資源描述：
《單高斯模型論文：單高斯模型 運(yùn)動(dòng)目標(biāo)檢測 拖尾 鬼影 陰影消除》由會員上傳分享，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。
1、單高斯模型論文：運(yùn)動(dòng)目標(biāo)檢測算法及其應(yīng)用研究【中文摘要】現(xiàn)代社會正變得日益復(fù)雜,人們所面臨的安全形勢也越來越嚴(yán)峻。在這種情況下,智能視頻監(jiān)控技術(shù)得到了廣泛的應(yīng)用。作為智能視頻監(jiān)控技術(shù)中的關(guān)鍵底層技術(shù),運(yùn)動(dòng)目標(biāo)檢測算法也受到了越來越多的科研工作者的關(guān)注,并逐漸成為計(jì)算機(jī)視覺技術(shù)中的熱點(diǎn)研究課題之一。論文首先介紹了課題的和國內(nèi)外研究現(xiàn)狀,并對國內(nèi)外一些經(jīng)典的運(yùn)動(dòng)目標(biāo)檢測算法做了研究,分析了它們各自的優(yōu)點(diǎn)和不足。論文對當(dāng)前常用的幾種運(yùn)動(dòng)目標(biāo)檢測方法——幀間差分法、光流場法、背景差分法的原理和流程作了詳盡的分析,并對運(yùn)動(dòng)目標(biāo)檢測常用技術(shù)如圖像處理、陰影去除、形態(tài)學(xué)
2、處理、輪廓提取等相關(guān)知識做了普遍的研究。論文著重研究了基于單高斯模型的運(yùn)動(dòng)目標(biāo)檢測方法。論文首先介紹了單高斯模型的來源和傳統(tǒng)的基于單高斯模型的運(yùn)動(dòng)目標(biāo)檢測方法的原理,然后指出了傳統(tǒng)的基于單高斯模型的運(yùn)動(dòng)目標(biāo)檢測方法存在的“拖尾”問題,并分析了產(chǎn)生該問題的原因,由此引出了經(jīng)過Koller等人改進(jìn)后的基于單高斯模型的運(yùn)動(dòng)目標(biāo)檢測方法。Koller等人的算法解決了傳統(tǒng)算法的“拖尾”問題,但又產(chǎn)生了“鬼影”問題。論文在對“鬼影”問題的產(chǎn)生原因作了深入分析的基礎(chǔ)上,提出了動(dòng)態(tài)的高斯模型更新策略,很好...【英文摘要】Themodernsocietyisbecomin
3、gmoreandmorecomplex.Thesecuritysituationpeoplefaceisbecomingmoreandmoreserious.Inthiscase,theintelligentvideosurveillancetechnologyhasbeenwidelyused.Asthekeytechnologyonintelligentvideosurveillance,algorithmsonmovingobjectdetectionhavegottenmoreandmoreconcernfromresearchersandbeco
4、meahotresearchtopicofcomputervisiontechnologygradually.Firstofall,thisthesisintroducestheresearchbackgroundandcurrentsituationi...【關(guān)鍵詞】單高斯模型運(yùn)動(dòng)目標(biāo)檢測拖尾鬼影陰影消除【英文關(guān)鍵詞】SingleGaussianmodelMovingobjectdetectionTrailingGhostShadowsuppression【索購全文】聯(lián)系Q1：138113721Q2：139938848同時(shí)提供論文寫作一對一輔導(dǎo)和論文發(fā)表
5、服務(wù).保過包發(fā)【目錄】運(yùn)動(dòng)目標(biāo)檢測算法及其應(yīng)用研究摘要4-5Abstract5-6第1章緒論9-151.1課題的研究背景和意義9-101.2國內(nèi)外研究現(xiàn)狀10-121.3論文的研究內(nèi)容12-131.4論文的組織結(jié)構(gòu)13-15第2章運(yùn)動(dòng)目標(biāo)檢測常用技術(shù)15-352.1圖像預(yù)處理15-182.1.1圖像噪聲15-162.1.2圖像去噪162.1.3均值濾波16-172.1.4中值濾波172.1.5高斯濾波17-182.2運(yùn)動(dòng)目標(biāo)檢測常用算法18-272.2.1運(yùn)動(dòng)目標(biāo)檢測算法概述18-212.2.2幀間差分法21-232.2.3光流法23-252.2.4背景差
6、分法25-262.2.5三種常用運(yùn)動(dòng)目標(biāo)檢測方法的比較26-272.3陰影去除方法27-292.3.1陰影的形成機(jī)理27-282.3.2陰影去除常用算法28-292.4形態(tài)學(xué)處理29-322.4.1膨脹與腐蝕29-312.4.2開運(yùn)算與閉運(yùn)算31-322.5OpenCV介紹32-342.5.1OpenCV總覽32-332.5.2OpenCV常用函數(shù)33-342.6本章小結(jié)34-35第3章基于改進(jìn)的單高斯模型的運(yùn)動(dòng)目標(biāo)檢測方法35-513.1傳統(tǒng)的單高斯模型35-393.1.1高斯分布35-373.1.2單高斯模型的建立37-383.1.3單高斯模型的更新3
7、8-393.2改進(jìn)的單高斯模型39-453.2.1更新率的選取39-403.2.2更新策略的改進(jìn)40-453.3陰影檢測45-483.3.1基于色度畸變的陰影檢測方法46-473.3.2基于一階梯度模型的陰影檢測方法47-483.4運(yùn)動(dòng)目標(biāo)輪廓提取48-503.5本章小結(jié)50-51第4章智能視頻監(jiān)控原型系統(tǒng)設(shè)計(jì)51-594.1智能視頻監(jiān)控原型系統(tǒng)概況51-544.1.1系統(tǒng)開發(fā)背景51-524.1.2系統(tǒng)架構(gòu)及主要模塊52-534.1.3系統(tǒng)監(jiān)控原理53-544.2視頻智能分析模塊54-564.2.1視頻智能分析工作流54-554.2.2視頻智能分析模塊界
8、面55-564.3實(shí)驗(yàn)結(jié)果56-584.4本章小結(jié)58-59第5章
