当前位置: > 硕士毕业论文 > 30000字硕士毕业论文基于视频的运动目标检测算法研究

30000字硕士毕业论文基于视频的运动目标检测算法研究

论文类型:硕士毕业论文
论文字数:30000字
论点:监控,图像,视频
论文概述:

智能视频监控系统具有广泛的应用前景〔卜7],主要应用在海关、边防、战场的监控;智能交通系统;智能大厦与数字化家庭系统;森林防火系统;重要场所(炼油厂、飞机场、银行等)的监控系统;智能

论文正文:

  第1章绪论.         1研究的背景图像信息是人类认识世界的重要知识来源,人类所获得的外界信息有70%以上是来自眼睛摄取的图像。在许多场合,没有其他形式比图像所传送的信息更为丰富和真切。现实生活之中,大量的有意义的视觉信息包含在运动之中,尽管人类视觉既能看见运动又能看见静止的物体,但是在许多场合,如交通流量的检测,重要场所的保安,航空和军用飞机的制导,汽车的自动驾驶或辅助驾驶等,往往只对运动的物体感兴趣。近年来一些可视化的监控系统,可以满足人们“眼见为实”的要求,但这种监控系统较多地集中在基于PC机的图像监控,它要求监控人员不停地监视屏幕,获得视频信息,通过人为的理解和判断,才能得到相应的结论,做出相应的决策,而让监控人员长期盯着众多的电视监视器成了一项非常繁重的任务,特别在一些监控点较多的情况下,监控人员几乎无法做到完整全面的监控。例如:在停车场中安放的普通摄像头,当安保人员不在监控镜头前,有盗窃行为发生时,不具有自动报警功能。这就要求安保人员时刻守护在监控镜头前,判断、分析可能存在的犯罪行为。安保人员不可能24小时全神贯注的守护在镜头前,即使分组换人值班也不可能做到在数十个监控镜头前,对每一个监控镜头分分秒秒不出现漏监、漏报的情况。因此,需要研究利用计算机技术达到智能监控的目的,即在不需要人为干预情况下,利用计算机视觉和视频分析的方法,对摄像机拍录的图像序列进行自动分析,实现对动态场景中目标的定位、识别和跟踪,并分析和判断目标的行为,从而完成异常情况发生下的及时反应等日常管理。随着视频分析技术、多媒体数据库、模式识别和人工智能技术的发展,智能化视频监控技术能够及时、自动地从原始视频信息中提取大量有用信息,用来完成视频的传输、保存和检索,触发其它行为,轻而易举地完成人力很难完成的任务。视频序列图像运动目标分析的基本内容是从连续的视频序列图像中提取出运动目标,同时对提取出的运动目标进行识别和跟踪,并对其行为进行理解和描述。          智能视频监控系统具有广泛的应用前景〔卜7],主要应用在海关、边防、战场的监控;智能交通系统;智能大厦与数字化家庭系统;森林防火系统;重要场所(炼油厂、飞机场、银行等)的监控系统;智能小区监控系统等。在安防应用中,能自动监视危险情况,当发现异常行为时,系统能向保卫人员准确及时地发出警报,从而避免犯罪的发生,同时也减少雇佣大批监视人员所需要的人力、物力和财力的投入;在智能交通系统中〔s-izls可以根据采集的信息对交通运输进行整体规划,实现车型识别,检测违章驾驶和道路异常情况等,从而减轻交通堵塞、有利于优化交通调度,改善交通环境、提高道路的利用率、降低交通事故频发率等,大大提高了处理交通事故的快速反应能力和排障效率。特别是911事件以来,在各种重要设施场所中,如博物馆、飞机场、地铁出入口或者室外交通路口处,都安放了大量的摄像机监控镜头,以达到控制记录事故发生的目的,但同时这种监控只能对已发生的事故进行记录智能化技术可以大大提高监控效率,可以从复杂的数据中辨认行为和类型,可提供操作命令、数据和信息,实现报警、智能检索等功能。因此,智能视频监控现已成为了计算机视觉领域中备受关注的研究方向。         1.2视频检测技术2.1研究发展历程视频监控技术在20世纪60年代出现〔13],它是多媒体技术、计算机网络、工业控制和人工智能等技术的综合运用的产物,正向着音、视频的数字化、系统的网络化和管理的智能化方向不断发展。从视频监控技术的发展历程来看,大致经历了三代。第一代视频监控系统是以模拟信号、图像的处理和传输为基础的,多路模拟摄像机产生的模拟信号通过同轴电缆传输到监控室,监控人员通过监视器来判断监视场景的情况。第二代监控系统主要依赖于混合模数或全数字的视频传输和处理方法,采用多媒体数字压缩技术将视频图像完全数字化,节省了带宽资源。在视频监控中可以利用视频分析算法实现自动报警,让监控者只关注感兴趣的事物。第三代监控系统利用低价位高性能的移动网络、计算机网络和固定的多媒体通信网络传输监控信号。视频信号在前端进行自动分析处理,然后将有价值的信息通过无线或有线网络传输到监控中心,实现自动视频监控。第三代的研究热点主要放在鲁棒性的图像传输、彩色图像的处理,、基于事件或模式的序列图像的理解上。近年来,随着传感器、计算机软件与硬件、信号处理、通信和视觉监控所需的技术和设备的发展,使得智能监控的迅猛发展和广泛应用拥有了物质基础。 参考文献[1]. C. Ridden O. Munkelt, Kirchner. and H. Adaptive background estimation and foregrounddetection using kalman filtering[J]. Proc International Conference on recent AdvaMechatronics. 1995: 193一199.. Kim K., Harwood D., Davis L. S. Background updating for visual surveillance. In:Advances in Visual Computing, Proceedings; 2005:337-346..  Messelodi  Stefano,  Modem  Carla  Maria,  Cattoni  Gianni.  Vision-basebicycle/motorcycle  classification[J].  Pattern  Recognition  Letters.  2007,  28(13):1719-1726.. N. Friedman, Russell S.,.Image Segmentation in Video Sequences: A ProbabilisticApproach. In: Proc of the Thirteenth Conference on Uncertainty in Artificial Intelligence;1997; 1997.. Schindler K.,  Wang H.  Smooth foreground-background segmentation for videoprocessing. In: Computer Vision一Accv 2006, Pt Ii; 2006:581-590.. Wang H. Z., Suter D. A novel robust statistical method for background initialization andvisual surveillance. In: Computer Vision一Accv 2006, Pt I; 2006:328-337.  提要 4-7 第1章 绪论 7-15     1.1 研究的背景 7-8     1.2 视频检测技术 8-13         1.2.1 研究发展历程 8-10         1.2.2 研究现状 10-12         1.2.3 研究存在的问题 12-13     1.3 本文研究内容 13     1.4 论文结构安排 13-15 第2章 视频检测系统设计 15-20     2.1 系统概述 15-16     2.2 硬件系统构成 16-17         2.2.1 视频采集系统安装示意结构 16         2.2.2 检测硬件框架体系 16-17     2.3 软件框架体系 17-19     2.4 本章小结 19-20 第3章 视频检测预处理与背景获取 20-32     3.1 有效检测区域确定 20-21     3.2 滤波处理 21-22         3.2.1 邻域平均法 21-22         3.2.2 中值滤波法 22         3.2.3 比较分析 22     3.3 自适应混合高斯背景模型 22-30         3.3.1 背景表达 23-24         3.3.2 k-means聚类算法 24-29         3.3.3 背景模型更新 29-30     3.4 实验结果分析 30-31     3.5 本章小结 31-32 第4章 运动物体检测 32-40     4.1 数学形态学算法 32-34         4.1.1 数学形态学算法思想 32-33         4.1.2 开运算孤立点祛除 33-34     4.2 图像分割 34-38         4.2.1 图像分割原理 34         4.2.2 区域分割 34-36         4.2.3 基于分水岭的分割方法 36-38             4.2.3.1 基于淹没的分水岭算法 37-38             4.2.3.2 基于标注的分水岭分割的方法 38     4.3 实验结果分析 38-39     4.4 本章小结 39-40 第5章 总结与展望 40-42 参考文献 42-44