| 【中文题名】 | 视频监控系统中的关键技术研究 |
| 【英文题名】 | Research on Key Technologies of Video Surveillance System |
| 【学科专业】 | 信号与信息处理 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2006-8-2 |
| 【中关键词】 | 运动目标检测,运动目标分割,运动目标跟踪,Hausdorff距离,, |
| 【英关键词】 | moving object detection,moving object partition,moving object tracking,Hausdorff distance, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化技术及设备>自动化系统>监视、报警、故障诊断系统> |
| 【论文摘要】 | 视频监控技术是计机视觉领域一个新兴的应用方向和备受关注的前沿课题,是计算机科学、机器视觉、图像工程、模式识别和人工智能等多学科高技术的结晶。视频监控在技术上可解释为在不需要人为干预情况下,利用计算机视觉和序列图像分析的方法对摄像机拍录的图像序列进行自动分析。当正在监控的场所发生异常情况时,实现对场景中运动目标的识别和跟踪,并及时准确地向保卫人员发出警报。从而避免可能的犯罪发生,同时也减少了雇佣大批监视人员所需要的人力、物力和财力的投入。
目前,视频监控在理论和应用上都面临着很多难题,国内外有大批的学者投身于该领域的研究和探索,并且取得了大量的成果。本文就是在分析和研究这些成果的基础上,对视频监控系统的一些关键技术进行研究。主要内容可概括如下:
(1) 在基于图像差分的运动目标检测算法中,检测判定阈值是这类算法的关键。基于背景差分与帧间差分相结合的运动目标检测算法采用经验设定检测阈值易发生误报警或错报警。本文采用自适应阈值的判定方法,克服了传统差分算法中的缺点。
(2) 提出了一种基于塔式小波分解的多尺度边缘综合检测方法。该算法利用小波变换具有的多尺度特性把图像信号分解成不同... |
| 【论文题纲】 |
|
第一章 绪论 |
9-16 |
|
1.1 引言 |
9 |
|
1.2 视频监控系统概述 |
9-12 |
|
1.2.1 视频监控系统的发展历程 |
9-11 |
|
1.2.2 数字视频监控系统的特点 |
11-12 |
|
1.3 目前国内外研究现状 |
12-14 |
|
1.4 课题研究得意义 |
14-15 |
|
1.5 本课题主要研究的内容 |
15-16 |
|
第二章 运动目标的检测 |
16-27 |
|
2.1 引言 |
16 |
|
2.2 几种常用的运动目标检测方法 |
16-19 |
|
2.1.1 光流法 |
16-17 |
|
2.1.2 相邻帧差法 |
17-18 |
|
2.1.3 背景帧差法 |
18-19 |
|
2.3 视频监控中的快速异常检测 |
19-24 |
|
2.3.1 背景模型的建立 |
20-21 |
|
2.3.2 变化区域的检测和背景更新 |
21-23 |
|
2.2.3 自适应阈值 |
23-24 |
|
2.4 试验结果及分析 |
24-26 |
|
2.5 本章小结 |
26-27 |
|
第三章 运动目标的分割 |
27-44 |
|
3.1 引言 |
27 |
|
3.2 常用的运动目标分割算法 |
27-35 |
|
3.2.1 基于像素灰度值的分割算法 |
27-29 |
|
3.2.2 基于区域的分割算法 |
29-30 |
|
3.2.3 基于边界的分割方法 |
30-35 |
|
3.3 基于塔式小波分解的多尺度综合边缘检测算法 |
35-42 |
|
3.3.1 Marr边缘检测算子 |
35-36 |
|
3.3.2 多分辨分析及塔式小波分解 |
36-41 |
|
3.3.3 多尺度边缘综合算法实现 |
41-42 |
|
3.4 实验结果及分析 |
42-43 |
|
3.5 本章小结 |
43-44 |
|
第四章 运动目标的跟踪 |
44-62 |
|
4.1 引言 |
44-45 |
|
4.2 几种目标跟踪算法分析 |
45-49 |
|
4.2.1 基于匹配的目标跟踪 |
45-48 |
|
4.2.2 基于运动特性的目标匹配 |
48-49 |
|
4.3 目标跟踪系统设计分析 |
49-51 |
|
4.3.1 如何减小搜索范围 |
50 |
|
4.3.2 如何进行精确的目标匹配 |
50-51 |
|
4.4 一种改进的基于Hausdorff距离匹配的跟踪算法 |
51-59 |
|
4.4.1 Hausdorff距离匹配的原理 |
51-54 |
|
4.4.2 运动目标估计 |
54-57 |
|
4.4.3 改进的Hausdorff距离匹配跟踪算法实现 |
57-59 |
|
4.4 实验结果及分析 |
59-61 |
|
4.4 本章小结 |
61-62 |
|
第五章 结论与展望 |
62-64 |
|
5.1 本文工作总结 |
62-63 |
|
5.2 未来工作展望 |
63-64 |
|
致谢 |
64-65 |
|
参考文献 |
65-70 |
|
攻读硕士学位期间发表的论文及科研成果 |
70 |
|
| 【DOI】 | LunWen.ID:2.2008.379424 |
