没有合适的资源?快使用搜索试试~ 我知道了~
人工智能-目标检测-基于视频的潮滩波浪建模与海上动目标检测.pdf
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 164 浏览量
2022-06-26
04:32:09
上传
评论
收藏 7.5MB PDF 举报
温馨提示
![preview](https://dl-preview.csdnimg.cn/85779046/0001-280a88aefd56955ca5ff3d7222efa6fc_thumbnail.jpeg)
![preview-icon](https://csdnimg.cn/release/downloadcmsfe/public/img/scale.ab9e0183.png)
试读
48页
人工智能-目标检测-基于视频的潮滩波浪建模与海上动目标检测.pdf
资源推荐
资源详情
资源评论
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![rar](https://img-home.csdnimg.cn/images/20210720083606.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![](https://csdnimg.cn/release/download_crawler_static/85779046/bg1.jpg)
第一章绪论
1.1课题意义
第一章绪论
近十几年来,视频分析技术受到安全管理部门、国防科研院所、高校等有关
学者、工程技术人员的极大关注,其在地形匹配、图像导航制导、反恐防恐、城
市安全等方面得到广泛应用。基于视频的运动目标分析技术可对视频图像中感兴
趣的运动目标进行分析,如目标检测、分类、跟踪、识别、场景理解等,为飞机、
轮船、卫星、情报分析系统等提供可靠的定位、导航、侦察、探测等信息,为视
频目标分析系统采取进一步的措施提供依据。该技术也可广泛应用于人机交互、
计算机游戏、动画影片、计算机合成影视、运动员训练、多媒体数据库检索和恢
复、智能视频监控、数字城市等民用领域。
许多国家有关部门及学者对视频运动目标分析系统及其技术进行了大量研
究。如1997年美国国防高级研究项目署设立了以卡内基·梅隆大学机器人所为首,
s锄ofr公司等单位参与的视觉监控重大项目(Ⅵsual
surVeillaIlcc
and
Momtorin&
VSAM)系统,该系统可用于重要场所安全监控、难民流动情况监控等。1998年
至2002年,在欧盟IST(mfo订nation
SocietyTechnology)研究计划框架资助下,
由法国国家计算机科学和控制研究院及英国的雷丁大学、金斯顿大学等机构联合
开发研究了一套名为ADVIs0R的系统,该系统通过建立智能化的监控系统提高
公共交通网络的管理水平,保障人身和财产的安全。由欧盟和奥地利科学基金会
共同资助的大型视频监控技术研究项目AVITRACK旨在提高机场的运作效率并
用于安全监控。实时视觉监控系统w4能够在室外环境下对多人的活动进行检测、
跟踪、监控,定位人和分割出人的身体部分,通过建立外观模型来实现多人的跟
踪并进一步检测人是否携带物体以及识别简单的行为事件。objectⅥdeo是由全球
著名的智能视频监控企业CIbjectⅥde0开发的一套针对公共区域安全视频监控、
访问控制的智能嵌入式系统,可运用在安防、公共安全、商业智能信息收集、流
程改进等领域。
国内专家学者、科研院所、相关企业也高度重视视频运动目标分析技术的发
展。清华大学、北京大学、东北大学、中国科技大学、复旦大学、浙江大学、西
![](https://csdnimg.cn/release/download_crawler_static/85779046/bg2.jpg)
基十视频的潮滩波浪建模与海上动目标检测
北工业大学、中国科学院自动化所、中国科学院计算所、微软亚洲研究院等都开
展了对视频运动目标分析相关技术的研究。如中国科学院自动化所模式识别国家
重点实验室建立了一套针对室内外场景监控的视频运动目标分析系统,该系统能
实时纪录场景变化,分析场景中目标的运动状态,并可对人员进行多生物特征识
别。西北工业大学建立了一套骶atW酊l视频运动目标分析系统,该系统可实现
门禁控制、。复杂环境下的目标跟踪、航拍视频目标检测跟踪、人体姿势识别、行
为分析以及多摄像机环境下的目标交接等功能。
视频运动目标分析系统可广泛应用于国家边境防护、重点区域监控、地形匹
配、图像导航制导、反恐防护、城市安全、机场、宾馆、银行、交通管理、学校
以及住宅小区等的公共安全防护中。因此,对视频运动目标分析系统关键技术——
运动目标分析技术的研究具有重要的理论价值与现实意义。
1.2国内外发展现状及发展前景
运动目标分析技术的关键是从图像序列中对运动目标进行检测、分类,目标
跟踪、目标行为识别以及整个场景的理解与描述。
1.2.1运动目标检测、分类
运动目标检测、分类是将运动目标从序列图像背景中分离出来,是目标跟踪、
行为识别、场景理解等后期处理的基础。一般可利用目标相对于场景的运动,将
目标从背景中分离出来,从而实现运动目标的检测。最具代表性的方法有帧差分
算法、光流法、背景减除法。其中,背景减除法是目前最常用的方法,该方法的
优点是简单方便,缺点是容易受光线、天气等外界条件变化的影响。背景减除算
法流程主要包括预处理、背景建模、目标检测及滤波处理四个过程。该方法的难
点在于建立理想的背景模型,包括模型初始化、模型保持与更新。
还可以采用对目标建模的方式进行目标检测,该方法是通过建立被检测目标
特征模型,设计分类器,从图像中分离出目标,实质上是一个目标分类识别过程。
基于模型的目标检测实质是一个二分类问题,用监督机器学习方法构造分类器进
行目标分类是当前研究的主流趋势。常用的机器学习算法包括神经网络(Neural
N咖orks)、支持向量机(Support
Vector
MachiIles,SvM)、自适应增强算法
(Adaboost)等。
![](https://csdnimg.cn/release/download_crawler_static/85779046/bg3.jpg)
第一章绪论
此外,在光照条件较强的场景中,运动目标会在地面上投影产生运动阴影。
由于阴影明显不同于背景,并且阴影会随着目标一起运动,利用背景减除方法进
行运动目标检测时,往往将阴影检测为运动前景,会造成运动目标的合并、几何
变形,甚至使目标丢失,对后期目标识别分类及行为理解造成严重的影响。因此,
对运动阴影的抑制也是目标检测算法的一个重要研究方向。
背景建模常用的背景模型有时间平均模型、卡尔曼(Kalmall)估计模型、混
合高斯模型以及基于核密度估计模型等。
时间平均模型是最简单的一种自适应背景更新模型,它利用最近若干帧的时
间平均来建立背景参考模型。该方法仅能用于背景在大部分时间内可见的场合,
当场景中长时间有大量目标在运动,或者目标运动太慢,或者背景具有双峰或多
峰分布时,时间平均法很难得到满意的结果。时间平均模型的一种改进算法是只
对被判定属于背景的像素进行更新,不过还是不能解决背景扰动运动问题。
wtell等采用单一高斯模型对背景像素值进行建模,给定检测阈值,当前像素
值落在小于阈值时则认为当前像素属于前景目标。在背景保持静止时,单一高斯
分布背景模型足以抵御背景纯噪声的影响,也能适应背景光照缓慢变化的场景,
该方法在光照相对稳定的室内监控场景下能收到较好的效果,而对于户外环境,
由于背景中可能包含大量扰动(如树叶随风晃动、水面波光等),这些扰动可能使
背景像素值发生剧烈变化,因此单一高斯模型便不再适用。
Stu虢r提出了一种混合高斯模型(GaussiaIl
MixtuI.e
Model,GMM)它用若干
按照不同权值叠加的高斯分布来模拟多峰分布,各个高斯分布的权值和分布参数
随时间更新,即通过选取一个适当的学习速度参数,当新的值到来时,采用无限
冲激响应(hlfinite
IIllpulse
ReSpollSe,IIR)滤波器对其更新。另一种常用的方法是
使用期望最大化(Expectation
Ma】【imizatioIl,EM)算法对每个高斯分布参数进行
估计,EM算法能够确保收敛到局部极小点,但计算量较大,需要进行精心的初
始化。P.KaewTr锄lPong在混合高斯的框架下采用在线EM算法对模型参数的更
新算法做了改进,无论是背景模型学习、更新速度还是精确度都超过了GMM的
原型算法。Z.ZiVkoVic也在混合高斯框架下提出了一种自适应算法,该方法不但
能够自适应地更新高斯分布参数,而且能够自动选择高斯函数的个数。混合高斯
模型已经成为背景建模方法中最常用的一种模型。
趾llIled
E19龇lIIlal给出了一种基于快速高斯变换的核密度估计方法,并将其
3
![](https://csdnimg.cn/release/download_crawler_static/85779046/bg4.jpg)
基于视频的潮滩波浪建模.b海上动目标检测
应用于运动目标检测与跟踪。Anurag
Mi叫也是采用核函数在时域上对像素值的
概率密度进行估计,并结合光流法得到了一种检测算法,对于海浪背景和树梢摆
动背景环境得到了较好的效果,缺点是计算量很大。
此外,参考文献分别采用自回归过程和隐马尔可夫模型(Hidd饥Maulkov
Model,HMM)建立背景模型,K.T0y锄a将图像序列的高层分析方法和低层分析
方法结合建立背景模型。一些学者还引入音频信息,提出音频、视频混合背景模
型,依靠增加输入信息的维数来提高检测准确度。
国内外很多学者对复杂背景建模问题进行了广泛的研究,获得了不少成果,
即便如此,运动目标检测算法仍然没有达到复杂场景的要求。因为场景中背景景
象存在各种不同的分布,采用同一种模型可能不适合所有情况,所以在一定条件
下,不同的背景分布采用不同的背景模型是一种解决思路。
设计目标检测器的主要步骤包括目标特征提取和机器学习算法的选择。其中,
目标特征的选择对分类的结果影响较大,因此,对目标特征的提取是该方法首要
关心的问题。目前,常用的目标特征有形状特征、颜色特征、运动特征以及多特
征四种。
形状特征采用的是与目标外观形状有关的模型,包括椭圆模型、离散度模型、
星型骨架模型、轮廓模型,以及目标空间尺度模型等,采用形状特征的目标检测
方法最大的缺陷是目标形状信息的不易准确提取,这些信息需要将运动目标从背
景中完整分割后才能够得到。由于运动时人体形状变化的多态性,再加上雨雪天
气、阴影、树枝摇曳等自然场景中常见的噪声干扰,使得目前常用的运动区域分
割方法并不能取得理想的效果,因此,降低了形状特征计算的准确性,从而影响
目标分类的准确性。
颜色特征是使用最广泛的一种目标特征。一般都采用RGB颜色空间中的目
标颜色信息,这种方法直接有效,通过建立目标颜色的高斯模型,进而实现对目
标的特征提取。但是颜色特征存在很多缺陷,如视频中目标的颜色会随光照的变
化而变化,由于阴影、遮挡、强光以及摄像机因素等的变化,使得该特征不能稳
定地描述目标。
。
运动特征主要是利用目标运动时的周期性动作来描述目标,可利用周期运动
图像、目标运动方向变化、3D运动模板等描述目标的周期运动特征。周期运动图
像描述了连续帧图像间的像素亮度值变化,为了提高这一特征计算的准确性,必
4
![](https://csdnimg.cn/release/download_crawler_static/85779046/bg5.jpg)
第一章绪论
须对目标进行跟踪并且加以适当的位置平移补偿,然后利用运动周期特征在时域
的自相似性等方法来确定目标运动周期,从而对运动目标的类别做出判断。如人
在行走或跑动过程中会表现出明显的运动周期性,可利用该方法进行人的检测。
这类方法除了要进行运动区域分割外,还需要对运动目标在多帧图像内进行持续
跟踪,以计算其周期运动特征。目标跟踪的引入增加了算法复杂度,并且由于目
前的跟踪算法准确度还有待提高,因此,使基于运动信息的目标分类方法受到诸
多限制。
多特征方法综合利用目标形状信息和运动信息两类特征,实现了优势互补,
增大了特征库容量,使得通过机器学习方法训练出的分类器性能更加优良,但由
于这种多模型的分类方法,增加了算法的复杂度,因此,这种方法的实时性还有
待提高。最近邻法、SVM分类器、Adaboost算法等是目前最常用的多特征分类方
法。
为了对视频图像中的目标进行准确的检测,当在晴天室外环境中目标就伴随
有阴影,必须采取合适的方法去除阴影。现有的运动阴影检测与抑制方法主要分
为两类,即基于属性的阴影抑制方法与基于模型的阴影抑制方法。
1.2.2运动目标跟踪
运动目标跟踪是试图在各帧图像之间确定目标相关信息参数(位置、速度、
颜色、纹理、形状等)的相互关系,通过前后帧之间对应匹配关系纪录目标的轨
迹等信息,实现对目标的跟踪。运动目标跟踪在处理过程中要完成两个主要工作:
一是目标检测与分类,检测出相关目标在图像帧中的位置;二是连续图像帧目标
位置关联,在图像中确定出能代表目标的点,并确定其位置坐标,随着时间的变
化确定出目标的踪迹。
所谓视频目标跟踪,是指通过分析视频传感器采集的关于目标运动情况的数
据,获得目标在图像平面中的位置,进而得到目标的运动轨迹。换句话说,目标
跟踪要完成的任务是在不同的视频帧中为同一目标分配相同的D号。除了获取
目标的形心位置外,有些情况下还要求得到目标其他状态,如尺寸、姿态、形状
向留
守。
目前,视频跟踪问题有多种不同的分类方法。
按照摄像机和目标的运动关系可分为四类:
5
剩余47页未读,继续阅读
资源评论
![avatar-default](https://csdnimg.cn/release/downloadcmsfe/public/img/lazyLogo2.1882d7f4.png)
![avatar](https://profile-avatar.csdnimg.cn/default.jpg!1)
programhh
- 粉丝: 8
- 资源: 3838
上传资源 快速赚钱
我的内容管理 展开
我的资源 快来上传第一个资源
我的收益
登录查看自己的收益我的积分 登录查看自己的积分
我的C币 登录后查看C币余额
我的收藏
我的下载
下载帮助
![voice](https://csdnimg.cn/release/downloadcmsfe/public/img/voice.245cc511.png)
![center-task](https://csdnimg.cn/release/downloadcmsfe/public/img/center-task.c2eda91a.png)
安全验证
文档复制为VIP权益,开通VIP直接复制
![dialog-icon](https://csdnimg.cn/release/downloadcmsfe/public/img/green-success.6a4acb44.png)