基于移动RGB-D摄像机的前景检测

发布时间：2022-02-24 10:47

　　随着科技的进步,计算机视觉在众多领域的应用也得以飞速发展,而前景检测作为解决众多计算机视觉问题的基础与前提,一直是研究的热点。前景检测是通过一定的技术将图像或视频中人们感兴趣的区域或者运动目标作为前景从背景中提取出来。随着前景检测的应用范围越来越广,固定摄像机已不能满足所有场景,由于移动拍摄设备的日渐普及,移动摄像机在前景检测中的应用也越来越广泛。Vibe算法是前景检测领域中常用的检测算法之一,它有计算量小,具有良好的实时性等诸多优点。但是当Vibe算法应用于移动摄像机拍摄下的场景时会出现一些问题,例如背景模型更新机制不能适应于实时场景等。为了解决这些问题,本文提出了一种RGB-D Vibe算法,该算法从背景建模、像素分类和背景模型更新三个部分对Vibe算法进行改进。与Vibe算法利用彩色信息提取前景相比,RGB-D Vibe算法不仅利用了彩色信息还利用了深度信息。其中,深度信息由RGB-D摄像机Kinect采集的深度图像获得。经实验验证,RGB-D Vibe算法能够在动态背景下有效地检测到运动物体（前景）。针对前景伪装的问题,本文提出基于深度边缘的前景检测方法。该方法基于前景外部轮廓... 

【文章来源】：北京化工大学北京市211工程院校教育部直属院校

【文章页数】：84 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 课题背景及意义
    1.2 前景检测的研究现状
        1.2.1 基于固定摄像机的前景检测
        1.2.2 基于移动摄像机的前景检测
        1.2.3 基于RGB-D摄像机的前景检测
    1.3 本文的主要研究内容及创新点
第二章 RGB-D摄像机Kinect1.0
    2.1 Kinect 1.0简介
    2.2 Kinect 1.0深度图像获取原理
    2.3 深度图像与彩色图像对齐
    2.4 基于Kinect的数据集
        2.4.1 TUM数据集
        2.4.2 自生成数据集
    2.5 本章小结
第三章 基于移动RGB-D摄像机的色彩深度背景提取算法
    3.1 Vibe算法
        3.1.1 背景建模
        3.1.2 像素分类
        3.1.3 背景模型更新
    3.2 Vibe算法应用于移动摄像机时存在的问题
    3.3 RGB-D Vibe算法
        3.3.1 基于空间转换的背景建模
        3.3.2 像素分类
            3.3.2.1 距离定义
            3.3.2.2 基于深度信息的自适应前景检测
        3.3.3 背景帧更新
            3.3.3.1 基于前景点的背景帧更新策略
            3.3.3.2 基于深度变化的背景帧更新策略
        3.3.4 鬼影点检测
        3.3.5 流程图
    3.4 实验结果与讨论
        3.4.1 案例 1
        3.4.2 案例 2
    3.5 本章小结
第四章 RGB-D Vibe与深度边缘提取相结合的前景检测策略
    4.1 前景检测
    4.2 边缘检测算法
        4.2.1 Roberts算子
        4.2.2 Sobel算子
        4.2.3 Prewitt算子
        4.2.4 Laplacia算子
        4.2.5 Canny算子
        4.2.6 不同算子之间的对比
    4.3 基于深度边缘的前景检测方法
        4.3.1 基于Sobel算子的边缘检测
        4.3.2 自适应添加地线
        4.3.3 基于种子填充算法的自适应前景填充
        4.3.4 消除背景边缘
    4.4 实验结果与讨论
        4.4.1 案例 1
        4.4.2 案例 2
    4.5 本章小结
第五章 结论与展望
    5.1 结论
    5.2 展望
参考文献
致谢
研究成果及发表的学术论文
作者及导师简介
附件


【参考文献】：
期刊论文
[1]An effective graph and depth layer based RGB-D image foreground object extraction method[J]. Zhiguang Xiao,Hui Chen,Changhe Tu,Reinhard Klette.  Computational Visual Media. 2017(04)
[2]移动相机下基于三维背景估计的运动目标检测[J]. 郭会文,吴新宇,苏士娟,傅睿卿.  仪器仪表学报. 2017(10)
[3]动态场景中基于绝对差值和的前景检测算法[J]. 刘敏,赵丹丹,武明虎,王娟.  计算机工程. 2017(07)
[4]一种针对移动相机的实时视频背景减除算法[J]. 孙丰,秦开怀,孙伟,郭华源.  计算机辅助设计与图形学学报. 2016(04)
[5]基于Kinect深度图像信息的人体运动检测[J]. 孟明,杨方波,佘青山,孙曜,罗志增.  仪器仪表学报. 2015(02)
[6]EVibe:一种改进的Vibe运动目标检测算法[J]. 余烨,曹明伟,岳峰.  仪器仪表学报. 2014(04)
[7]基于改进Sobel算子的边缘检测算法的研究[J]. 何春华,张雪飞,胡迎春.  光学技术. 2012(03)
[8]图像边缘检测中的微分算子法及其比较[J]. 龙清.  信息技术. 2011(06)
[9]一种Roberts自适应边缘检测方法[J]. 康牧,许庆功,王宝树.  西安交通大学学报. 2008(10)
[10]自适应Canny算子边缘检测技术[J]. 李牧,闫继红,李戈,赵杰.  哈尔滨工程大学学报. 2007(09)

博士论文
[1]视频序列中运动物体检测算法研究[D]. 刘敏.华中科技大学 2013

硕士论文
[1]基于RGB-D数据的运动目标检测技术研究[D]. 章婷婷.南京理工大学 2017
[2]移动机器人视觉检测和跟踪研究[D]. 刘军学.哈尔滨工业大学 2008



本文编号：3642565