欢迎来到天天文库
浏览记录
ID:32309858
大小:2.76 MB
页数:98页
时间:2019-02-03
《光流场算法及其在视频目标检测中应用地研究》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、ADISSERTATIONPRESENTEDTOSHANGHAIJIAOTONGUNIVERSITYINPARTIALFULFILLMENTOFTHEREQUIREMENTSFORTHEMASTERDEGREERearchonOpticalFlowAlgorithmandtheApplicationinVideoObjectDetectionByGuangyuanPanSupervisor:MinSunInInstituteofPatternRecognitionandIntelligentSyste
2、msShanghaiJiaoTongUniversityJanuary,2008光流场算法及其在视频目标检测中的应用研究摘要目前,计算机视觉在工业生产和高科技应用中越来越显示其举足轻重的作用:遥感图像分析、文字识别、医学图像处理、多媒体技术、智能交通系统、国防、图像数据库、工业检测、安防监控系统等方面。视频目标检测技术是计算机视觉知识体系中的重要组成部分。视频检测的目的是使用基于信号检测的方法自动分离出运动像素点和静止像素点。机器视觉检测可大大提高生产效率、更灵活的控制产品质量、更方便采集产品数据以进
3、行流程管理等。产品的分类和选择也集成于检测功能中。智能识别和监控系统的研究应用中,运动检测是后续目标识别与跟踪的基础。有理由认为,现代化的进程中,视觉检测是不可缺少的环节。光流场是计算机视觉中的一个重要概念。光流法在视频目标检测和目标跟踪中应用广泛。光流场表征了运动目标的速度信息,是一种基于平面图像的二维(2D)瞬时速度场,二维速度是物体上可见点的三维速度在成像平面上的投影。光流场信息对运动目标检测、图像配准和三维重构技术有重大的意义。本文前半部分内容对视频目标检测和光流场计算技术进行系统的探讨,随后
4、对光流场的研究方向、应用研究进行系统的归纳与说明,最后部分也是比较重要的部分,提出两种基于金字塔LK光流算法的视频目标检测融合算法,其很好的改善了运动检测的综合性能。第一章对课题研究要点进行总括性的概述,并阐明本文研究工作;第二章和第三章在总结前人研究成果的基础上,详细介绍视频目标检测方法、光流场计算技术和分类情况,并总结了它们特点、比较各种方法的优缺点;第四章则综合分析当前光流场计算技术仍存在的问题与挑战,结合当前最新科研论文的研究重点,分类列出了光流场算法的研究方向及其应用研究;在第五章在前面理论
5、研究的基础上,创新性的提出两种视频目标检测融合算法:一是基于金字塔LK光流技术、光流特征角点膨胀运动模板和分水岭分割的视频目标检测算法,二是基于光流法与时间差分法的运动目标检测算法,同时给出两个相应的应用案例与结果分析;最后在第六章中对全文进行总结,提出研究展望。关键词:计算机视觉,视频目标检测,光流场,金字塔LK光流算法,光流特征角点,融合算法ResearchonOpticalFlowAlgorithmandtheApplicationinVideoObjectDetectionABSTRACTCo
6、mputerVisiontechnologyplaysanimportantroleinindustrialproductionandhigh-techapplicationnowadays.Itmainlyconcernsremotesensingimageanalysis,characterrecognition,medicalimageprocessing,multimediatechnology,intelligenttransportationsystem,nationaldefence,i
7、magedatabase,industrialdetection,safetymonitoringsystem,younameit.Videoobjectdetectiontechnologyisacrucialpartofthecmputervisionknowledgy.Itspurposeis,withinformationdetected,separatingtheusefulmovingpixelsfromstaticregionautomatically.Withmachinevision
8、detection,peoplecanachievemoreefficientproductionrate,morecontrollableproductsqualityandimplementmanagingtheprocessdatabase.Classificationandchoosingstepareoftenintegratedinthedetectionmodule.Asthefundamentalpartsoftheresearchand
此文档下载收益归作者所有