动态场景下的目标检测技术研究
基于视频的动态场景下的目标检测是计算机视觉和模式识别在人工智能领域的重要应用之一，在机器人导航、汽车安全辅助驾驶系统等应用领域有着深远的意义。 与传统的静态背景下的运动目标检测不同的是，动态环境下运动前景和背景都存在运动，因此单纯的依靠运动存在与否作为判别标准的背景差法和帧差法都无法直接应用于动态场景下的运动目标检测。本文对基于视频的动态场景下的目标检测问题进行了研究，并提出了基于特征点运动矢量估计的运动前景检测方法，其主要内容有以下几个方面: 将SIFT算法应用于动态场景下的特征点检测，并利用SIFT算法在光照变化、尺度变换、噪声、遮挡等方面匹配效果的鲁棒性，进行稳定的特征点匹配，为特征点的运动矢量估计提供数据基础。 在特征点分类方面，提出了基于特征点匹配关系的目标运动矢量估计方法，并在此基础上提出了基于运动矢量的特征点分类算法。该方法通过对特征点运动矢量的聚类性质进行分析，可以自动获取前景与背景的粗分类结果。此后，通过对噪声特征点、误匹配特征点以及误分类特征点的去除，获得前景特征点与背景特征点的准确分类结果。 在运动目标检测方面，本文根据背景上特征点的运动矢量，以非线性插值的方式建立背景模型，将相邻采样帧之间的动态背景转化为静态背景;通过帧间差分法找到运动目标的大致区域作为GVF Snake模型收敛的初始轮廓;通过GVF Snake模型找出运动目标的大致轮廓，并以这个大致轮廓为区域生长的停止条件，将前景上的特征点作为种子点，采用多个种子点并行的区域生长方式获得运动目标区域。 运用了VC++6.0，Opencv和GSL等图像处理软件对本文的算法进行了验证，仿真结果表明，显示了本文算法在动态场景下能够实现准确、有效的运动目标检测。
动态场景;目标检测;背景建模;特征匹配;区域生长
东北大学
硕士
模式识别与智能系统
吴成东;陈东岳
2010
中文
TP391.41
86
2014-02-25（万方平台首次上网日期，不代表论文的发表时间）