資源描述：
《監(jiān)控視頻中運(yùn)動(dòng)目標(biāo)檢測(cè)技術(shù)研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、碩士學(xué)位論文監(jiān)控視頻中運(yùn)動(dòng)目標(biāo)檢測(cè)技術(shù)研究RESEARCHONMOVINGOBJECTDECTIONTECHNOLOGYINSURVEILLANCEVIDEO劉曉炯哈爾濱工業(yè)大學(xué)2015年12月國(guó)內(nèi)圖書(shū)分類(lèi)號(hào)：TP391.4學(xué)校代碼：10213國(guó)際圖書(shū)分類(lèi)號(hào)：621.3密級(jí)：公開(kāi)工程碩士學(xué)位論文監(jiān)控視頻中運(yùn)動(dòng)目標(biāo)檢測(cè)技術(shù)研究碩士研究生：劉曉炯導(dǎo)師：樊濱溫副教授申請(qǐng)學(xué)位：工程碩士學(xué)科：電子與通信工程所在單位：深圳研究生院答辯日期：2015年12月授予學(xué)位單位：哈爾濱工業(yè)大學(xué)ClassifiedIndex:TP391.4U.D.C:621.3DissertationfortheMaste
2、r’sDegreeofEngineeringRESEARCHONMOVINGOBJECTDETECTIONTECHNOLOGYINSURVEILLANCEVIDEOCandidate：LiuXiaojiongSupervisor：Assoc.Prof.FanBinwenAcademicDegreeAppliedfor：MasterofEngineeringSpecialty：ElectronicsandCommunicationEngineeringAffiliation：ShenzhenGraduateSchoolDateofDefence：December,2015Degree-
3、Conferring-Institution：HarbinInstituteofTechnology哈爾濱工業(yè)大學(xué)工程碩士學(xué)位論文摘要傳統(tǒng)的監(jiān)控視頻系統(tǒng)只能存儲(chǔ)歷史視頻，方便在事故發(fā)生后進(jìn)行調(diào)查，不能及時(shí)對(duì)事故進(jìn)行預(yù)警通知，無(wú)法消除事故隱患，視頻目標(biāo)自動(dòng)檢測(cè)技術(shù)可以很好地解決這些問(wèn)題。檢測(cè)結(jié)果的好壞與所采用的檢測(cè)算法或?qū)嶋H環(huán)境有關(guān)，是后續(xù)目標(biāo)跟蹤、特征提取、分類(lèi)、行為理解等許多研究工作的基礎(chǔ)，直接決定著這些研究的效率與準(zhǔn)確性。在實(shí)際情況中，視頻在拍攝過(guò)程中很容易受到環(huán)境的影響，并且人們對(duì)系統(tǒng)的穩(wěn)定性、魯棒性、實(shí)時(shí)性提出了更高的要求，所以，基于視頻的運(yùn)動(dòng)目標(biāo)檢測(cè)技術(shù)面臨著很多挑戰(zhàn)。為了
4、解決這些問(wèn)題，本論文將針對(duì)目標(biāo)檢測(cè)算法展開(kāi)研究。本論文深入研究了傳統(tǒng)混合高斯模型，與單高斯模型相比，該方法用多個(gè)高斯分布去描述像素的變化，能夠更好地適應(yīng)復(fù)雜多變的環(huán)境，可以獲得更佳的檢測(cè)效果，但該方法中存在一些缺陷，論文分析了模型中存在的兩個(gè)問(wèn)題：一是當(dāng)前景目標(biāo)在一段時(shí)間內(nèi)滯留時(shí)，由于背景的不斷更新，將無(wú)法檢測(cè)出該目標(biāo)；二是如何實(shí)現(xiàn)高斯分布個(gè)數(shù)的自適應(yīng)化以提高檢測(cè)的實(shí)時(shí)性。對(duì)于第一個(gè)問(wèn)題，通過(guò)比較前后幀中前景像素點(diǎn)的重疊率來(lái)判斷目標(biāo)是否運(yùn)動(dòng)來(lái)確定具體的更新策略，解決了目標(biāo)滯留時(shí)無(wú)法檢測(cè)的問(wèn)題；對(duì)于第二個(gè)問(wèn)題，利用自適應(yīng)策略，通過(guò)判斷“淘汰”的高斯分布來(lái)改善檢測(cè)的實(shí)時(shí)性。并且將改進(jìn)方法
5、與傳統(tǒng)混合高斯方法從效果和耗時(shí)上做了對(duì)比試驗(yàn)，證明了改進(jìn)方法的有效性，提高了系統(tǒng)實(shí)時(shí)性。論文同時(shí)對(duì)關(guān)鍵幀的核密度估計(jì)方法進(jìn)行了改進(jìn)，核密度方法相對(duì)于混合高斯方法的好處是不需要預(yù)先知道像素變化的分布情況，也不必進(jìn)行復(fù)雜的參數(shù)設(shè)置。傳統(tǒng)的核密度估計(jì)法中，所有樣本不加區(qū)分地參與到密度估計(jì)中，計(jì)算量很大，而論文中的關(guān)鍵幀策略是從樣本集中選取能代表背景關(guān)鍵信息的關(guān)鍵幀作為估計(jì)樣本，大大減少了參與估計(jì)的樣本數(shù)量，并且將之與混合高斯方法以及傳統(tǒng)核密度方法從檢測(cè)效果和時(shí)間消耗上做了對(duì)比，證明了改進(jìn)方法的有效性，提高了系統(tǒng)實(shí)時(shí)性。最后利用改進(jìn)混合高斯方法和關(guān)鍵幀核密度估計(jì)方法進(jìn)行聯(lián)合檢測(cè)，取得了良好的
6、檢測(cè)效果，并對(duì)檢測(cè)結(jié)果中存在的陰影進(jìn)行檢測(cè)與消除，避免了陰影帶來(lái)的干擾。關(guān)鍵詞：目標(biāo)檢測(cè)；混合高斯；核密度估計(jì)；陰影檢測(cè)-I-哈爾濱工業(yè)大學(xué)工程碩士學(xué)位論文AbstractTraditionalvideosurveillancesystemcanonlystorehistoricalvideosforinvestigationafteraccidents,whichcannottimelynoticeandeliminateaccidents.Targetdetectiontechnologycansolvetheseproblems.Gooddetectionresultsarer
7、elatedwiththedetectionalgorithmoractualenvironment,whichisthebasisofthefollowingtargettracking,featureextraction,classification,behaviorunderstanding.Theeffectivenessofresultsdirectlydeterminestheefficiencyandaccuracyofthesestudie
