需要金幣： 1000 個金幣 |
資料包括：完整論文，開題報告 |  |
 |
| 轉(zhuǎn)換比率：金額 X 10=金幣數(shù)量， 例100元=1000金幣 | 論文字數(shù)：19087 |  | |
| 折扣與優(yōu)惠：團購最低可5折優(yōu)惠 - 了解詳情 | 論文格式：Word格式(*.doc) |  |
摘要：科學技術(shù)在智能監(jiān)控體系中的逐漸使用促使了它的快速發(fā)展。智能視頻監(jiān)控的發(fā)張為人類日常生活提供了很多的便利條件，不僅如此它使得我們的生活更加的安全而有保障，其實從技術(shù)層面上而言，智能視頻監(jiān)控體系主要包含的技術(shù)有對目標物體進行檢測與提取，對運動對象的行為加以識別，分析以及分類處理，以及對整個運動過程中的事件進行檢測等，而運動目標的識別、檢測與提取是現(xiàn)有的視頻監(jiān)控系統(tǒng)技術(shù)里的典型、焦點部分。 在對視頻圖像進行處理時分為兩個步驟，首先運用運動目標的檢測技術(shù)識別出哪些是前景目標，哪些是背景目標，并對其進行標識，其次是通過對視頻圖像中的運動目標檢測出來的成果進行分類、以及行為理解和目標的跟蹤等進行后續(xù)圖像處理。通過以上詳細論述，運動目標檢測技術(shù)的重要性已經(jīng)不言而喻了，可以說圖像處理效果的好壞在一定程度上取決于運動檢測的結(jié)果是否清晰，準確，實時，有效。 運動目標檢測技術(shù)的關(guān)鍵就在于如何將目標物體有效地檢測以及識別出來，該技術(shù)處于智能視頻監(jiān)控領(lǐng)域中基礎(chǔ)性的地位但也是至關(guān)重要的地位,當然也是近年來國內(nèi)外學者專家們所研究的熱點以及重點問題。盡管一直以來人們對于視頻運動目標檢測的研究從未停止,并且提出了很多可行性很好的運動目標檢測方法,但是針對現(xiàn)實中復(fù)雜環(huán)境下的運動物體的目標檢測,要想設(shè)計出一系列的穩(wěn)定性好，魯棒性高的運動目標檢測算法還是很難得，目前還是有許許多的難題有待于去一一解決的,例如實時性和精確性等。 在本次畢業(yè)設(shè)計課題中,我重點研究的方向是建模算法里的混合高斯模型算法,再對現(xiàn)今運動目標的檢測中一些經(jīng)典的方法例如背景差分法、幀間差分法以及光流法這三種運動目標的檢測方法進行了簡單的介紹以及相應(yīng)的分析并對三者在具體應(yīng)用時的優(yōu)缺點進行了對比分析，指出其主要可使用的范圍。與此同時，我還結(jié)合實驗的結(jié)果對基于混合高斯模型的運動目標進行結(jié)果的分析，并加以說明總結(jié)。 關(guān)鍵詞:運動目標檢測,背景建模,以及混合高斯模型。
目錄 摘要 ABSTRACT 1 緒 論-1 1.1 研究背景及研究意義-1 1.2 國內(nèi)外主要研究現(xiàn)狀-3 1.3 本文結(jié)構(gòu)-5 2 運動目標檢測-7 2.1 什么是運動目標檢測-7 2.2 運動目標檢測的原理分析-8 2.3 運動目標檢測算法的衡量標準-8 2.4 運動目標檢測算法的分類-9 2.4.1 幀間差分法-9 2.4.2 背景減除法-10 2.4.3 光流法-13 2.5 三種主流運動目標檢測算法的比較-13 3 高斯模型-15 3.1 單高斯模型-15 3.2 混合高斯模型-17 3.2.2 背景訓練-18 3.2.3 模型匹配-18 3.2.4 背景模型更新-19 4 基于混合高斯模型的運動目標檢測-21 4.1 混合高斯模型的參數(shù)初始化-21 4.2 混合高斯模型的參數(shù)設(shè)定及更新-22 4.3 基于混合高斯模型的運動目標的實驗結(jié)果分析-23 4.3.1 仿真結(jié)果圖-23 4.3.2 實驗結(jié)果分析-25 5 結(jié)論與展望-26 致謝-27 參考文獻-28 |
