基于运动目标的视频浓缩技术研究.pdf

《基于运动目标的视频浓缩技术研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、．知？！０巧３単位代码；密级：ｉ，＾霉郑＾４雀若著硕古緣像儉戈．＂ｒ山；胃感？■－＇、－ｔ，．Ｌ．－．．－，：《ｖ＞，‘－ｒ讀教；ｙ片咕．气遞，：－皆人；鄂，’為论文题目：基于运动目标的视频浓缩技太研究‘？、、■．？４‘‘话，：＊＇■？．＞ｆ＂＇■＇－？＇－．ｉｈｔＶＩ节’？．．．寺‘‘．巧．．＇．乂．；；７／／，５；谭‘Ｃ＇＇‘个１Ｑ１２Ｑ１０６２９学号％Ｊ１：叶家林巧片姓名：＇．＇－■－＇

2、宋建新教授导师．学科专业信号与信息处理＇巧究方向图像処理与多媒体通信Ｖ？？．：手常；吉申请学位类别ｘｓｉ±？；多户，＇＇Ｉ‘一＇集吉迂‘论文提交日期二ｆｃ：置妾＇＇＇＾．去卢；苗＇和马＇＇心ｒ乂袜ｖ＾审，４沪法＇＇，．；；Ｖ．，Ｖ．Ｖ．＾新！ｖＶ解Ｖ南京邮电大学学位论文原创性声明本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加＾＾＾示注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研巧成果，也不包含为获得南京邮电

3、大学或其它教育机构的学位或证书而使用过的材料。一表示志的已在论文中确说。与我同工作的同对本研究所做任何贡献均作了明的明并了谢意本人学位论文及涉及一相关资料若有不实，愿意承担切相关的法律责任。研：絮期：１〔究生签名日＿妹寸用授权南京邮电大学学位论文使声明邮电大学可Ｗ留向国家有口或机送论文的复印件和电子文本人授权南京保并关部构交档；许论文被查阅和借；可Ｗ学位论的全部或部分容编入有库进行；允阅将文内关数据检索１＞。本文＾１采扫描等复制手段保存、编本学位论文电子文档的内容和纸质可用影印、缩印或汇论。论公（包括刊登）授。文的内容相致文的布权南

4、京邮电大学研究生院办理密。学位论文在解密后适用本涉授权书：研巧生签名：导师签名日Ｃ期ｆ＾蛛叶VideoSynopsisTechnologyBasedonMovingObjectThesisSubmittedtoNanjingUniversityofPostsandTelecommunicationsfortheDegreeofMasterofEngineeringByYeJialinSupervisor:Prof.SongJianxinMarch2015摘要随着“平安城市”理念的提出，数以万计的监控设备被安装到银行、学校、走廊等地方，每天都会产生大量的监控视频

5、，这给我们的视频浏览、检索、存储等工作带来巨大的挑战。而视频浓缩技术正是解决这些问题的一种有效手段，在大大缩短监控视频的长度的同时却不丢失原始视频中的运动信息。该技术不但可以实现高效存储，而且更便于用户浏览、检索监控视频，已然成为当下处理监控视频的一项热门技术。本文先系统地阐述了监控视频的浓缩原理，然后分别介绍了整个浓缩过程中几个关键的流程步骤，如运动物体检测、运动物体跟踪、轨迹的组合优化等，针对这几个步骤中现有算法的局限性，本文分别提出了相应的改进算法，最后得到浓缩结果。论文的主要工作如下：由于基于单一特征的背景建模方法存在一定的局限性，所以为了提高运动物体检测的鲁棒

6、性和准确性，本文提出了一种基于纹理特征的SILTP和基于颜色特征的单高斯相结合的背景建模算法。在该方法中，首先利用SILTP的纹理模型提取运动前景和背景，然后再利用单高斯颜色模型对目标纹理与背景纹理相近处进行检测，从而修正误判的前景和背景。实验结果表明：与其他单一特征的背景建模方法相比，本算法检测出的运动物体轮廓更加清晰，在召回率和虚警率上均优于单一特征的背景建模方法。为了提高运动物体跟踪的准确度，本文提出了一种基于Camshift与SIFT线性融合的轨迹跟踪算法。在该融合算法中，首先利用Camshift跟踪算法对运动物体进行一个初始的跟踪，得到跟踪区域，然后再利用SI

7、FT对跟踪区域进行特征提取与匹配，校准跟踪区域，最后将Camshift的跟踪结果与校准结果进行线性融合，得到最终的轨迹跟踪结果。实验结果表明：与MeanShift和Camshift相比，本算法的跟踪误差最小，能较好地完成目标的跟踪。为了保持浓缩视频的空间一致性和减少碰撞，本文提出了一种基于时间轴转移的轨迹优化方法。在该方法中，利用能量代价函数来衡量原始视频到浓缩视频的转化，当能量代价函数最小时，轨迹的优化效果最好。最后在原视频中更新提取背景图像，通过泊松编辑将所有的运动目标拼接到对应的背景图像中，形成浓缩视频。实验结果表明：与基于时空转移