題-1_100_100.jpg)
基本信息
- 項目名稱：
- 動態(tài)背景下自適應(yīng)運(yùn)動目標(biāo)檢測與跟蹤系統(tǒng)設(shè)計
- 小類：
- 信息技術(shù)
- 簡介：
- 系統(tǒng)通過首先分析圖像序列的全局運(yùn)動模型來判斷背景是靜態(tài)還是動態(tài)的，然后再采用對應(yīng)的算法來進(jìn)行運(yùn)動目標(biāo)檢測。在檢測出運(yùn)動目標(biāo)后，再使用CamShift算法對運(yùn)動目標(biāo)進(jìn)行跟蹤。這樣能夠大大提高運(yùn)動目標(biāo)檢測與跟蹤系統(tǒng)的性能。
- 詳細(xì)介紹：
- 該文通過分析圖像序列的全局運(yùn)動模型來判斷視頻片斷中的背景是靜態(tài)還是動態(tài)的，然后自適應(yīng)地采用對應(yīng)的算法來進(jìn)行運(yùn)動目標(biāo)檢測。這種做法較之固定用一種算法進(jìn)行目標(biāo)檢測從理論上來講性能會更高。在檢測出運(yùn)動目標(biāo)后，再使用CamShift算法對運(yùn)動目標(biāo)進(jìn)行跟蹤。動態(tài)背景下自適應(yīng)運(yùn)動目標(biāo)檢測與跟蹤系統(tǒng)在社會中有很大的應(yīng)用價值，且圖像序列中運(yùn)動目標(biāo)的檢測與跟蹤一直是計算機(jī)視覺領(lǐng)域的重要研究內(nèi)容。此系統(tǒng)可服務(wù)于有關(guān)安全監(jiān)控的許多領(lǐng)域，例如小區(qū)安全系統(tǒng)、交通系統(tǒng)與公安系統(tǒng)等。
作品專業(yè)信息
撰寫目的和基本思路
- 目前國內(nèi)外對此類問題的研究主要從兩個方面出發(fā)：靜態(tài)背景和動態(tài)背景。靜態(tài)背景下的算法不能適用于動態(tài)背景，而動態(tài)背景下的算法如果應(yīng)用于靜態(tài)背景下，算法的效率又太低。由視頻片段拍攝的特點可知，背景不變的連續(xù)圖像幀的數(shù)量要比背景變化的圖像幀數(shù)量要大得多，為此需要一個既能在靜態(tài)又能在動態(tài)背景下進(jìn)行運(yùn)動目標(biāo)檢測和跟蹤的算法。
科學(xué)性、先進(jìn)性及獨特之處
- 系統(tǒng)通過首先分析圖像序列的全局運(yùn)動模型來判斷背景是靜態(tài)還是動態(tài)的，然后再采用對應(yīng)的算法來進(jìn)行運(yùn)動目標(biāo)檢測。在檢測出運(yùn)動目標(biāo)后，再使用CamShift算法對運(yùn)動目標(biāo)進(jìn)行跟蹤。這樣能夠大大提高運(yùn)動目標(biāo)檢測與跟蹤系統(tǒng)的性能。
應(yīng)用價值和現(xiàn)實意義
- 該文通過分析圖像序列的全局運(yùn)動模型來判斷視頻片斷中的背景是靜態(tài)還是動態(tài)的，然后自適應(yīng)地采用對應(yīng)的算法來進(jìn)行運(yùn)動目標(biāo)檢測。在檢測出運(yùn)動目標(biāo)后，再使用CamShift算法對運(yùn)動目標(biāo)進(jìn)行跟蹤。動態(tài)背景下自適應(yīng)運(yùn)動目標(biāo)檢測與跟蹤系統(tǒng)在社會中有很大的應(yīng)用價值，且圖像序列中運(yùn)動目標(biāo)的檢測與跟蹤一直是計算機(jī)視覺領(lǐng)域的重要研究內(nèi)容。此系統(tǒng)可服務(wù)于有關(guān)安全監(jiān)控的許多領(lǐng)域，例如小區(qū)安全系統(tǒng)、交通系統(tǒng)與公安系統(tǒng)等。
學(xué)術(shù)論文摘要
- 在對運(yùn)動目標(biāo)檢測前，建立圖像幀的四參數(shù)全局運(yùn)動模型，根據(jù)該模型能快速判斷當(dāng)前圖像序列片段的背景是靜止的還是動態(tài)的，然后系統(tǒng)自適應(yīng)地選擇背景減除法進(jìn)行靜態(tài)背景下的運(yùn)動目標(biāo)檢測，選擇基于全局運(yùn)動補(bǔ)償?shù)腍orn-Schunck算法進(jìn)行動態(tài)背景下的運(yùn)動目標(biāo)檢測，從而提高了運(yùn)動目標(biāo)檢測的速度，有利于提高系統(tǒng)的實時性。最后采用CamShift算法進(jìn)行運(yùn)動目標(biāo)的跟蹤處理。
獲獎情況
- 無
鑒定結(jié)果
- 無
參考文獻(xiàn)
- 背景減除法：McKenna S, Jabri S, Duric Z, et al. Tracking groups of people[J]. Computer Vision and Image Understanding, 2000,80(1):42-56 幀差法： H, Patil R. Moving tar Lipton A, Fujiyoshi get classification and tracking from real-time video[C]//IEEE Workshop on Applications of Computer Vision. Princeton, USA:[s.n.], 1998:8-14. 光流法： HORN B K P, SCHUNCK B G. Determing optical flow[J]. Artificial Intelligence, 1981, 17:185-203. CamShift算法：高叢。人體運(yùn)動檢測與跟蹤算法的研究和分析[J]。工業(yè)控制計算機(jī)，2008，21:49-51. 背景差分法： 吳永浩，華云松，尚亮?；贠penCV的運(yùn)動目標(biāo)跟蹤系統(tǒng)研究[J]。2010，8:21-25.
同類課題研究水平概述
- 目前國內(nèi)外對此類問題的研究主要從兩個方面出發(fā)：靜態(tài)背景和動態(tài)背景。在靜態(tài)背景下，運(yùn)動目標(biāo)檢測常采用的方法有背景減除法、幀差法。動態(tài)背景下，運(yùn)動目標(biāo)檢測常采用的方法有光流法和基于統(tǒng)計模型的方法等。靜態(tài)背景下的算法不能適用于動態(tài)背景，而動態(tài)背景下的算法如果應(yīng)用于靜態(tài)背景下，算法的效率又太低。
