研究现状及难点13-24
• 1.2.1 运动目标检测现状及难点13-17
• 1.2.2 运动目标分类现状及难点17-24
• 1.3 论文的主要内容及结构安排24-26
• 2 面向智能监控的运动目标检测和目标分类方法26-38
• 2.1 运动目标检测方法26-31
• 2.1.1 帧间差分法26-28
• 2.1.2 背景建模法28-31
• 2.2 运动目标分类方法31-37
• 2.2.1 卷积神经网络的原理31-33
• 2.2.2 卷积神经网络的结构33-37
• 2.3 运动目标检测和分类方法37
• 2.4 本章小结37-38
• 3 基于背景建模和BING的运动目标检测38-48
• 3.1 运动目标检测整体设计38-39
• 3.2 形态学处理39-41
• 3.2.1 膨胀和腐蚀40-41
• 3.2.2 开运算和闭运算41
• 3.3 BING算法原理41-43
• 3.4 实验结果与分析43-46
• 3.4.1 经过形态学处理后的运动目标检测的实验结果44-45
• 3.4.2 基于BING的目标检测的实验结果45-46
• 3.4.3 基于GMM和BING的运动目标检测的实验结果46
• 3.5 本章小结46-48
• 4 基于卷积神经网络的运动目标分类48-61
• 4.1 建立运动目标数据库48-50
• 4.2 基于卷积神经网络的运动目标分类50-54
• 4.2.1 运动目标图像的预处理50-51
• 4.2.2 卷积神经网络设计51-54
• 4.2.3 不平衡样本训练策略54
• 4.2.4 多模型融合策略54
• 4.3 实验结果与分析54-59
• 4.3.1 实验结果的评价指标54-55
• 4.3.2 预处理后的实验结果55-56
• 4.3.3 单模型的实验结果56-57
• 4.3.4 不平衡样本的实验结果57-58
• 4.3.5 多模型融合的实验结果58-59
• 4.4 基于运动目标检测和分类方法的实验结果59-60
• 4.5 本章小结60-61
• 5 总结与展望61-63
• 5.1 工作总结61-62
• 5.2 工作展望62-63
• 参考文献63-67
• 作者简历及攻读硕士学位期间取得的研究成果67-69
• 学位论文数据集69

【相似文献】

中国期刊全文数据库 前10条

1 刘颖;廖桂生;李海;;动目标检测、定位与成像方法研究[J];系统工程与电子技术;2005年12期

2 李文明;;相干动目标检测器中的正交双通道不平衡效应[J];现代雷达;1988年01期

3 郭志芬,张玉兰;图象动目标检测[J];北京理工大学学报;1992年03期

4 郑世超;宋红军;刘亚波;闫贺;吴琨;;广域监视动目标检测模式下动目标快速定位误差分析[J];雷达学报;2013年04期

5 胡爱明;胡可欣;;一种基于优化设计的动目标检测方法及其运用[J];航天电子对抗;2006年06期

6 胡可欣;胡爱明;;一种优化设计的动目标检测方法及其运用[J];火控雷达技术;2007年02期

7 刘书君;袁运能;魏俊;毛士艺;;双通道与单通道相结合的运动目标检测新方法[J];信号处理;2008年03期

8 林文耀;覃亚丽;胡海容;;基于分数傅立叶变换的机载SAR多运动目标检测[J];计算机与数字工程;2009年01期

9 刘敬兴;;地面探测脉冲压缩雷达的动目标检测[J];电子技术应用;2010年01期

10 史洪印;;基于道路辅助的机载SAR动目标检测和参数估计[J];燕山大学学报;2012年05期

中国重要会议论文全文数据库 前8条

1 王新勇;梁国龙;惠俊英;郭龙祥;;宽带多频动目标检测的仿真研究[A];2001年全国水声学学术会议论文集[C];2001年

2 王磊;;双置条件下运动目标检测方法[A];2008年全国声学学术会议论文集[C];2008年

3 祁亚斌;周军红;;基于二维最大熵的运动目标检测[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

4 穆文争;张晓玲;;一种新的多通道SAR运动目标检测方法[A];2007北京地区高校研究生学术交流会通信与信息技术会议论文集（上册）[C];2008年

5 王宏群;方帅;高明;;基于抑制光强变化影响的运动目标检测[A];第十四届全国图象图形学学术会议论文集[C];2008年

6 唐勇;张桂林;李利荣;;基于光流的运动目标检测方法研究[A];全国冶金自动化信息网年会论文集[C];2004年

7 郭锐;王建国;;基于特征分解的多通道SAR运动目标检测[A];2006北京地区高校研究生学术交流会——通信与信息技术会议论文集（上）[C];2006年

8 王睿;国智;王凤宇;;利用动态参数检测红外动目标的算法研究[A];中国仪器仪表学会第九届青年学术会议论文集[C];2007年

中国博士学位论文全文数据库 前10条

1 许京伟;频率分集阵列雷达运动目标检测方法研究[D];西安电子科技大学;2015年

2 屈鉴铭;智能视频监控中的运动目标检测与跟踪技术研究[D];西安电子科技大学;2015年

3 王欢;复杂场景下的运动目标检测与跟踪研究[D];北京理工大学;2015年

4 李菊;复杂背景下的运动目标检测与跟踪[D];合肥工业大学;2015年

5 郑明洁;合成孔径雷达动目标检测和成像研究[D];中国科学院研究生院（电子学研究所）;2003年

6 危嵩;机载合成孔径雷达动目标检测与成像研究[D];华中科技大学;2005年

7 王东升;视频运动目标检测及其实时处理系统研究[D];电子科技大学;2004年

8 宁蔚;机载/星载雷达地面动目标检测方法研究[D];西安电子科技大学;2005年

9 潘翔;运动目标检测[D];浙江大学;2003年

10 张立峰;动目标检测、成像与参数估计方法研究[D];西安电子科技大学;2013年

中国硕士学位论文全文数据库 前10条

1 夏斌伟;视频监控中的运动目标检测与跟踪[D];华南理工大学;2015年

2 亓萌;双基地SAR动目标检测及成像研究[D];电子科技大学;2015年

3 王龙;动态场景建模与运动目标检测方法研究[D];电子科技大学;2014年

4 黄蒙;基于FPGA的雷达运动目标检测系统设计[D];西安电子科技大学;2014年

5 罗一淳;SAR转动目标检测与参数估计方法研究[D];国防科学技术大学;2013年

6 柴国强;机载SAR动目标检测及参数估计技术研究[D];电子科技大学;2014年

7 苏靖峰;基于激光扫描的运动目标检测与识别[D];电子科技大学;2014年

8 李春海;DBS成像与广域地面动目标检测、定位方法研究[D];西安电子科技大学;2014年

9 崔雪梅;静态场景下运动目标检测和跟踪的关键技术研究[D];青岛大学;2015年

10 鲁缘政;机载MIMO雷达运动目标检测和跟踪方法研究[D];西安电子科技大学;2014年

  本文关键词：面向智能监控的运动目标检测和分类方法的研究，由笔耕文化传播整理发布。

本文编号：397685