資源描述：
《智能視頻監(jiān)控系統(tǒng)中目標(biāo)檢測(cè)分類及跟蹤研究》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、分類號(hào)～—』P3—91—．4重慶郵電大學(xué)碩士學(xué)位論文論文題目一盤(pán)絲墊塑些撞莖綾主旦握撿型金差盈墼墮壁塞英文題目．ResearchonObjectsDetectionClassificationand一．TrackinginIntelligentVideoSurveillanceSystem碩士研究生醢寶苤一．指導(dǎo)教師爰途絲副指導(dǎo)老師奎絲迭高墨學(xué)科專業(yè)鹽簋墊叢鮭魚(yú)墨迨論文提交日期2Q呈Q生Q量且22旦論文答辯日期2Q!Q：Q墨：2窆論文評(píng)閱人2010年05月29日學(xué)位論文版權(quán)使用授權(quán)書(shū)本學(xué)位論文作者完全了解重慶郵電太堂有關(guān)保留、使用
2、學(xué)位論文的規(guī)定，有權(quán)保留并向國(guó)家有關(guān)部門(mén)或機(jī)構(gòu)送交論文的復(fù)印件和磁盤(pán)，允許論文被查閱和借閱。本人授權(quán)重迭魚(yú)Ⅸ電太堂可以將學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫(kù)進(jìn)行檢索，可以采用影印、縮印或掃描等復(fù)制手段保存、匯編學(xué)位論文。(保密的學(xué)位論文在解密后適用本授權(quán)書(shū))學(xué)位論文作者簽名：礦蠹生勞導(dǎo)師簽名：簽字日期：2010年05月29日簽字日期：2010年05月29日重慶郵電大學(xué)碩士論文摘要。智能視頻監(jiān)控自誕生以來(lái)就一直是機(jī)器視覺(jué)領(lǐng)域的研究難點(diǎn)與熱點(diǎn)。智能視頻監(jiān)控研究的內(nèi)容包括運(yùn)動(dòng)目標(biāo)檢測(cè)、目標(biāo)分類、目標(biāo)跟蹤、行為分析以及異常個(gè)體跟蹤。目前
3、關(guān)于這幾個(gè)內(nèi)容的研究算法層出不窮，但都在實(shí)時(shí)性和精確性之間，很難找到最優(yōu)解。本文在前人的研究基礎(chǔ)上，以實(shí)時(shí)性和精確性為宗旨，重點(diǎn)對(duì)運(yùn)動(dòng)目標(biāo)檢測(cè)、目標(biāo)分類、目標(biāo)跟蹤進(jìn)入了深入研究。主要工作如下：在運(yùn)動(dòng)目標(biāo)輪廓提取方面，在相鄰幀差法的優(yōu)劣分析基礎(chǔ)上，從系統(tǒng)整體效率出發(fā)，采用了一種具有自適應(yīng)幀間隔的自適應(yīng)相鄰幀差方法來(lái)提取運(yùn)動(dòng)前景，其后采用高斯自適應(yīng)閾值對(duì)檢測(cè)出的前景圖像進(jìn)行二值化、膨脹、抽樣等處理，以及采用Suzuki算法進(jìn)行運(yùn)動(dòng)目標(biāo)輪廓提取。實(shí)驗(yàn)表明，本文的方法能夠滿足視頻監(jiān)控系統(tǒng)對(duì)速度的要求，能夠適應(yīng)不同環(huán)境下多目標(biāo)的運(yùn)動(dòng)目標(biāo)輪廓
4、提取。在運(yùn)動(dòng)目標(biāo)分類研究中，對(duì)運(yùn)動(dòng)目標(biāo)區(qū)域特征的選擇進(jìn)行了深入研究。分別對(duì)離散度、長(zhǎng)寬比、占空比、運(yùn)動(dòng)目標(biāo)高度寬度、形心坐標(biāo)、以及Hu矩不變量中的Hul和Hu2進(jìn)行了分析，發(fā)現(xiàn)長(zhǎng)寬比、占空比和運(yùn)動(dòng)目標(biāo)高度寬度能夠有效地應(yīng)用到運(yùn)動(dòng)目標(biāo)分類中。隨后，針對(duì)在實(shí)踐中難以確定分類參數(shù)最優(yōu)取值的難題，借助基于粗糙集的數(shù)據(jù)挖掘方法，得到了參數(shù)的最優(yōu)取值范圍。實(shí)驗(yàn)表明，基于數(shù)據(jù)挖掘得出的參數(shù)知識(shí)能夠提高運(yùn)動(dòng)目標(biāo)分類正確率。在運(yùn)動(dòng)目標(biāo)跟蹤方面，根據(jù)分類出來(lái)的運(yùn)動(dòng)汽車和人這兩類運(yùn)動(dòng)目標(biāo)的不同特性，提出采用不同的策略來(lái)進(jìn)行目標(biāo)跟蹤。對(duì)于汽車，采用基于形
5、心坐標(biāo)和Hu矩不變量構(gòu)建特征矢量的跟蹤方法；對(duì)于人體跟蹤，采用基于顏色直方圖和亮度變換函數(shù)結(jié)合的跟蹤方法。本文著重研究了運(yùn)動(dòng)目標(biāo)發(fā)生相互遮擋情況的跟蹤，提出了一種采用SIFT特征匹配來(lái)解決目標(biāo)遮擋的算法。實(shí)驗(yàn)表明，本文的方法能夠?qū)\(yùn)動(dòng)目標(biāo)進(jìn)行連續(xù)穩(wěn)定的跟蹤，能夠解決目標(biāo)之間的相互遮擋問(wèn)題。關(guān)鍵詞：智能視頻監(jiān)控，自適應(yīng)幀差法，區(qū)域特征，數(shù)據(jù)挖掘，SIFT特征匹配individualtrack．Atpresent,therearemanyalgorithmsaboutthesefivecontents．However,itisdiff
6、iculttofindoptimalsolutionbetweenthereal-timecapabilityandaccuracy．Basedonpreviousresearch,asreal—timeandaccuracyforthepurpose,thisthesisfocusesonmovingtargetdetection,targetclassification，targettracking．Maintasksareasfollows．Firstly,basedontheanalysisofthemeritsanddr
7、awbacksoftheadjacentframedifferencemethod，startingfromtheoverallsystemefficiency,adaptiveflameintervaldifferenceofadjacentframesisusedtoextractmovingforeground．AndtheGauSsianadaptivethresholdisusedtogetthebinaryimagefromthedetectedforegroundimage，andthentheexpansionan
8、dsamplingareusedtoeliminatethenon—continuousholes．Atlast,Suzukialgorithmisusedtoextractthecontourofmovingobjects．Experiments
