监控场景下的目标检测与分析

发布时间：2017-06-28 21:06

  本文关键词：监控场景下的目标检测与分析，，由笔耕文化传播整理发布。

【摘要】：在视频监控领域,场景中的行人的检测和行为分析是当前研究的热点,而检测视频监控区域中的运动目标和统计其中的行人数量则是行为分析的前提之一。特别是在智能交通和公共安全领域,由于人工观测的工作量巨大,而且容易因人为因素而造成检测结果的不准确,所以利用计算机视觉和模式识别的技术进行监控场景中的目标检测与分析有着非常重要的意义。然而,现有的行人统计方法大多是基于跟踪或是回归算法,跟踪算法无法解决拥挤人群的检测与统计;回归方法在处理密集人群时表现优异,但在系统实时性上有其局限性。本文不仅介绍了基于背景建模的运动目标检测方法,如高斯混合模型法,减首帧法等,同时还提出了一种单帧的目标检测方法。相比于传统的单帧检测,本文提出的方法更适合于在监控场景中使用。我们提出的目标检测方法在特定的感兴趣区域中进行检测,同时由于特定区域中目标的大小变化不会很大,所以检测用的模板也不需要进行大范围的改变,这对于提高监控系统实时性具有很重要的意义。本文针对基于跟踪的行人计数问题,提出了一种基于步态的目标分析算法,能够较为准确地区分行人与非行人的目标,比如行人所携带的行李箱或其他包裹。该算法采用背景建模的方法分离出运动的前景目标,对于每一个前景目标块,分析其步态特征,根据行人与非行人不同的步态特征,对得到的前景是否为行人进行判别,从而提高基于跟踪的人数统计算法的精度。针对行人统计的实时性问题,本文结合基于跟踪的统计方法与基于回归的统计方法,提出了一种基于时间与空间信息分析的行人统计的方法,以达到处理密集场景和实时性的要求。该算法首先需要获取包含时间与空间信息的时空切片图像,并从时空切片图像的每个前景中提取一个十维的特征向量。根据这一特征向量,时空切片图像中的前景部分由支持向量机进行分类,然后再进行聚类。通过周期性地记录运动目标的时间空间信息,在一个周期的时间内分析时空信息中所含有的行人信息,可以得到该周期内行人的数量,以及每个行人行走的方向。通过周期性地分析行人的行为,可以实现监控系统的实时性。实验结果表明,基于步态的目标分析算法能够很好地区分行人和非行人目标,实时地统计非拥挤场景下的行人数量;基于时间空间信息分析统计方法,能够准确地统计出拥挤场景下行人的数量以及相应的每个行人的运动方向,同时达到监控系统实时性的要求。
【关键词】：目标检测 行人计数 步态特征 时间空间信息分析 聚类
【学位授予单位】：上海交通大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TN948.6
【目录】：

• 摘要5-7
• ABSTRACT7-12
• 第一章 绪论12-19
• 1.1 研究背景及意义12-14
• 1.2 国内外研究现状14-17
• 1.2.1 基于跟踪的运动目标分析14-15
• 1.2.2 基于回归的运动目标分析15-16
• 1.2.3 其他运动目标分析方法16-17
• 1.3 本文的研究内容和创新17-18
• 1.4 本文的组织结构18-19
• 第二章 运动目标的检测19-32
• 2.1 运动目标检测的主要方法19-23
• 2.1.1 背景建模法19-22
• 2.1.2 减首帧法22-23
• 2.2 背景模型的建立23-26
• 2.2.1 高斯混合模型24-25
• 2.2.2 消除目标阴影25-26
• 2.3 前景的预处理和特征提取26-28
• 2.3.1 形态学处理26-27
• 2.3.2 特征提取27-28
• 2.4 实验结果28-31
• 2.5 本章小结31-32
• 第三章 基于单帧图像的目标检测32-45
• 3.1 基于单帧的目标检测的优势32
• 3.2 主要检测方法32-35
• 3.3 基于特定窗.的检测方法35-39
• 3.3.1 监控区域的选择35-37
• 3.3.2 滑动窗.的设定37
• 3.3.3 特征提取37-39
• 3.4 实验结果39-43
• 3.5 本章小结43-45
• 第四章 基于跟踪的运动目标分析45-57
• 4.1 跟踪方法45-47
• 4.2 基于步态特征的目标分析47-51
• 4.2.1 步态特征的提取47-48
• 4.2.2 基于步态特征的目标分析48-51
• 4.3 绊线检测51-52
• 4.4 实验结果52-56
• 4.5 本章小结56-57
• 第五章 基于时间与空间信息分析的运动目标分析57-77
• 5.1 时空切片图像57-61
• 5.1.1 时空切片图像的获取58-59
• 5.1.2 运动目标在时空切片图像中的表示59-61
• 5.2 基于支持向量机的预分类61-64
• 5.2.1 支持向量机简述62-63
• 5.2.2 训练和参数设定63-64
• 5.3 基于聚类的再分类64-67
• 5.3.1 AP聚类简述64-65
• 5.3.2 参数设定65-66
• 5.3.3 与其他聚类方法的比较66-67
• 5.4 运动方向分析67-69
• 5.5 实验结果与分析69-75
• 5.5.1 测试数据集69-70
• 5.5.2 行人分析结果70-74
• 5.5.3 实时性分析74-75
• 5.5.4 算法的不足75
• 5.6 本章小结75-77
• 第六章 结论与展望77-80
• 6.1 全文总结77-78
• 6.2 研究展望78-80
• 参考文 献80-85
• 致谢85-86
• 攻读硕士学位期间已发表或录用的论文86

【相似文献】

中国期刊全文数据库 前10条

1 李民,蔡江胜,项世法,张奎启,张福胤,韩辉,王福;显微腭部组织序列切片图像的定位[J];大连理工大学学报;1997年06期

2 李民,蔡江胜,项世法,张奎启,张福胤,韩辉,王福;显微腭部组织序列切片图像的定位[J];大连理工大学学报;1997年S2期

3 姜志国,孟如松,赵宇,周付根,董海军;组织切片图像的可视化技术及应用[J];中国体视学与图像分析;2002年03期

4 罗洪艳;李敏;谭立文;郑小林;张绍祥;侯文生;;一种数字人脑部切片图像分割新方法[J];中国医学影像技术;2009年08期

5 钟映春;戚剑;刘小林;张淼;;从图像中提取离散点状神经功能束边缘的研究[J];系统仿真学报;2011年07期

6 钟映春;罗鹏;;从神经切片图像中识别功能束类型的研究[J];中国图象图形学报;2012年01期

7 李芳;钟映春;张毅;戚剑;刘小林;;神经切片图像中识别定位线断面的研究[J];计算机工程与应用;2010年22期

8 王钰;徐敏;谷方;;基于切片图像的颌面骨骼三维建模方法[J];青岛大学学报(工程技术版);2007年01期

9 王奇文;郑丽敏;梅树立;;基于形态学的小鼠舌头切片图像分割与实现[J];计算机工程;2011年19期

10 王琴,王卫星,张少

本文编号：495255