面向视频监控的运动目标检测和识别技术

发布时间：2017-04-05 04:01

  本文关键词：面向视频监控的运动目标检测和识别技术，，由笔耕文化传播整理发布。

【摘要】：随着计算机网络与通信技术的快速发展,智能化监控代替传统的人工监控成为了安防领域的热点。使用智能监控系统在无人为干预的情况下对监控图像序列进行智能分析,是未来发展的趋势。论文主要研究结合视频稳像的运动目标检测和目标识别技术,并围绕智能监控系统中的实际应用展开论述。论文研究了视频稳像技术,消除物理运动模糊,为后续的智能分析和处理排除干扰。论文对电子稳像技术进行了详细介绍,并分析已有算法的不足。假设全局抖动矢量一致,在块匹配算法的基础上,将整张图像视作一个块区域,使用像素点梯度差进行抖动估计,并进行优化。该方法能够有效消除视频的抖动,受噪声影响小,可达到亚像素级精度,接近实时稳像。在视频稳像的基础上,论文研究了稳定背景下的运动目标检测。对于混合高斯模型,论文针对背景模型的建模速度和模型质量进行了改进。使用了衰减的学习率来提高建模初期的更新速率,同时抑制模型稳定后的更新以避免混入缓慢运动的目标；使用阴影检测算法将阴影从背景模型中剔除,减少了光照缓慢变化对背景模型的影响,提高了稳定性。论文使用机器学习方法解决特定目标识别问题,重点研究机器学习所使用的特征,将常用的图像特征分为颜色特征、边缘特征和纹理特征。针对安全头盔佩戴识别,提出了基于块的局部二值模式直方图,使用可变形部件模型作为特征载体,将梯度方向直方图、颜色频率、颜色矩和基于块的局部二值模式直方图作为特征加入模型,使用支持向量机进行训练和检测,实现了适用性广、检测率高的安全头盔佩戴检测算法。最后,论文介绍了安全头盔佩戴识别应用。根据应用需求设计了安全头盔佩戴识别系统,包括视频稳像、运动目标检测和特定目标识别三个模块。在视频稳像和运动目标检测模块之间进行了协同优化,使用稳定的混合高斯模型背景作为视频稳像的参考帧图像,同时将检测到的运动区域从稳像的计算区域中剔除。使用运动目标检测到的运动区域作为特定目标识别的初始检测区域,减少了计算量,提高了运算效率。在特定目标识别中,将行人检测与安全头盔佩戴检测相结合,并利用帧间信息修正分类器的输出评分,提高了检测率,降低了误检率。
【关键词】：视频稳像 目标检测 模式识别 智能监控
【学位授予单位】：浙江大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TN948.6
【目录】：

• 致谢4-5
• 摘要5-7
• ABSTRACT7-12
• 1 绪论12-16
• 1.1 选题背景与研究意义12-13
• 1.2 国内外研究现状与方向13-14
• 1.3 本文组织结构14-16
• 2 视频稳像16-30
• 2.1 引言16-17
• 2.2 抖动估计17-22
• 2.2.1 块匹配法17
• 2.2.2 灰度投影法17-18
• 2.2.3 特征法18
• 2.2.4 光流法18
• 2.2.5 基于全图的梯度匹配算法18-22
• 2.3 抖动补偿和图像恢复22
• 2.4 算法优化22-24
• 2.5 验结果24-29
• 2.6 本章小结29-30
• 3 稳定背景下的运动目标检测30-39
• 3.1 引言30
• 3.2 背景建模法30-34
• 3.2.1 平均背景法30
• 3.2.2 混合高斯模型30-34
• 3.2.3 背景预测法34
• 3.3 非背景建模法34-35
• 3.3.1 帧差法34-35
• 3.3.2 光流法35
• 3.4 混合高斯模型改进35-37
• 3.5 实验结果37-38
• 3.6 本章小结38-39
• 4 特定目标识别39-57
• 4.1 引言39
• 4.2 颜色特征39-42
• 4.2.1 颜色直方图39-40
• 4.2.2 颜色矩40-41
• 4.2.3 颜色聚合向量41
• 4.2.4 颜色相关图41-42
• 4.3 边缘特征42-43
• 4.3.1 基于梯度的边缘特征42-43
• 4.3.2 Laplace算子43
• 4.4 梯度方向直方图(HOG)特征43-45
• 4.5 局部二值模式(LBP)特征45-46
• 4.6 安全头盔佩戴识别46-52
• 4.6.1 可变形部件模型47-48
• 4.6.2 加入颜色特征48-50
• 4.6.3 基于块的局部二值模式直方图50-52
• 4.7 实验结果52-56
• 4.8 本章小结56-57
• 5 安全头盔佩戴识别应用57-63
• 5.1 引言57
• 5.2 系统流程57-58
• 5.3 实验结果58-61
• 5.4 本章小结61-63
• 6 总结与展望63-66
• 6.1 全文总结63-64
• 6.2 展望64-66
• 参考文献66-70
• 作者简历70

【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：面向视频监控的运动目标检测和识别技术，由笔耕文化传播整理发布。

本文编号：286405