收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于显著性的运动目标检测算法研究

王志虎  
【摘要】:随着微电子制造工艺、数字编码以及网络通信技术的快速发展,视频已经越来越广泛地融入并且改变着我们的生活。视频以其直观、丰富的信息表达形式为人们所喜爱,与此同时,如何高效、智能地分析视频数据,成为计算机视觉领域极富挑战性的课题之一。视频内容分析涵盖目标检测、目标识别、行为判断、场景理解等内容,其中运动目标检测作为基础和前提,多年来得到研究者的广泛关注并且积累了大量的研究成果。然而,实践表明现实场景中的运动目标检测技术远未成熟,尤其是相对于人类视觉系统,即使是目前最优异的算法都黯然失色。因此让计算机以贴近人类感知、加工的方式理解视频内容,依然有很长的路要走。本文围绕生物视觉系统的注意选择机制,以可见光图像序列为研究对象,研究了基于显著性的运动目标检测算法。本文的主要研究内容和贡献概述如下:(1)提出了一种基于时域信息的运动目标检测与分割算法。首先利用输入视频序列的时域差异计算场景的显著图,为了得到更加准确且鲁棒的检测结果,算法极大地拓展了时域窗口的尺寸,在突出运动目标的同时,很好地抑制了背景噪声的干扰。紧接着基于运动显著图,采用信息熵以及模糊理论自适应分割场景中的运动目标区域。算法既不依赖于关于场景的先验知识,计算过程也不需要人为干预,在被广泛采用的多个公开测试集上,实验结果验证了算法的有效性和先进性。(2)提出了一种基于灰度差异的运动显著性检测方法。算法首先计算了连续图像序列间两种不同的灰度差异,即对称的帧间差异与背景样本差异。然后,在综合考虑鲁棒性和复杂度之后,选择一种非线性模型融合以上两种特征值从而获得最终的运动显著图。实验结果表明,算法不仅消除了帧差法检测结果中的拖尾和运动模糊现象,同时有效解决了背景差法检测结果中的鬼影问题。进一步,基于生成的运动显著图,本文做了简单的自适应阈值分割,分割结果准确提取出了场景中的运动目标。(3)建立了基于深层卷积神经网络的低照度环境中运动显著性检测模型。首先使用不同环境条件下的有标签数据训练了一个包含376700个参数,深度为9,最大宽度为128的神经网络模型。考虑到图像序列之间的差异直接反映了场景中的运动信息,因此模型除原始图像序列之外引入相应的帧差图作为训练数据。训练及检测过程中,网络输出为与输入同尺寸的运动显著图,即特征提取过程中随着层数的增加并不改变图像尺寸。在现有最大的人造数据库上,训练完成的网络模型针对低照度图像序列的检测结果验证了模型的有效性。(4)提出了一种基于分形特征及活动轮廓模型的运动目标检测与分割算法。针对运动中的人造目标,首先利用其与自然背景分形特征的差异计算相应的显著图。紧接着,使用最大化信息熵方法自适应计算阈值二值化显著图,并且将包含前景区域的最小外接矩形作为初始轮廓曲线。最后,基于活动轮廓模型演化曲线,从而最终将场景中的运动目标分割出来。算法可以有效解决活动轮廓模型对初始曲线位置敏感的问题。针对不同图像序列的检测结果表明,算法能够准确检测并分割出场景中运动的人造目标区域,并且对背景噪声鲁棒。以上成果作为运动目标跟踪、分类、识别、行为分析等视频处理的基础技术,可以广泛应用于智能视频监控、无人驾驶、战场环境监测、空间目标检测等领域。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 庄晓婵;向平;赵牡丹;;图像目标检测算法研究[J];科学技术与工程;2007年05期
2 张桂林,熊艳,曹伟,李强;一种评价自动目标检测算法性能的方法[J];华中理工大学学报(社会科学版);1994年05期
3 秦剑;陈钱;钱惟贤;;基于背景分类的弱小目标检测算法[J];光电工程;2011年01期
4 蒋建国;吴晖;齐美彬;张莉;;摄像机旋转运动下的快速目标检测算法[J];图学学报;2012年03期
5 逯鹏;张姗姗;刘驰;黄石磊;汤玉合;;基于稀疏超完备表示的目标检测算法[J];仪器仪表学报;2013年06期
6 李大辉;金涛;;弱小目标检测算法的设计与分析[J];中国科技信息;2013年16期
7 张明艳;许钢;孟樱;;基于时空特性的运动目标检测算法研究[J];安徽工程大学学报;2013年04期
8 徐振海,王雪松,肖顺平,庄钊文;基于模糊融合的目标检测算法研究[J];国防科技大学学报;2000年04期
9 李维雅,董能力,金钢,李正周;弱小目标检测算法性能评价的回归分析方法[J];光电工程;2005年02期
10 高陈强;田金文;王鹏;;基于时域特性分析的红外运动小目标检测算法[J];红外与激光工程;2008年05期
11 曾脉;左志宏;常晓夫;何煊;;一种准确而快速的运动目标检测算法[J];成都信息工程学院学报;2008年04期
12 孙瑾秋;张艳宁;姜磊;王敏;;基于变换域特征的星空背景弱小目标检测算法[J];中国体视学与图像分析;2009年02期
13 陈奕奕;吴谨;;基于概率估计的运动目标检测算法[J];现代电子技术;2010年10期
14 高飞;蒋建国;安红新;齐美彬;;一种快速运动目标检测算法[J];合肥工业大学学报(自然科学版);2012年02期
15 吴君钦;刘昊;罗勇;;静态背景下的运动目标检测算法[J];液晶与显示;2012年05期
16 林红;孙雅娟;;形态学和信息熵在红外目标检测算法中的应用研究[J];制造业自动化;2013年20期
17 范振粤;黄素茵;杨晓东;袁仁坤;;高效运动目标检测算法研究[J];软件导刊;2013年11期
18 沈海浪,平西建,许志勇;一种基于背景重建的运动目标检测算法[J];信息工程大学学报;2004年03期
19 万缨;韩毅;卢汉清;;运动目标检测算法的探讨[J];计算机仿真;2006年10期
20 张建伟;田源;;一种快速的图像小目标检测算法[J];现代电子技术;2007年19期
中国重要会议论文全文数据库 前10条
1 高飞;蒋建国;安红新;齐美彬;;一种快速运动目标检测算法[A];全国第22届计算机技术与应用学术会议(CACIS·2011)暨全国第3届安全关键技术与应用(SCA·2011)学术会议论文摘要集[C];2011年
2 孙瑾秋;张艳宁;姜磊;王敏;;基于变换域特征的星空背景弱小目标检测算法[A];第八届全国信号与信息处理联合学术会议论文集[C];2009年
3 邓宇;陈孝威;;综合利用时空信息的运动目标检测算法[A];第二届和谐人机环境联合学术会议(HHME2006)——第15届中国多媒体学术会议(NCMT'06)论文集[C];2006年
4 袁辉;孙卓;李德民;魏颖;;基于小波多尺度互能量交叉融合滤波的弱小目标检测算法[A];2009系统仿真技术及其应用学术会议论文集[C];2009年
5 顾静良;万敏;张卫;郑捷;;低对比度弱小目标检测算法[A];中国工程物理研究院科技年报(2005)[C];2005年
6 黄龚;郑锦;刘养科;;摄像机水平巡扫时的运动目标检测算法[A];第六届和谐人机环境联合学术会议(HHME2010)、第19届全国多媒体学术会议(NCMT2010)、第6届全国人机交互学术会议(CHCI2010)、第5届全国普适计算学术会议(PCC2010)论文集[C];2010年
7 张国华;;一种基于导引头稳定平台结构的目标检测算法[A];第九届全国光电技术学术交流会论文集(下册)[C];2010年
8 王正;刘瑞华;;基于PTZ摄像机的运动目标检测算法[A];全国第一届嵌入式技术联合学术会议论文集[C];2006年
9 王彪;王成儒;王芬芬;;一种改进的运动目标检测算法[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用(CACIS)学术会议论文集[C];2007年
10 刘琳;顾国华;钱惟贤;陈钱;徐富元;;目标检测算法的研究以及SRIO协议在目标检测的应用[A];第八届华东三省一市真空学术交流会论文集[C];2013年
中国博士学位论文全文数据库 前7条
1 王海丰;基于机器视觉的剖竹机加工目标检测算法研究[D];东北林业大学;2015年
2 高永婵;复杂场景下多通道阵列自适应目标检测算法研究[D];西安电子科技大学;2015年
3 王志虎;基于显著性的运动目标检测算法研究[D];国防科学技术大学;2015年
4 王俊强;图像中人体目标检测算法研究[D];北京邮电大学;2012年
5 郭明玮;基于视觉记忆的目标检测算法:一个特征学习与特征联想的过程[D];中国科学技术大学;2014年
6 臧风妮;智能视频监控中海面舰船目标检测算法研究[D];中国海洋大学;2014年
7 陈伟;基于PSO的复杂工业环境视觉目标检测算法应用研究[D];武汉科技大学;2008年
中国硕士学位论文全文数据库 前10条
1 刘恒建;基于FPGA+DSP的运动目标检测系统的设计与实现[D];南京理工大学;2015年
2 贾建英;视频序列中运动目标检测算法研究[D];长安大学;2015年
3 周亚运;基于TMS320DM642平台的红外运动目标检测算法设计[D];南京理工大学;2015年
4 姚丹;基于多光谱信息融合的弱小运动目标检测技术研究[D];哈尔滨工业大学;2015年
5 刘培培;基于区域特征的运动目标检测算法的研究与开发[D];广西大学;2015年
6 崔璇;天空背景下红外小目标检测算法研究[D];陕西师范大学;2015年
7 范肖肖;基于视觉注意机制的目标检测算法的研究[D];电子科技大学;2015年
8 丁婵;运动目标检测算法在嵌入式平台的研究[D];电子科技大学;2015年
9 张冠雄;基于标签传播的显著性目标检测算法研究[D];大连理工大学;2015年
10 李建波;视频监控中运动目标检测算法的研究[D];哈尔滨工业大学;2014年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978