智能视频监控系统中运动目标检测与跟踪技术的研究及其DSP实现

论文题目: 智能视频监控系统中运动目标检测与跟踪技术的研究及其DSP实现

论文类型: 硕士论文

论文专业: 信号与信息处理

作者: 魏星

导师: 蒋建国,齐美彬

关键词: 视频监控,运动目标检测,目标跟踪

文献来源: 合肥工业大学

发表年度: 2005

论文摘要: 视频监控系统在国民经济和国防建设中发挥着重要作用,广泛应用在保安、智能交通、智能武器等诸多领域。本文针对实际监控系统中难以兼顾可靠性与实时性的缺点,着重讨论和研究了监控系统中的关键技术运动目标检测和目标跟踪,并研究了算法在数字信号处理器DSP上的实现。在运动目标检测方面,本文研究和分析了大量的算法,对基于高斯统计模型的背景减法进行了改进,同时提出了一个将高斯模型与帧间差分法相结合的检测系统构架;另外,本文从统计学的角度出发,相对于以往基于参数模型的背景减法,提出了基于三角核估计的非参数模型的方法来对背景建模,以及相应的背景更新规则,该方法克服了参数方法固有的缺点,不受概率模型和参数的制约,检测结果更加准确,鲁棒性更强。目标跟踪方面,在研究了目前常用的几种跟踪算法的基础上,改进了扩展卡尔曼跟踪算法,利用运动检测结果,通过运动区域的质心位置和面积比较来代替复杂的匹配过程,提高了跟踪的运算速度,同时简单有效的解决了复杂运动的情况。接着,在上述两个模块的基础上设计了一个完整的运动目标检测与跟踪系统的软件框架,充分利用了场景大部分时间静止的特点节约存储设备的容量,自动报警,具有更高的智能性。最后研究了TI公司TMS320C6000系列DSP的内部结构和开发过程,将算法移植到DSP集成开发环境CCS上,并进行相应的程序优化,试验仿真成功。

论文目录:

第一章绪论

1．1 引言

1．2 智能视频监控系统简介

1．3 目前国内外的研究情况

1．4 本课题主要研究的内容

1．5 论文的组织结构

第二章运动检测技术研究

2．1 常用方法

2．2 光流场法

2．3 相邻帧差法

2．4 背景减法

2．4．1 基于高斯模型的背景减法

2．4．2 改进的高斯模型背景减法

2．4．3 混合检测系统构架

2．5 其它方法

第三章基于核估计统计模型的运动目标检测和分割

3．1 参数模型和非参数模型

3．1．1 基于参数方法的概率密度估计

3．1．2 基于非参数方法的概率密度估计

3．1．3 在计算机视觉中的应用

3．2 基于核估计的非参数概率密度估计在运动检测中的应用

3．2．1 基于三角核估计背景减法

3．2．2 背景模型的更新

3．2．3 实验结果与分析

3．3 目标的分割

3．3．1 形态学处理

3．3．2 连通性检测和尺度滤波

3．4 本章小节

第四章目标跟踪及系统设计

4．1 概述

4．2 常用方法介绍

4．3 基于扩展卡尔曼预测的目标跟踪

4．3．1 基本功能和滤波器参数设置

4．3．2 跟踪过程的基本构成

4．3．3 跟踪过程分析及系统设计

4．4 本章小节

第五章系统软件框架设计及 DSP实现

5．1 系统框架和处理流程

5．2 算法的 DSP实现

5．2．1 DSP实现的必要性

5．2．2 数字信号处理器 DSP介绍

5．2．3 CCS集成开发环境介绍

5．2．4 算法移植和优化步骤

5．2．4．1 代码移植

5．2．4．2 代码优化

第六章总结与展望

6．1 论文的完成的工作

6．2 论文工作展望

参考文献

攻读硕士期间科研工作及发表论文

发布时间: 2005-07-13

参考文献

[1].基于DSP的运动目标检测与跟踪系统的设计与实现[D]. 滕游.浙江工业大学2009
[2].基于DSP的运动目标检测与跟踪[D]. 王世平.西安理工大学2007
[3].基于Codebook模型的运动目标检测与分类算法的研究[D]. 李丹丹.哈尔滨理工大学2018
[4].移动机器人运动目标检测与追踪方法研究[D]. 韩乐乐.兰州交通大学2018
[5].基于深度学习的监控视频运动目标检测及行人结构化描述关键技术[D]. 许建中.山东大学2018
[6].视频监控中运动目标检测与跟踪关键技术研究[D]. 张宗杰.苏州大学2007
[7].基于车载鱼眼机的运动目标检测与跟踪算法的研究[D]. 张学帅.东北大学2011
[8].智能视觉监控中的运动目标检测和跟踪技术研究[D]. 刘鑫.昆明理工大学2007
[9].智能视频监控中运动目标检测与跟踪技术研究及实现[D]. 贾茜.中南民族大学2009
[10].快速鲁棒的运动目标检测方法研究[D]. 祝健飞.西安电子科技大学2014

智能视频监控系统中运动目标检测与跟踪技术的研究及其DSP实现

猜你喜欢