视频监控中运动人体的检测与追踪技术研究

发布时间：2021-10-05 13:43

　　随着科技的发展,智能视频监控的普及,计算机视觉领域中运动目标的检测与追踪的需求变得越来越重要。虽然已经有大量检测目标和跟踪目标的方法,然而,由于视频中人体成像的差异和背景环境的变化,使得运动目标的检测和追踪成为一项很困难的工作。本文的研究工作主要是在静态背景中检测和追踪运动人体,重点工作内容安排如下:在运动人体检测方面,针对传统三帧差分法检测人体轮廓的不足,提出了一种改进算法,通过改进混合高斯背景模型的建立,获得当前视频帧的背景模型,再使用背景相减法得到当前帧的移动目标区域,再将该运动目标区域进一步划分为非动态区域和动态区域,然后判定得到的动态区域即准确的运动目标区域,并采用不同的背景更新率实时的对背景区域进行更新;同时利用三帧差分法,将视频当前帧分别同前一帧、下一帧做差值运算,并对差值结果进行“与”操作,并将获得的运动目标区域同“与”运算结果,进行相“或”操作,并对操作结果通过形态学相关处理,获得最终平滑的轮廓区域。在运动人体追踪领域,首先叙述了几种主流的目标追踪技术,主要包括基于区域、形状和模型的目标追踪技术。同时以传统追踪方法为基础,并结合Kalman滤波和Meanshift跟踪... 

【文章来源】：河南工业大学河南省

【文章页数】：70 页

【学位级别】：硕士

【部分图文】：

主要技术框架

线性灰度变换可以看出，这是一个线性方程，是一个一维函数，对于图像像素在设定的图像灰度

图4分段线性变换通过改变分段线性变换函数的斜率，及直线拐点的范围，可以扩展或压缩每个分段

【参考文献】：
期刊论文
[1]基于全局和局部卷积特征融合的车辆目标检测[J]. 黄俊洁,陈念年,范勇.  西南科技大学学报. 2018(04)
[2]复杂热红外监控场景下行人检测[J]. 许茗,于晓升,陈东岳,吴成东,贾同,茹敬雨.  中国图象图形学报. 2018(12)
[3]遮挡判别下的多尺度相关滤波跟踪算法[J]. 刘万军,张壮,姜文涛,张晟翀.  中国图象图形学报. 2018(12)
[4]运动目标检测的ViBe算法改进[J]. 杨丹,戴芳.  中国图象图形学报. 2018(12)
[5]基于静脉灰度值特征的图像分割算法研究[J]. 王定汉,冯桂兰,王雄,吴羽峰,邓毛华.  光电工程. 2018(12)
[6]基于优化HOG特征计算的非完整人体特征检测[J]. 李闯,陈张平,王坚,张波涛.  计算机测量与控制. 2018(11)
[7]基于改进核相关滤波器的目标跟踪算法[J]. 江维创,张俊为,桂江生.  计算机工程. 2018(11)
[8]智能视频监控技术研究综述[J]. 李雯雯,谭玉波.  福建电脑. 2018(03)
[9]基于改进ViBe算法的运动目标检测方法[J]. 高健焮,陈健.  计算机应用. 2017(S2)
[10]基于熵和相关接近度的混合高斯目标检测算法[J]. 李睿,盛超.  计算机科学. 2017(12)

博士论文
[1]基于数字图像的蝴蝶种类自动识别研究[D]. 李凡.北京林业大学 2015

硕士论文
[1]尺度特征自适应的相关滤波跟踪算法研究[D]. 孙蕾.南京邮电大学 2018
[2]基于计算机视觉的目标检测和阴影检测算法的研究[D]. 宋全恒.吉林大学 2017
[3]基于双目视觉的运动恢复结构[D]. 杨阳.电子科技大学 2016
[4]复杂环境下人脸识别研究及其在CRM的实现[D]. 王瑶.电子科技大学 2016
[5]基于模糊理论与空间信息的图像分割方法研究[D]. 孙鑫.中北大学 2015
[6]基于视频的车辆违章行为检测研究[D]. 陈亚东.安徽大学 2015
[7]复杂路况车辆检测与跟踪系统设计[D]. 郭佳佳.安徽大学 2015
[8]基于FPGA的实时运动检测系统研究[D]. 孙文正.长安大学 2014
[9]基于视频的行人检测与跟踪技术研究[D]. 向应.西南交通大学 2014
[10]MeanShift粒子滤波算法在视频目标跟踪中的应用研究[D]. 张虎.广西科技大学 2013



本文编号：3419858