文档下载 文档下载导航
设为首页 | 加入收藏
搜索 请输入内容:  
 导航当前位置: 文档下载 > 所有分类 > IT/计算机 > 基于OPENCV和VC的目标提取技术
侵权投诉

基于OPENCV和VC的目标提取技术

目标提取 背景更新

建了双目立体视觉伺服系统。<br>  

2、利用中值滤波和阈值分割的方法提取出目标特征,为三维重建提供了图像特征点的像素坐标数据。<br>  

3、三维重建是双目立体视觉的最终目的,本文主要利用左右两幅图像的匹配点以及所求得的投影矩阵,对目标点进行三维空间坐标重建。<br>   4、利用面向对象设计与实现技术,选择C++语言与VC++开发环境,开发了图像采集、图像目标提取、三维重建以及机器人控制软件,实现对操作平台上的运动目标进行跟踪、捕捉或接取等任务。<br>  

本文在Visual C++集成开发环境中基于OpenCV 编程实现了系统的功能。完成了实时处理系统的算法设计。试验结果说明本系统能够实时捕捉到单个运动目标的三维运动信息,可为后续功能的开发打下坚实的基础。

5.学位论文 程娟 复杂背景下运动目标识别算法研究 2008

图像序列中的运动目标检测与跟踪是数字图像处理和模式识别以及计算机视觉领域研究的主要内容之一。在机器人导航、安全监控系统、医学图像分析和虚拟现实等领域都有广泛的应用。对于目标跟踪系统,其核心主要包括两个部分:一是运动目标的检测与提取;二是运动目标的跟踪。本文对复杂背景下行人运动目标的检测、提取和跟踪等问题进行了研究。

⑴在目标检测问题上,着重对基于复杂背景的检测方法进行了研究分析,讨论了背景的初始化及背景模型的建立和更新的各类方法原理。改善了原有的IIR滤波背景更新算法,提出了一种基于检验假设的背景更新系数获得方法,可以针对不同序列自适应地进行背景更新。实验表明,综合考虑方法的有效性和算法的复杂程度,该方法具有实际可行性;利用该方法进行的目标检测结果可为下面的提取提供较为理想的背景差分结果。

⑵在运动目标提取问题上,为了从前景点中将行人目标完整分割提取出来,获得各种用于目标跟踪的特征描述,本文在对差分图像进行阈值分割的基础上,结合形态学滤波及连通性检测方法去除前景噪声及区域内空洞。并在获得完整目标区域后,为后续的目标跟踪建立特征向量。通过实验验证算法可以有效地从差分图像中较为完整提取目标,算法具有较好的实时性。

⑶在分析了Camshift算法和Meanshift算法的基础上,通过Bhattacharyya系数来判断运动物体的遮挡情况,进而选择Kalman或者粒子滤波算法对遮挡情况下的运动物体进行跟踪,并给出仿真结果及分析,在一定程度上验证了本文算法,兼顾了Camshift算法在计算量上的优势和粒子滤波算法有效性高的优点。

⑷利用OpenCV库在Windows平台下设计了一个小型的视频运动分析系统,对本文的算法进行演示和分析,验证算法的实时性及有效性。

6.学位论文 秦秀丽 基于YUV颜色空间和图论切割的阴影去除算法 2010

随着科学技术的发展和用户需求的多样化,智能视频监控系统也愈发体现出了其在安防领域中的重要作用。实现智能视频监控的第一步就是从指定的监控场景中检测并提取出运动物体(比如运动的人和车辆等)。而这些运动区域的准确提取是后续的目标跟踪、识别、分类等算法顺利进行的关键前提。然而,在实际的智能视频监控系统中,由于各种光线的存在,场景中的运动物体往往会携带有或大或小的阴影,并且阴影与产生阴影的运动物体具有相同的运动特征,这就使得阴影常与目标对象一并被检测出来,影响了后续的图像处理和理解。由此,阴影检测去除成为了智能视频监控领域中一个技术上的热点和难点。本文首先回顾和介绍了视频监控技术的发展历史和研究现状,并对智能视频监控技术中目前已有的常用的运动目标检测提取方法进行了分析比对,重点分析了帧差法、光流法以及背景减除法的基本原理、各自的优缺点及适用场合。从而确定了采用基于混合高斯模型(GMM)的背景减除法来获取运动前景区域。实验证明GMM能够对场景中光线的变化、树叶或是旗帜的反复运动具有较好的鲁棒性。但GMM属于运动分割,提取的前景运动区域中常包含有大片的阴影区域,所以需要在此基础上进行阴影的检测与去除。

针对运动物体所携带的阴影影响了目标提取的准确性问题,本文分析总结了几种现有的阴影检测去除算法之后,提出了一种基于YUV颜色空间与图论算法相结合去阴影的新方法。该方法的具体实现步骤主要是两步:首先在由GMM获取的前景运动区域中综合考虑YUV颜色空间的亮度(Y)和色度信息(U,V)来检测阴影区域并结合形态学滤波等操作得到确定的阴影和目标种子点集;然后将所获取的种子点集映射成网络图,利用图切割算法进一步获得运动目标和阴影的优化分割,从而得到相对精确,干净,平滑的目标信息。该方法在一定程度上弱化了YUV空间阴影检测阈值不便设定的问题,既降低了阴影检测过程中的难度,又提高了检测精度。

最后,本文在VC++6.0环境下,借助OpenCV开源计算机视觉库编程完成了

本文提出的算法。通过室内室外环境的多次实验证明,本文算法可以有效地检测并去除视频监控场景中运动物体所携带的阴影,达到了预期的效果。关键词:视频监控,前景分割,阴影去除,颜色空间,图切割

7.学位论文 王桢 智能监控系统中目标检测算法的设计与实现 2009

智能视觉监控是用计算机视觉的方法,在不需要人为干预的情况下,通过对摄像机拍录的图像序列进行自动分析来对被监控场景中的变化进行定位、识别和跟踪,并在此基础上分析和判断有关目标的行为。随着计算机视觉的发展和计算机性能的不断提升,使得对视频的实时分析处理成为可能,视频监控系统开始向着智能化方向发展。<br>  

本论文的研究便是基于以上背景展开的。视频分析处理主要是对一系列有序的图像帧进行处理,主要包括背景模型的建立和更新、目标提取、目标跟踪等三大模块。在本论文所述的视频分析流程中背景建模是整个视频分析的基础,目标检测是整个处理过程的关键,目标跟踪是对目标行为的分析。<br>  

本论文首先简要介绍了背景建模的几种常见的算法,之后简要地分析了每种算法的优缺点;之后介绍了运动目标检测与跟踪的一些常用方法,包括目标检测中的帧间差分法、背景差分法和光流法,然后集中讨论了基于数学形态学和阈值算法的目标检测方法。<br>  

同时,本文还介绍了OpenCV(英特尔@开源计算机视觉库)工具及其在VC6.0环境下的配置,并利用该工具对文中所讨论的目标检测算法进行了验证。将监控系统应用于有诸多不确定性因素的实际监控场景中,实验结果表明,该系统能有效的辅助监控人员进行监控。

8.学位论文 徐以美 视频序列中运动目标检测与跟踪技术研究 2008

视频序列中运动目标检测与跟踪技术是计算机视觉中的重要研究方向之一,其在技术上涉及计算机图像处理、视频图像处理、模式识别、以及人工智能等诸多领域,在智能交通、电视监控、人机交互、视频压缩编码等领域都有着广泛的应用,因而具有较强的研究价值。

本文首先简要介绍了目前运动目标检测与跟踪技术中的一些常用方法,包括目标检测中的帧间差分法、背景差分法和光流法,目标跟踪中基于特征的方法、基于模型的方法、基于区域的方法和基于变形模版的方法,并对各种方法进行了分析,指出其优缺点及适用范围,之后还介绍了与本论文有关的数学形态学和连通性分析方面的知识。

在运动目标检测方面,本文着重研究了背景差分法,提出了两种运动目标检测算法:其一为基于RGB颜色空间的运动目标检测算法,该算法在背景建模阶段对已有的中值法进行了改进,在前景目标提取阶段,在传统的背景差分法基础上加入颜色信息,有效改善了由于背景与前景灰度相差不大而造成前景目标内部空洞的现象;其二为基于像素分类的运动目标检测算法,该算法通过分析视频序列每帧中同位置像素的特点,将其划分为单模态像素和多模态像素,针对不同的像素采用不同的建模方式,针对单模态像素采用较为简单方便的中值法进行背景建模,而多模态像素则采用混合高斯模型进行背景建模,这样在检测效果上相对于单纯采用混合高斯建模的方式相比并没有较大的差异,但在检测时间上却有很大的改进,使系统更易于实时应用。 在目标跟踪方面,本文重点研究了Mean Shift算法,这是一个非常优秀的算法王,是国外最近几年才发展起来的。同时,本文还介绍了OpenCv(英特

上一页第4页

你可能喜欢

热门文档

相关文档

站点地图 | 文档上传 | 侵权投诉 | 手机版
本站所有资源均来自互联网,本站只负责收集和整理,均不承担任何法律责任,如有侵权等其它行为请联系我们.
文档下载 Copyright 2013 doc.guandang.net All Rights Reserved.  -  email