基于视觉背景提取的自适应运动目标提取算法
发布时间：2021-01-28 17:17
视频运动目标检测技术是计算机视觉的一个重要分支,广泛应用于智能监控视频、军事装备等多个领域,目前已经有许多成熟的目标检测算法,背景减除法作为经典的一种方法,受到广大学者的关注。背景减除法又分为直接减除法和背景建模法,相比之下背景建模法有更好的提取效果。在常见的背景建模法中,基于视觉背景建模法的性能是最好的,但是在复杂的场景下,检测效果不够理想。本文主要以视觉背景建模法为基础,对复杂环境下的视频运动目标检测进行深入的研究,以下为具体研究内容。（1）首先对目前常用的背景提取算法做了理论性介绍与实验性分析,总结了各种算法的特点以及应用场景,并根据这几种算法不足之处提出了一种新的背景提取算法。然后对视频前景目标检测算法进行了研究,对目前常用的前景目标检测算法做了理论性阐述与实验性分析,对各种算法的特点以及适用场景做了分析。最后,对背景减除法中的背景建模法进行了深入的研究,对常用的背景建模法进行了详细的介绍与分析,并以性能较好的基于视觉背景建模法为研究基础,针对其不足之处,提出了一种改进的基于视觉背景建模的前景目标检测算法。（2）其次针对目前已有的背景提取算法在视频帧数较多情况下时效性低、视频中...
【文章来源】：陕西科技大学陕西省
【文章页数】：82 页
【学位级别】：硕士
【部分图文】：
图１－１智能监控系统的图像处理过程??Ｆｉｇ．?１－１?Ｉｍａｇｅ?ｐｒｏｃｅｓｓｉｎｇ?ｆｌｏｗ?ｏｆ?ｉｎｔｅｌｌｉｇｅｎｔ?ｍｏｎｉｔｏｒｉｎｇ?ｓｙｓｔｅｍ??
?陕西科技大学硕士学位论文???两种类型，分别是椒盐噪声和高斯噪声。图２－３和图２－４分别展示了带有椒盐噪声的图??像、带有高斯噪声的图像。??，．通?Ｈｉ??图２－３椒盐噪声图像??Ｆｉｇ．?２－３?Ｓａｌｔ?ａｎｄ?ｐｅｐｐｅｒ?ｎｏｉｓｅ?ｉｍａｇｅ??＾?ｍ??图２－４高斯噪声图像??Ｆｉｇ．?２－４?Ｇａｕｓｓｉａｎ?ｎｏｉｓｅ?ｉｍａｇｅ??２．２．２图像滤波??为了后期对图像高级操作有更好的效果，通常先对图像进行预处理操作就是图像去??噪处理，其目的就是在尽量保留原来图像的条件下去除图像中多余的信息，并保留图像??大多数的细节信息。图像滤波分为频率域滤波和空间域滤波，频率域滤波需要通过傅里??叶变换到频率域，处理之后再反变换到空间域得到原图像。而空间域滤波是直接对图像??的数据做空间变换达到滤波目的。按照是否线性滤波分为线性滤波和非线性滤波，其中??线性滤波输出的像素是输入像素邻域像素的线性组合，最常见的就是均值滤波和高斯滤??波。非线性滤波指的是输出图像的像素值是输入图像像素领域像素的非线性组合，比如??中值滤波等，以下是上述滤波算法的详细过程。??（１）均值滤波。均值滤波是一种邻域平均法的线性滤波算法，该算法的主要思想是??使用局部窗口内所有像素点的均值替代原来图像中窗口中心像素点的像素值，即对于像??素点首先设置以该像素点为圆心的邻域像素点，如公式（２－８）求取这些像??素点的平均值作为滤波后该像素点的像素值。??ｐ｛＾ｙ）＝－＾Ｙ，ｐＸｘ＾ｙ）?（２＇８）??Ｍ?ｉｅＱ??式（２－８）中的２为像素点（ｘ，＿ｙ）的邻域内像素点组成的像素集，Ｍ为（ｘ，＿ｙ）邻域内像??素点个数，
?陕西科技大学硕士学位论文???两种类型，分别是椒盐噪声和高斯噪声。图２－３和图２－４分别展示了带有椒盐噪声的图??像、带有高斯噪声的图像。??，．通?Ｈｉ??图２－３椒盐噪声图像??Ｆｉｇ．?２－３?Ｓａｌｔ?ａｎｄ?ｐｅｐｐｅｒ?ｎｏｉｓｅ?ｉｍａｇｅ??＾?ｍ??图２－４高斯噪声图像??Ｆｉｇ．?２－４?Ｇａｕｓｓｉａｎ?ｎｏｉｓｅ?ｉｍａｇｅ??２．２．２图像滤波??为了后期对图像高级操作有更好的效果，通常先对图像进行预处理操作就是图像去??噪处理，其目的就是在尽量保留原来图像的条件下去除图像中多余的信息，并保留图像??大多数的细节信息。图像滤波分为频率域滤波和空间域滤波，频率域滤波需要通过傅里??叶变换到频率域，处理之后再反变换到空间域得到原图像。而空间域滤波是直接对图像??的数据做空间变换达到滤波目的。按照是否线性滤波分为线性滤波和非线性滤波，其中??线性滤波输出的像素是输入像素邻域像素的线性组合，最常见的就是均值滤波和高斯滤??波。非线性滤波指的是输出图像的像素值是输入图像像素领域像素的非线性组合，比如??中值滤波等，以下是上述滤波算法的详细过程。??（１）均值滤波。均值滤波是一种邻域平均法的线性滤波算法，该算法的主要思想是??使用局部窗口内所有像素点的均值替代原来图像中窗口中心像素点的像素值，即对于像??素点首先设置以该像素点为圆心的邻域像素点，如公式（２－８）求取这些像??素点的平均值作为滤波后该像素点的像素值。??ｐ｛＾ｙ）＝－＾Ｙ，ｐＸｘ＾ｙ）?（２＇８）??Ｍ?ｉｅＱ??式（２－８）中的２为像素点（ｘ，＿ｙ）的邻域内像素点组成的像素集，Ｍ为（ｘ，＿ｙ）邻域内像??素点个数，
【参考文献】：
期刊论文
[1]面向复杂场景的鲁棒KCF行人跟踪方法[J]. 成科扬,师文喜,周博文,吴金霞. 南京航空航天大学学报. 2019(05)
[2]基于深度学习的行人和车辆检测[J]. 徐谦,李颖,王刚. 吉林大学学报(工学版). 2019(05)
[3]无人驾驶中3D目标检测方法研究综述[J]. 季一木,陈治宇,田鹏浩,吴飞,刘尚东,孙静,焦志鹏,王娜,毕强. 南京邮电大学学报(自然科学版). 2019(04)
[4]一种运动背景下视觉注意辅助的目标检测方法[J]. 李鹏,王延江. 湖南大学学报(自然科学版). 2018(08)
[5]基于三帧差分混合高斯背景模型运动目标检测[J]. 李晓瑜,马大中,付英杰. 吉林大学学报(信息科学版). 2018(04)
[6]运动显著性概率图提取及目标检测[J]. 王慧斌,陈哲,卢苗,葛晨曦. 中国图象图形学报. 2018 (02)
[7]基于SVM的煤矿井下超宽带穿透成像算法研究[J]. 郭继坤,赵清,徐峰. 煤炭学报. 2018(02)
[8]基于改进粒子滤波的煤矿视频监控模糊目标检测[J]. 杨超宇,李策,梁胤程,杨峰. 吉林大学学报(工学版). 2017(06)
[9]基于稀疏自编码神经网络的军事目标图像分类[J]. 沈先耿. 指挥与控制学报. 2017(03)
[10]动态背景下基于光流场分析的运动目标检测算法[J]. 崔智高,王华,李艾华,王涛,李辉. 物理学报. 2017(08)
硕士论文
[1]基于视觉显著性的车辆监控视频关键帧提取技术[D]. 仲梦洁.南京邮电大学 2019
[2]自动驾驶场景障碍物检测与道路识别[D]. Razikhova Meiramgul.哈尔滨工业大学 2019
[3]动态背景下运动目标的检测与跟踪[D]. 张苑欣.西安电子科技大学 2015
[4]基于图像的井下人员检测算法研究[D]. 吕建中.重庆大学 2015
[5]智能视频监控系统中运动检测算法的研究[D]. 李飞.重庆大学 2015
[6]基于遥感图像的目标检测与运动目标跟踪[D]. 余华欣.西安电子科技大学 2014
[7]车辆目标检测与交通流量检测系统的研究[D]. 潘秦华.西安电子科技大学 2005
[8]智能交通系统中运动目标检测方法的研究[D]. 高大山.清华大学 2002
本文编号：3005371
【文章来源】：陕西科技大学陕西省
【文章页数】：82 页
【学位级别】：硕士
【部分图文】：
图１－１智能监控系统的图像处理过程??Ｆｉｇ．?１－１?Ｉｍａｇｅ?ｐｒｏｃｅｓｓｉｎｇ?ｆｌｏｗ?ｏｆ?ｉｎｔｅｌｌｉｇｅｎｔ?ｍｏｎｉｔｏｒｉｎｇ?ｓｙｓｔｅｍ??
?陕西科技大学硕士学位论文???两种类型，分别是椒盐噪声和高斯噪声。图２－３和图２－４分别展示了带有椒盐噪声的图??像、带有高斯噪声的图像。??，．通?Ｈｉ??图２－３椒盐噪声图像??Ｆｉｇ．?２－３?Ｓａｌｔ?ａｎｄ?ｐｅｐｐｅｒ?ｎｏｉｓｅ?ｉｍａｇｅ??＾?ｍ??图２－４高斯噪声图像??Ｆｉｇ．?２－４?Ｇａｕｓｓｉａｎ?ｎｏｉｓｅ?ｉｍａｇｅ??２．２．２图像滤波??为了后期对图像高级操作有更好的效果，通常先对图像进行预处理操作就是图像去??噪处理，其目的就是在尽量保留原来图像的条件下去除图像中多余的信息，并保留图像??大多数的细节信息。图像滤波分为频率域滤波和空间域滤波，频率域滤波需要通过傅里??叶变换到频率域，处理之后再反变换到空间域得到原图像。而空间域滤波是直接对图像??的数据做空间变换达到滤波目的。按照是否线性滤波分为线性滤波和非线性滤波，其中??线性滤波输出的像素是输入像素邻域像素的线性组合，最常见的就是均值滤波和高斯滤??波。非线性滤波指的是输出图像的像素值是输入图像像素领域像素的非线性组合，比如??中值滤波等，以下是上述滤波算法的详细过程。??（１）均值滤波。均值滤波是一种邻域平均法的线性滤波算法，该算法的主要思想是??使用局部窗口内所有像素点的均值替代原来图像中窗口中心像素点的像素值，即对于像??素点首先设置以该像素点为圆心的邻域像素点，如公式（２－８）求取这些像??素点的平均值作为滤波后该像素点的像素值。??ｐ｛＾ｙ）＝－＾Ｙ，ｐＸｘ＾ｙ）?（２＇８）??Ｍ?ｉｅＱ??式（２－８）中的２为像素点（ｘ，＿ｙ）的邻域内像素点组成的像素集，Ｍ为（ｘ，＿ｙ）邻域内像??素点个数，
?陕西科技大学硕士学位论文???两种类型，分别是椒盐噪声和高斯噪声。图２－３和图２－４分别展示了带有椒盐噪声的图??像、带有高斯噪声的图像。??，．通?Ｈｉ??图２－３椒盐噪声图像??Ｆｉｇ．?２－３?Ｓａｌｔ?ａｎｄ?ｐｅｐｐｅｒ?ｎｏｉｓｅ?ｉｍａｇｅ??＾?ｍ??图２－４高斯噪声图像??Ｆｉｇ．?２－４?Ｇａｕｓｓｉａｎ?ｎｏｉｓｅ?ｉｍａｇｅ??２．２．２图像滤波??为了后期对图像高级操作有更好的效果，通常先对图像进行预处理操作就是图像去??噪处理，其目的就是在尽量保留原来图像的条件下去除图像中多余的信息，并保留图像??大多数的细节信息。图像滤波分为频率域滤波和空间域滤波，频率域滤波需要通过傅里??叶变换到频率域，处理之后再反变换到空间域得到原图像。而空间域滤波是直接对图像??的数据做空间变换达到滤波目的。按照是否线性滤波分为线性滤波和非线性滤波，其中??线性滤波输出的像素是输入像素邻域像素的线性组合，最常见的就是均值滤波和高斯滤??波。非线性滤波指的是输出图像的像素值是输入图像像素领域像素的非线性组合，比如??中值滤波等，以下是上述滤波算法的详细过程。??（１）均值滤波。均值滤波是一种邻域平均法的线性滤波算法，该算法的主要思想是??使用局部窗口内所有像素点的均值替代原来图像中窗口中心像素点的像素值，即对于像??素点首先设置以该像素点为圆心的邻域像素点，如公式（２－８）求取这些像??素点的平均值作为滤波后该像素点的像素值。??ｐ｛＾ｙ）＝－＾Ｙ，ｐＸｘ＾ｙ）?（２＇８）??Ｍ?ｉｅＱ??式（２－８）中的２为像素点（ｘ，＿ｙ）的邻域内像素点组成的像素集，Ｍ为（ｘ，＿ｙ）邻域内像??素点个数，
【参考文献】：
期刊论文
[1]面向复杂场景的鲁棒KCF行人跟踪方法[J]. 成科扬,师文喜,周博文,吴金霞. 南京航空航天大学学报. 2019(05)
[2]基于深度学习的行人和车辆检测[J]. 徐谦,李颖,王刚. 吉林大学学报(工学版). 2019(05)
[3]无人驾驶中3D目标检测方法研究综述[J]. 季一木,陈治宇,田鹏浩,吴飞,刘尚东,孙静,焦志鹏,王娜,毕强. 南京邮电大学学报(自然科学版). 2019(04)
[4]一种运动背景下视觉注意辅助的目标检测方法[J]. 李鹏,王延江. 湖南大学学报(自然科学版). 2018(08)
[5]基于三帧差分混合高斯背景模型运动目标检测[J]. 李晓瑜,马大中,付英杰. 吉林大学学报(信息科学版). 2018(04)
[6]运动显著性概率图提取及目标检测[J]. 王慧斌,陈哲,卢苗,葛晨曦. 中国图象图形学报. 2018 (02)
[7]基于SVM的煤矿井下超宽带穿透成像算法研究[J]. 郭继坤,赵清,徐峰. 煤炭学报. 2018(02)
[8]基于改进粒子滤波的煤矿视频监控模糊目标检测[J]. 杨超宇,李策,梁胤程,杨峰. 吉林大学学报(工学版). 2017(06)
[9]基于稀疏自编码神经网络的军事目标图像分类[J]. 沈先耿. 指挥与控制学报. 2017(03)
[10]动态背景下基于光流场分析的运动目标检测算法[J]. 崔智高,王华,李艾华,王涛,李辉. 物理学报. 2017(08)
硕士论文
[1]基于视觉显著性的车辆监控视频关键帧提取技术[D]. 仲梦洁.南京邮电大学 2019
[2]自动驾驶场景障碍物检测与道路识别[D]. Razikhova Meiramgul.哈尔滨工业大学 2019
[3]动态背景下运动目标的检测与跟踪[D]. 张苑欣.西安电子科技大学 2015
[4]基于图像的井下人员检测算法研究[D]. 吕建中.重庆大学 2015
[5]智能视频监控系统中运动检测算法的研究[D]. 李飞.重庆大学 2015
[6]基于遥感图像的目标检测与运动目标跟踪[D]. 余华欣.西安电子科技大学 2014
[7]车辆目标检测与交通流量检测系统的研究[D]. 潘秦华.西安电子科技大学 2005
[8]智能交通系统中运动目标检测方法的研究[D]. 高大山.清华大学 2002
本文编号：3005371
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3005371.html
最近更新
教材专著
