基于贝叶斯理论运动目标检测算法的研究

基于贝叶斯理论运动目标检测算法的研究

ID:32528262

大小:1.74 MB

页数:75页

时间:2019-02-11

基于贝叶斯理论运动目标检测算法的研究_第1页
基于贝叶斯理论运动目标检测算法的研究_第2页
基于贝叶斯理论运动目标检测算法的研究_第3页
基于贝叶斯理论运动目标检测算法的研究_第4页
基于贝叶斯理论运动目标检测算法的研究_第5页
资源描述:

《基于贝叶斯理论运动目标检测算法的研究》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、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,除了文中特别加以标注和致谢的地方外,论文中不包含其他人已经发表或撰写过的研究成果,也不包含为获得南京邮电大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。本人学位论文及涉及相关资料若有不实,愿意承担一切相关的法律责任。研究生签名:_____________日期:____________南京邮电大学学位论文使用授权声明本人授权南京邮电大学可以保留并向国家有关部门或机

2、构送交论文的复印件和电子文档;允许论文被查阅和借阅;可以将学位论文的全部或部分内容编入有关数据库进行检索;可以采用影印、缩印或扫描等复制手段保存、汇编本学位论文。本文电子文档的内容和纸质论文的内容相一致。论文的公布(包括刊登)授权南京邮电大学研究生院(筹)办理。涉密学位论文在解密后适用本授权书。研究生签名:____________导师签名:____________日期:_____________南京邮电大学硕士学位论文摘要学科、专业:工学信号与信息处理研究方向:图像处理与多媒体通信作者:2009级研究生刘晓晨指导教师:胡栋题目:基于贝叶斯理论的运动目标

3、检测算法研究英文题目:ResearchonMovingObjectDetectionschemesbasedontheBayesianTheory关键词:智能视频监控运动目标检测聚类贝叶斯理论DSPKeywords:intelligentvideosurveillance,movingobjectdetection,clustering,Bayesiantheory,DSP基金支持本硕士研究论文受江苏省高校自然科学重大基础研究项目——“智能监控中的多摄像机协同关键技术”(项目编号:10KJA510036)资助。南京邮电大学硕士研究生学位论文摘要摘要目前

4、世界各国公共安全问题正日趋严峻,智能视频监控作为对特定场所实施安全监控的一种重要手段,具有非常广阔和光明的发展前景。其中运动目标检测技术是视频监控系统的关键基础,它对后续的处理和分析效果有决定性的作用。此外随着DSP技术的不断发展,使视频监控走向网络化、实时化和智能化成为可能。本文着重研究了基于贝叶斯理论的运动目标检测问题,并在DSP上进行算法的实现与优化。基于贝叶斯理论的统计建模算法BM是现在较流行的背景建模方法之一,其建立在贝叶斯分类理论的基础上,能够有效的利用先验信息,实现对运动目标的精确分割。然而该模型需要对每个像素点进行建模,算法复杂度大,对

5、硬件存储量要求较高,很难用于实时检测系统。针对贝叶斯模型的关键技术,本文主要研究内容和创新点如下:(1)本文研究了基于贝叶斯理论的统计建模算法BM,并对它进行改进,提出了一种基于聚类和贝叶斯理论的运动目标检测算法CBM。该算法首先对视频序列进行时间上的聚类分析,以此作为贝叶斯进一步判决的预处理,经过预处理后贝叶斯需要判别的点减少,可以较大的减少计算复杂度,同时能够保证得到较高的计算精度,并使贝叶斯精确判决的作用更加有效。(2)在上述研究的基础上,本文对聚类分析过程提出了改进。该方法采用融合Lab颜色空间的a、b两维颜色信息、局部熵信息和像素点坐标信息的

6、五维特征矢量来描述各个像素点,更充分的表征了各个像素点在时间上的变化,以更加准确的描述背景模型,达到更好的检测效果。(3)本文研究了在多媒体DSPTMS320DM642平台上的算法实现,详细的描述了算法的移植过程,提出采用四种优化措施对算法的实时处理能力进行改进。这四种优化措施包括:1.修改数据类型;2.对多重循环作拆分处理;3.使用intrinsics指令集;4.对存储空间进行分配,通过四种优化措施可实现对算法处理性能的改进,以满足对场景的实时处理。最后通过实验证明,本文提出的CBM算法由于充分利用了像素时域间的相关性进行聚类预处理,与无聚类过程的贝

7、叶斯背景建模算法相比,时间复杂度上降低了55%,准确率上平均提高约20%。在TMS320DM642平台环境下,对通过四种优化措施对改进的算法进行性能测试,测试结果表明,移植算法可以在设定的两种复杂场景下实现对运动目标的准确检测与分割,场景处理速度可达20帧/秒,具有较好的实时处理性能。最后,对全文的工作进行了总结,并阐述了后续的工作方向。关键词:智能视频监控运动目标检测聚类贝叶斯理论DSPI南京邮电大学硕士研究生学位论文AbstractAbstractAtpresent,thepublicsafetyoftheworldisbecomingincrea

8、singlyserious,intelligentvideosurveillancehasbe

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。