导读:本文包含了视频运动检测论文开题报告文献综述及选题提纲参考文献，主要关键词:运动目标检测,小目标检测,航迹关联
视频运动检测论文文献综述
孙怡峰,吴疆,黄严严,汤光明[1]（2019）在《一种视频监控中基于航迹的运动小目标检测算法》一文中研究指出针对视频监控中运动小目标难以检测的问题,该文提出一种基于航迹的检测算法。首先,为了降低检测漏警率,提出区域纹理特征与差值概率融合的自适应前景提取方法;其次,为了降低检测虚警率,设计航迹关联的概率计算模型以建立疑似目标在视频帧间的关联,并设置双门限以区分疑似目标中的真实目标与虚假目标。实验结果表明,与多种经典算法相比,该算法能对定量范围内的运动小目标以更低的漏警率和虚警率实施准确检测。(本文来源于《电子与信息学报》期刊2019年11期）
李艳红[2]（2019）在《锰矿智能视频监控的运动目标检测技术探讨》一文中研究指出锰矿开采环境较为复杂,利用各种科技手段降低开采过程中的风险度成为了重点研究领域。通过降低自动视觉对象计数和视频监控手段能解决矿藏开采过程中存在的各种管理、安全问题。因此提出一种高效的视觉检测和跟踪框架,用于物体计数和任务监视。该框架基于现成的视频设备,在无需监督工作条件下,通过一种新颖的贝叶斯跟踪模型实现移动目标的检测。该模型可以管理多模式分布,而无需明确计算跟踪对象与检测之间的关联;同时该模型对错误、失真和缺少的检测信息的处理也有效。(本文来源于《微型电脑应用》期刊2019年07期）
李国友,张春阳,张凤岭,夏永彬[3]（2019）在《视频监控运动目标图像优化检测仿真》一文中研究指出针对传统的ViBe检测算法在检测中出现鬼影、静止目标、阴影的缺陷,提出将像素值转化到小波域中进行分频,经过算法的优化设计,实现一种基于小波域中检测的新算法。针对ViBe算法中存在鬼影和静止目标的缺陷,将其背景更新策略设计成阶梯型更新,并赋予前景点也具备传播更新背景模型的特性,从而克服了ViBe算法中的鬼影和静止目标缺陷;接下来,利用小波分析的多尺度空间信息进行算法设计,从而达到去除阴影的目的;最后通过3组视频序列进行综合实验,用3个标准进行评价实验结果。实验结果表明,该算法实现了运动目标的有效检测,且优化了ViBe算法的缺陷。(本文来源于《现代电子技术》期刊2019年14期）
魏然,李毅,李平凡,龚标,黄钢[4]（2019）在《基于运动检测的非连续时域视频辨识方法研究》一文中研究指出目的由于监控设备硬件、视频传输、存储、处理环境、人为篡改等诸多因素影响,导致的视频缺帧、跳帧、时间戳错误等视频时域不连续的现象广泛存在,严重影响了视频作为声像资料证据的可信度,为了对非连续时域视频进行准确、高效地辨识。方法提出了基于特征点像素距离变化率、光流变化率的非连续时域视频评价指标,研究了融合背景差分与光流法的非连续时域视频检测方法,并将该方法应用非连续时域视频的辨识。结果该方法结合了背景差分法与光流法的优势,能有效避免视频中检测目标位置、运动方向与场景光照变化对检测精度的影响,从而准确高效地判断视频时域的连续性。结论该方法可在视频时域分析、视频篡改检测等技术领域推广应用。(本文来源于《中国司法鉴定》期刊2019年04期）
胡明合[5]（2019）在《强脉冲干扰下景物视频图像运动目标检测仿真》一文中研究指出图像处理技术作为当前应用范围较广的先进技术之一,对于社会各领域而言十分重要。针对当前视频图像运动目标检测存在的问题,提出基于运动信息的强脉冲干扰下景物视频图像运动目标检测方法。定义强脉冲干扰下景物视频图像集合、图像的结构元素和图像结构元素补集。根据设定参量分别对图像进行膨胀、腐蚀、开运算和闭运算等数学形态学操作,完成结构元素中突刺和强脉冲噪声的滤除,及目标图像中孔洞和间断的填补。根据视频图像像素点柯西分布概率的密度函数初步确定变化像素,分别定义低阈值检测出的所有变化区域和高阈值检测出的运动目标核心区域,得到候选阴影区域。利用判断规则确定图像阴影部分的像素点,并将其取出,获取运动目标,完成运动目标初步检测。给出图像局部统计中可变阈值,以此分割景物视频图像,控制杂散光导致的图像背景光强分布不均现象,同时通过灰度中心法对目标像素坐标点进行计算,实现视频图像运动目标精检测。实验结果表明,上述方法检测耗时短,检测性能强。(本文来源于《计算机仿真》期刊2019年07期）
韩悦,金晅宏,郭旭,陈佳倩[6]（2019）在《视频序列中的运动目标检测算法研究》一文中研究指出视频序列中前景目标的提取存在因光线发生突变而漏检前景目标,以及背景包含动态信息时识别错误等问题。由于光线突变会产生大面积的阴影,并且包含动态信息的背景会产生干扰和噪声,提出了一种Vibe算法的改进应用,Vibe能够快速有效地抑制阴影,并且结合了帧间差分法对突变不敏感性的特点,使检测前景目标更加准确。分别针对光线突变以及背景包含动态信息的2种情况进行实验验证,同时用光流法、GMM合背景建模、codobook算法、传统Vibe算法与改进的Vibe算法分别对2种情况视频序列进行处理,之后对各个算法进行定量分析,提取结果和定量分析结果是相匹配的。实验结果表明,改进的Vibe方法可以使在前景目标在光线突变或背景包含动态信息的情况下,不被漏检并且可以更好地去噪,提取更加完整的前景目标。(本文来源于《电子测量技术》期刊2019年13期）
司琦[7]（2019）在《视频监控中运动行人检测算法研究及FPGA实现》一文中研究指出智能视频监控系统具有智能化与数字化的优势,目前被广泛的应用于交通与安防等领域。而随着“智慧城市”与“安全城市”等管理系统的提出,智能视频监控的应用更加广泛,运动行人检测作为其重要组成部分,越来越受到关注。本文主要对运动前景检测和运动行人检测算法进行了研究,主要完成了以下工作:首先对传统基于像素点建模的背景减除算法进行优化,将基于像素块的自适应背景减除法作用于运动前景检测,采用最小差分和算法对背景模型初始化并采用信息熵估计算法对背景模型选择性更新,将最大类间方差法计算的阈值应用于背景减除法中,得到运动前景检测的二值图像,对其进行MATLAB仿真并与其它算法比较,结果表明本文基于像素块的运动前景检测算法具有较好的检测效果。然后对检测的二值结果采用基于游程的一次扫描连通域标记算法提取其特征信息,与阈值进行比较完成运动行人检测,通过MATLAB仿真验证该算法可以较好的检测出运动行人。为了提高运动行人检测算法的实时性,本文搭建基于FPGA的硬件平台,包括图像缓存模块、算法处理模块与图像输出模块。算法处理模块包括运动前景检测单元与运动行人检测单元。在运动前景检测单元中,分别设计了基于像素块的背景初始化、背景更新与自适应阈值计算的Verilog硬件电路;在运动行人检测单元中,设计了基于游程的连通域标记与特征信息提取硬件电路,并对各个模块进行Modelsim仿真分析,然后完成板级验证。最后将硬件结果与软件结果进行比较,误差为0.08%,达到设计要求。本文的实验结果表明:基于像素块的背景减除法能较准确的检测出运动前景的二值图像;基于游程的一次扫描连通域标记与提取算法能较好的检测出运动行人;而基于FPGA的运动行人检测系统对分辨率为640*480图像的处理速度能达到29fps,因此能实现实时检测。(本文来源于《西安理工大学》期刊2019-06-30）
隋淑娇[8]（2019）在《基于监控视频的背景建模与运动目标检测算法研究》一文中研究指出随着图像处理和计算机视觉技术的发展,智能视频监控系统已经广泛应用于交通、智能制造和犯罪监控等各个领域。智能监控中在没有任何先验信息的情况下,如何快速有效地构建视频背景模型、准确检测出运动目标信息是目标识别、运动估计、行为理解等能否成功的关键。本文结合相关理论,对高斯混合模型和光流法等进行了改进,主要工作如下:首先,从算法的基本原理、参数迭代更新、性能精度、算法复杂度等方面对比分析了9种基于像素的背景减除方法,同时从文献计量学的视角对2003-2018年CNKI收录的以“背景建模”和“前景提取”为主题词的2623篇文献进行了可视化分析,为本文的深入研究提供了很好的借鉴。其次,针对传统高斯混合模型的背景初始化和参数学习率更新问题,引入基于像素区域更新方式来初始化背景参数,同时将视频图像序列信息熵的变化值作为自适应更新高斯混合模型参数学习率的反馈量,结合高斯滤波器和数学形态学提出了一种自适应背景建模方法。实验结果表明,对具有动态扰动以及运动目标数量随时间变化差异性较大的监控视频,该方法检测精度高,处理速度快。然后,针对传统EM算法在高斯混合模型应用中需要的存储批量和计算内存较大、参数更新较慢的问题,提出了一种改进的在线EM算法用于迭代更新高斯混合模型的参数,并利用Titterington在线算法证明了在模型协方差矩阵为对角阵的情况下该方法的可行性,同时对高斯分布个数给出了一种自适应调整方法。实验结果表明,与传统方法相比,该方法在背景构建、目标检测性能以及运算速度上都有更好的效果。最后,针对复杂情况下光流法计算量大且单独使用无法获得理想前景的问题,引入高斯滤波器对视频数据进行平滑处理,通过Horn-Schunck光流法计算光流,同时利用改进的遗传算法自适应确定二维OTSU阈值来对光流进行噪声处理,最后结合光流归一化和数学形态学,提出了一种基于归一化自适应光流的运动目标区域检测方法。该方法在去除背景噪声的同时不丢失前景,与传统算法相比,具有计算复杂度低、时间短、性能指标高等优点。(本文来源于《青岛科技大学》期刊2019-06-04）
许风志[9]（2019）在《煤矿井下视频运动目标的检测与识别研究》一文中研究指出煤矿井下生产作业环境复杂恶劣,灾难事故时刻威胁国家资产与人员安全,研究矿井安全生产就成了重要课题。论文针对井下监测视频中运动目标的检测和识别问题进行研究,提出了性能与效果较好的运动目标检测识别方法。(1)煤矿井下监测视频图像质量不高,光照、噪声、阴影等条件局限使得单一算法对图像检测效果不好。论文针对井下视频图像检测效果差的问题,提出了一种改进方法:采用混合高斯法建立背景模型,背景差分法检测前景图像,并融合帧间差分法检测的前景图像和Canny边缘检测算子检测填充后的运动物体团块,通过不同的逻辑运算实现目标检测,通过去除阴影和连通域标识的方法优化融合后得出的检测结果。由于融入了边缘检测算子,对光照和噪声不敏感,可消除图像中存在的多光照和噪声。尽管混合高斯背景建模鲁棒性好,但背景更新速度可能跟不上物体突然变化的速度,叁帧差分法的背景更新拟补了这个缺陷。实验结果表明该方法有效提高了井下视频图像的检测效果。(2)结合传统的目标检测结果与深度学习算法,基于RFCN(Region-based Fully Convolutional Networks,RFCN)的矿井视频目标识别方法,改进了传统卷积神经网络识别精度不高且容易产生过拟合现象。通过分析与研究深度学习中的网络模型和深度学习RFCN算法,采用谷歌ResNetl01网络结构,使网络层级达到101层从而保证了目标识别精度。本方案采用了残差机制,没有增加运行时间。首先通过实验训练网络模型使之达到满意效果;然后针对在识别中产生的漏检和误检现象,分析其中原因,对难分样本进行二次训练,对网络模型参数进行微调,得到最优的检测识别模型。实验基于Windows平台,利用Python开发语言编程,使用tensorflow开源框架进行模拟训练。通过实验首先验证了融合经典目标检测算法在煤矿井下视频图像中的检测效果有所提升;然后确认了煤矿井下监测视频中包含的运动目标识别和定位效果,并进一步采用矿井下其他视频图像做测试,有较高的识别准确率和较好的鲁棒性。运行时间快,实时性好,解决了深层次的网络结构准确率和实时性难以平衡的问题。(本文来源于《西安科技大学》期刊2019-06-01）
沈雪松[10]（2019）在《视频监控中运动目标检测与跟踪研究》一文中研究指出运动目标检测与跟踪作为计算机视觉领域的重点研究课题之一,在智能监控、医疗诊断、军事制导、人机交互、无人驾驶等领域有着重要的应用价值,其应用场景也逐渐从静态场景转向动态场景,动态场景的复杂特性给运动目标检测与跟踪带来了巨大挑战。本文分别针对静态场景和动态场景下的运动目标检测以及跟踪算法进行了相关研究,论文的主要研究工作如下:(1)针对视觉背景提取算法在目标检测过程中存在鬼影且易受动态背景的干扰等问题,提出了一种基于多尺度空间的视觉背景提取算法。在背景模型初始化之前,先对图像序列进行二级金字塔变换,从而得到叁种不同分辨率的图像,然后以不同分辨率进行目标检测并融合检测结果;在鬼影的问题上,本文结合帧间信息,加入二次判断策略,加快鬼影的消除;最后提出了一种背景复杂度量,根据背景的复杂程度自适应地调整距离阈值。(2)针对移动背景下运动目标难以检测的问题,提出了一种基于背景补偿的运动目标检测方法。为了提高背景补偿的准确性,选取基于加速鲁棒特征匹配的背景补偿算法;在特征匹配过程中,采用基于欧式距离的双向匹配来减少误匹配;在参数估计时,为了提高参数估计的准确性,采用顺序一致性算法和最小二乘法相结合来求解仿射运动参数,完成背景运动补偿;最后采用视觉背景提取算法对目标进行检测。(3)针对背景感知相关滤波跟踪算法存在因光照变化、遮挡、背景干扰等情况而导致跟踪失败的问题,提出了一种自适应特征融合的相关滤波跟踪算法。算法在分类器学习中引入历史模型,可以自适应地平衡积极和被动模型学习,从而在外观变化较大的情况下可以有更健壮的模型;在训练阶段分别提取目标的方向梯度直方图和颜色属性特征进行自适应特征融合,提高目标的特征分辨力;最后,采用了一种自适应的模型更新策略,根据跟踪置信度比的高低来决定是否更新跟踪模型,避免目标模型被污染,同时提高算法速度。(本文来源于《江南大学》期刊2019-06-01）
视频运动检测论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
锰矿开采环境较为复杂,利用各种科技手段降低开采过程中的风险度成为了重点研究领域。通过降低自动视觉对象计数和视频监控手段能解决矿藏开采过程中存在的各种管理、安全问题。因此提出一种高效的视觉检测和跟踪框架,用于物体计数和任务监视。该框架基于现成的视频设备,在无需监督工作条件下,通过一种新颖的贝叶斯跟踪模型实现移动目标的检测。该模型可以管理多模式分布,而无需明确计算跟踪对象与检测之间的关联;同时该模型对错误、失真和缺少的检测信息的处理也有效。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
视频运动检测论文参考文献
[1].孙怡峰,吴疆,黄严严,汤光明.一种视频监控中基于航迹的运动小目标检测算法[J].电子与信息学报.2019
[2].李艳红.锰矿智能视频监控的运动目标检测技术探讨[J].微型电脑应用.2019
[3].李国友,张春阳,张凤岭,夏永彬.视频监控运动目标图像优化检测仿真[J].现代电子技术.2019
[4].魏然,李毅,李平凡,龚标,黄钢.基于运动检测的非连续时域视频辨识方法研究[J].中国司法鉴定.2019
[5].胡明合.强脉冲干扰下景物视频图像运动目标检测仿真[J].计算机仿真.2019
[6].韩悦,金晅宏,郭旭,陈佳倩.视频序列中的运动目标检测算法研究[J].电子测量技术.2019
[7].司琦.视频监控中运动行人检测算法研究及FPGA实现[D].西安理工大学.2019
[8].隋淑娇.基于监控视频的背景建模与运动目标检测算法研究[D].青岛科技大学.2019
[9].许风志.煤矿井下视频运动目标的检测与识别研究[D].西安科技大学.2019
[10].沈雪松.视频监控中运动目标检测与跟踪研究[D].江南大学.2019