本文選題：視頻監控技術　切入點：目標檢測　出處：《安徽工程大學》2017年碩士論文

【摘要】：智能視頻監控技術是一門將圖像處理技術、模式識別技術、電子傳感器技術、計算機數據挖掘分析技術相結合的綜合性技術。飛速發展的社會經濟,給智能視頻監控技術在智能安防、智能交通、智能旅游、城市管理與規劃方面提供了廣闊的應用前景。因此,開展智能視頻監控技術理論與方法的研究,具有重大的現實意義和科學價值。就智能視頻監控技術而言,運動目標檢測與目標追蹤是兩個主要研究的方面,是保證視頻監控系統獲得準確、有效信息的重要前提。目前,這方面的研究引起了國內外眾多專家與學者的廣泛關注,成為當下的研究熱點。本文根據目前智能視頻的發展趨勢,針對目標檢測與目標追蹤的理論與算法展開一定的工作與研究,論文主要完成工作與創新點:1.關于目標檢測方面的內容,本文主要分析了 SIFT、SURF算法在特征點提取、描述子生成、特征匹配方面的具體過程,并通過MATLAB仿真軟件模擬在光照、扭曲變形、噪聲干擾情況下,兩種特征點匹配算法的匹配效果。2.闡述了壓縮感知理論知識,通過稀疏信號表示、測量矩陣選擇、信號重構算法三個方面內容進行分析。3.研究一種融合SURF特征的壓縮追蹤算法,該算法在壓縮追蹤算法的基礎上進行改進。采用SURF算法求得前后兩幀中目標特征點的匹配關系,求解追蹤目標尺寸變化,自適應調整目標模板大小。利用壓縮追蹤算法對目標進行壓縮后追蹤,在壓縮追蹤算法自適應更新目標外觀模型的基礎上,增加誤更新外觀模型判斷機制,解決追蹤過程中嚴重遮擋和扭曲變形問題。4.研究一種魯棒的時空上下文算法,該算法針對時空上下文在遮擋情況下的不足進行優化。在目標檢測階段,采用SIFT算法對目標進行初步定位,減少前期搜索的時間和搜索范圍。在目標追蹤階段,采用時空上下文算法的思想,利用目標周圍的時空信息輔助追蹤。當遭遇嚴重遮擋的情況下,不再采用時空上下文算法,改用卡爾曼濾波算法對目標進行預測。
[Abstract]:Intelligent video surveillance technology is a comprehensive technology which combines image processing technology, pattern recognition technology, electronic sensor technology and computer data mining technology. It provides a broad application prospect for intelligent video surveillance technology in intelligent security, intelligent transportation, intelligent tourism, urban management and planning. As far as intelligent video surveillance technology is concerned, moving target detection and target tracking are two main aspects of research, which is an important prerequisite to ensure the video surveillance system to obtain accurate and effective information. The research in this field has attracted the extensive attention of many experts and scholars at home and abroad, and has become the current research hotspot. Aiming at the theory and algorithm of target detection and target tracking, the thesis mainly completes the work and the innovation point: 1. About the content of target detection, this paper mainly analyzes the SIFT SURF algorithm in feature point extraction and descriptor generation. This paper simulates the matching effect of two feature point matching algorithms in the case of illumination, distortion and noise interference by MATLAB simulation software. 2. The theory of compressed perception is described, and the sparse signal representation is presented. The measurement matrix selection and signal reconstruction algorithm are analyzed. 3. A compression tracking algorithm based on SURF features is studied. The algorithm is improved on the basis of compression tracking algorithm. SURF algorithm is used to obtain the matching relation between the target feature points in the two frames before and after, and the change of the target size is solved. The target template size is adjusted adaptively. The compression tracking algorithm is used to track the target after compression. On the basis of the compression tracking algorithm to update the object appearance model adaptively, the judgment mechanism of the false update appearance model is added. To solve the problem of severe occlusion and distortion in tracking process. 4. A robust spatio-temporal context algorithm is studied, which is optimized for the lack of occlusion in spatio-temporal context. The SIFT algorithm is used to locate the target in order to reduce the time and scope of the previous search. In the phase of target tracking, the idea of spatio-temporal context algorithm is used. In the case of severe occlusion, the spatio-temporal context algorithm is no longer used and the Kalman filter algorithm is used to predict the target.
【學位授予單位】：安徽工程大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TP391.41

【參考文獻】

相關期刊論文 前10條

1 趙洲;黃攀峰;陳路;;一種融合卡爾曼濾波的改進時空上下文跟蹤算法[J];航空學報;2017年02期

2 尹宏鵬;陳波;柴毅;劉兆棟;;基于視覺的目標檢測與跟蹤綜述[J];自動化學報;2016年10期

3 張紅穎;鄭軒;;基于雙目標模型的時空上下文跟蹤算法[J];光學精密工程;2016年05期

4 劉振興;范新南;李敏;;融合SURF特征的改進自適應分塊目標跟蹤算法[J];計算機工程與設計;2016年02期

5 劉威;趙文杰;李成;;時空上下文學習長時目標跟蹤[J];光學學報;2016年01期

6 李俊;謝維信;李良群;;基于空時線索的TLD視頻跟蹤算法[J];信號處理;2015年10期

7 徐建強;陸耀;;一種基于加權時空上下文的魯棒視覺跟蹤算法[J];自動化學報;2015年11期

8 呂枘蓬;蔡肖芋;董亮;涂繼輝;;基于TLD框架的上下文目標跟蹤算法[J];電視技術;2015年09期

9 錢凱;陳秀宏;孫百偉;;一種魯棒的時空上下文快速跟蹤算法[J];計算機工程與應用;2016年12期

10 鐘權;周進;崔雄文;;融合SIFT特征的壓縮跟蹤算法[J];光電工程;2015年02期

相關博士學位論文 前2條

1 張雷;復雜場景下實時目標跟蹤算法及實現技術研究[D];中國科學院研究生院(長春光學精密機械與物理研究所);2016年

2 屈鑒銘;智能視頻監控中的運動目標檢測與跟蹤技術研究[D];西安電子科技大學;2015年

相關碩士學位論文 前4條

1 章盛;圖像拼接算法的優化及漫游系統的研究[D];安徽工程大學;2016年

2 吳偉;基于壓縮感知理論的全息顯示研究[D];安徽工程大學;2015年

3 曲瑾;基于角點檢測的目標跟蹤算法研究與應用[D];哈爾濱工業大學;2015年

4 駱勇;復雜場景下的運動目標檢測關鍵技術研究[D];上海交通大學;2012年

，

本文編號：1672809