面向复杂场景的视频前景检测技术的研究与应用

发布时间：2021-07-07 07:36

　　在智能视频监控中,前景目标检测的目的是提取感兴趣前景目标并将其用于中高层视频分析技术。因此,视频前景检测具有重要的研究价值,也是智能视频监控的核心内容。针对目前尚未解决或部分解决的前景检测挑战,分析了当前视频前景目标检测方法的不足,并提出有效的视频前景检测算法,同时设计并实现了视频前景检测系统。本文的主要工作如下:1、提出了基于背景复杂度自适应距离阈值修正SuBSENSE（Self-Balanced Sensitivity Segmenter,SuBSENSE）算法。针对SuBSENSE算法中初始化模型不准确和复杂动态场景下距离阈值更新慢造成前景漏检和错检问题,提出了一种改进初始化方式和基于背景复杂度自适应距离阈值修正的SuBSENSE算法。在算法初始化阶段,通过改进的三帧差法创建背景模型从而提高模型的真实性。在模型更新阶段,通过时间一致性和空间一致性度量背景复杂度,结合定义的背景复杂度修正得到的距离阈值,得到更准确的距离阈值用于像素分类。实验结果表明,该算法相较于原算法的整体检测效果得到一定程度的提升。2、提出了基于置信度加权融合与视觉注意的前景检测方法。针对样本一致性的像素分类算法... 

【文章来源】：江苏大学江苏省

【文章页数】：71 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 研究背景与意义
    1.2 国内外研究现状
    1.3 技术难点与挑战
    1.4 论文主要工作
    1.5 技术路线和章节安排
        1.5.1 技术路线
        1.5.2 章节安排
第二章 相关技术概述
    2.1 引言
    2.2 颜色空间
        2.2.1 RGB颜色空间
        2.2.2 HSV颜色空间
        2.2.3 RGB与 HSV颜色空间互相转化
    2.3 LBSP纹理特征
    2.4 背景减除法基本理论
        2.4.1 模型表示
        2.4.2 模型初始化
        2.4.3 前景检测
        2.4.4 模型更新
    2.5 视觉注意机制
        2.5.1 视觉注意机制简述
        2.5.2 显著性检测基本原理
第三章 基于背景复杂度自适应修正SuBSENSE算法
    3.1 引言
    3.2 SuBSENSE算法
        3.2.1 初始化模型
        3.2.2 前景检测
        3.2.3 模型更新
    3.3 基于背景复杂度自适应距离阈值修正SuBSENSE算法
        3.3.1 改进的模型初始化方式
        3.3.2 背景复杂度的度量方式
        3.3.3 距离阈值修正策略
        3.3.4 算法描述与分析
    3.4 实验结果与分析
        3.4.1 数据集与参数设置
        3.4.2 算法评价指标
        3.4.3 整体效果对比与分析
        3.4.4 动态场景下的实验定量分析
    3.5 本章小结
第四章 基于置信度加权融合与视觉注意的前景检测方法
    4.1 引言
    4.2 样本一致性的像素分类方法概述及其不足
    4.3 基于置信度加权融合和视觉注意的前景检测方法
        4.3.1 基于置信度加权融合的像素分类算法
        4.3.2 样本置信度和权值自适应更新
        4.3.3 基于视觉注意的静止前景检测算法
        4.3.4 算法描述与分析
    4.4 实验结果与分析
        4.4.1 数据集与参数设置
        4.4.2 定量分析
        4.4.3 定性分析
    4.5 本章小结
第五章 视频前景检测系统的设计与实现
    5.1 系统框架介绍
        5.1.1 核心功能介绍
        5.1.2 系统开发环境
    5.2 系统模块及算法实现
        5.2.1 视频输入模块实现
        5.2.2 前景检测模块实现
        5.2.3 数据存储
    5.3 系统实现效果
        5.3.1 前景检测系统主页面
        5.3.2 视频前景检测效果
        5.3.3 存储功能展示
    5.4 本章小结
第六章 总结与未来工作
    6.1 工作总结
    6.2 未来展望
参考文献
致谢
附录 :攻读硕士学位期间取得的科研成果



本文编号：3269225