导读:本文包含了运动物体识别论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:物体,视频监控,特征,目标,图像,智能,阈值。
运动物体识别论文文献综述
李洪锋,魏镜弢,付亚伟,王家涛[1]（2019）在《基于SIFT算法的物体运动方向快速识别方法》一文中研究指出为了解决成像设备只能在较低的分辨率成像且不能区分运动方向的问题,提出了一种基于SIFT算法的快速识别物体运动方向的方法。首先,根据块匹配算法中的角点特征提取法确定块的位置,并将该块命名为检测块。然后,用已经确定的块遍历下一帧图像,找到相匹配的块,命名为目标块并确定检验块与目标块之间的运动方向。最后,采用SIFT算法对2幅图像的特征点进行匹配,选取3个特征点构建叁角形,对2个对应叁角形的变换关系构建数学模型,做出运动方向的判断。实验结果表明,与块匹配相比,运动方向判断速度提高了3.3倍,匹配的准确程度提高了2.9倍,获得了更高的判断速度和准确度。2种方法的比较结果显示,基于SIFT算法的识别方法具有较强的可行性,能够更快地确定多帧图像中物体的运动方向。(本文来源于《计算机工程与科学》期刊2019年06期）
[2]（2018）在《自动驾驶史上融资最多的通用Cruise,还识别不了物体是否运动》一文中研究指出肩负着传统汽车企业对抗Waymo重任的通用旗下的自动驾驶子公司Cruise,今年已经获得了来自日本的软银和本田共计50亿美元的投资,用于开发能够安全行驶在旧金山街头的无人驾驶出租车业务,并且计划抢在Waymo、Uber、Lyft前,在2019年推出无人驾驶出租车服务。Cruise高达50亿美元的融资金额,是迄今为止自动驾驶领域最大的融资金额,那么,软银和本田的这笔投资是否值得呢? Cruise能按时在2019年推出无人驾驶出租车服务吗?(本文来源于《高科技与产业化》期刊2018年10期）
李颖,郑明杰[3]（2018）在《视频监控图像高速运动物体稳定特征识别仿真》一文中研究指出在智能视频监控系统中,运动目标稳定特征提取是实现高速运动物体行为理解、识别以及跟踪的前提条件。传统的运动目标识别方法难以精确提取出稳定的运动目标,以及某些干扰物体中有部分区域与运动目标形状相同时,识别率低、实时性差等问题。针对上述问题,提出基于动态模板匹配的高速运动物体稳定特征识别方法。采用帧间差分算法确定高速运动目标物体可能存在的区域,获取较为清晰的高速运动物体目标轮廓,并基于运动目标轮廓信息构造稳定特征不变量。以稳定特征不变量为中心选择指定大小的矩形区域,将其作为下一帧模板匹配算法的模板,将待测图像的特征描述与运动目标模板特征进行匹配,完成对高速运动目标的识别。实验结果表明,所提方法能够实现对高速运动目标物体的实时分析,同时满足实际应用中,对高速运动目标物体识别实时性和准确性的要求。(本文来源于《计算机仿真》期刊2018年12期）
陈娅旎,潘静[4]（2018）在《在运动中识别物体的叁维特征:光流信息与形状知觉》一文中研究指出物体的形状被定义为其深度与宽度的比例。当物体绕y轴作大于45°的旋转时,观察者对于其形状的知觉变得准确(Bingham&Lind,2008)。这是因为当叁维物体连续旋转时,观察者可以利用两类信息识别物体形状:光流信息与影像结构信息。光流是指环境相对于人眼运动时所产生的运动模式。影像结构是指环境相对于人眼静止时投射到人眼的像。光流通过运动指示出物体的深度结构,观察者在光流中探测到的信息为低空间频率信号。因此即使视野模糊、影像结构大大削弱,光流也理应使形状知觉准确。并且,物体转动产生的光流也将校准影像结构,也就是说,原先由于模糊而意味不明的影像结构将被赋予空间上的意义。即使在运动停止后,校准后的影像结构也应该保存光流所指示的深度结构。光流信息与影像结构的结合可以使观察者有效地知觉到物体位置(Pan,Bingham&Bingham,2013,2017)和日常事件(Pan&Bingham,2013),也理应使形状知觉准确且稳定。我们在两个实验中测试了这些假设。在实验一中,观察者佩戴贴有班格特压抑膜的眼镜,这种眼镜使观察者视野模糊,相当于视力0.2的水平。目标物体绕y轴作60°旋转或静止不动,观察者需要在屏幕上的两个顶视图中选择与实际物体形状相同的一个。目标物体的形状为0.8、0.9、1.0、1.1、1.2或1.3,两个选项的深宽比相差0.1。结果显示,观察者对于旋转物体的形状知觉准确,对于静止物体的形状知觉处于随机水平。在实验二中,物体停止转动后,观察者延迟0秒、5秒或25秒后再判断物体形状。在延迟的时间里,屏幕上呈现物体轮廓、物体纹理或空白界面。结果显示,静止的轮廓和纹理保存了光流指示的深度信息并使观察者对于形状的记忆准确。此研究表明,强烈光流能使观察者准确地知觉并记忆形状。这些发现可用于低视力患者的康复治疗,帮助他们恢复日常功能(如抓握物体)。(本文来源于《第二十一届全国心理学学术会议摘要集》期刊2018-11-02）
杨东桥,王万秋,鲁真妍,徐增睿[5]（2018）在《基于OpenCV的足球场上运动物体的识别》一文中研究指出在体育比赛中运动的球体识别是近年来的热点课题之一。笔者基于OpenCV视觉库中的大量函数,对足球比赛中运动的足球进行跟踪识别。通过图像预处理灰度化、高斯平滑、模板匹配等主要步骤,说明其原理并设计了一种能够识别运动足球的方法。在Visual Studio 2013环境下,利用OpenCV验证了该方法,结果表明该方法可以有效识别目标。(本文来源于《信息与电脑(理论版)》期刊2018年14期）
牛晓程[6]（2018）在《智能变电站视频监控中运动物体的识别》一文中研究指出变电站在电力系统中占据重要地位并发挥着关键作用,随着国家电网公司提出的建设“坚强智能电网”战略,智能电网建设变得越发重要,如何提高变电站的智能化程度更是当前的重要工作之一。而近年来,随着各种科学技术的飞速发展,变电站的施工和管理过程中越来越多地应用自动化设备,智能变电站是以后的行业发展方向,而在变电站的管理中,无人值守系统的实现成为可能。每个集中控制中心担负着管理区域内的变电站监视、倒闸动作、巡检等常规工作,工作人员无法全天对所有变电站进行全程监控,因此对无人值班变电站的智能监控设备的需求很强。因为以前的监控设备限于技术瓶颈,仅仅可以实现十分简易的警报提示、现场监控等作用,对于视频显示、非法闯入、门禁等功能不能实现,这就造成集中监控中心的工作人员无法掌握十分全面的现场情况,影响了安保和管理工作的高效安全性,对于智能变电站来说,远程监控和操作都是必不可少的,是保障变电站安全运行的关键。为了能提高安保技术的高效安全性,融入远程监视、非法闯入识别报警、门禁、实时报警等功能,从而高效地降低犯罪的可能性和危害,保护财产和人身安全,智能变电站视频监控中运动物体的识别就显得尤为重要。本论文首先介绍了智能变电站的发展现状和综合视频监测系统发展进程,就变电站的一体化监控系统、在线监测系统、辅助监控系统的基本原理及其系统的结构进行研究,并对其应用方案进行设计。论文最后对视频监控这一高级应用功能进行详细探讨与分析,并对运动目标检测算法加以深入的研究,综合现有检测方法的优缺点,提出改进算法,并进行仿真测试,测试改进后的算法在避免“空洞”问题、检测准确性和速度上均有所变化。智能变电站具有很强的信息共享能力,很多先进的手段可以大大地改善传统的变电站运行监控技术,但是有些先进的运行监控手段在很多智能变电站还没有进行深度的应用以发挥其设计的应有效果。由仿真结果可以看出,相比于原始算法,改进后的算法在各个性能上都有了一定幅度的提高。这能够更好地促进遥视、非法入侵、门禁和报警联网系统进行相结合,一方面改进了目前视频系统的已有功能,另一方面也扩充了新的功能,并且强化了自动监控功能和图像识别功能,这些优化措施极大地加强了变电站对非法闯入、异常状况、防盗防毁坏的防范能力,为以后从事或探索变电站视频监控领域起到一定的参考价值。(本文来源于《沈阳农业大学》期刊2018-06-19）
邵鹏[7]（2017）在《基于FPGA的运动物体识别系统研究》一文中研究指出运动目标检测技术目前在生物识别、追日系统、公共安全、机器人视觉、无人机跟踪导航等领域有着广泛的应用,是视频图像处理中一个重要的分支,常作为后续的跟踪识别算法的基础。为了满足实时性的需求,本文选用体积小、功耗低、速度快的FPGA作为主控芯片开发系统。对几种算法研究分析后,采用算法结构简单,程序设计复杂度低、适应性强的帧间差分算法为核心进行研究。在系统中设计了两个模块,图像采集模块和运动目标检测模块,分别负责采集当前运动目标图像以及对运动目标进行检测。其中图像采集模块负责视频图像的采集、格式转换及缓存显示;而运动目标检测模块用以实现帧间差分检测及根据上述算法进行阈值的动态调整。为使帧间差分法能适应不同光照条件下对运动物体的检测,本文利用亮度作为判断光照条件强弱的依据设计自适应阈值,将RGB色彩空间映射到色度(H)、饱和度(S)、亮度(L)来表示图像的HSL颜色空间。以亮度L为依据,建立光强-亮度-阈值表,使系统动态的调整阈值以拓展帧间差分法在不同光照条件下的应用。本文采用Verilog硬件描述语言并在Altera的Cyclone IV平台环境下设计、仿真与系统开发。本文还搭建了测试系统,以测量上述系统在不同强弱光照、不同运动速度下的检测正确率,并与固定阈值检测结果进行了比较。实验结果表明,当光照强度为90w/m2时,在3.0m/s和0.5m/s速度下,自适应阈值的检测正确率分别达到93%和95%,与固定阈值设定较大时检测结果相近;在0.59w/m2的低光照条件下针对上述运动速度,检测率分别达到84%和92%,与小固定阈值检测结果相近。(本文来源于《贵州大学》期刊2017-06-01）
于青青[8]（2017）在《基于多视角视频的运动物体行为识别方法研究》一文中研究指出计算机视觉的不断发展,智能视频监控技术作为计算机视觉领域的关键技术受到的关注越来越多,并且在实际中得到广泛应用,许多公共场合和重点区域甚至有多个视频全覆盖。智能视频监控技术通常对动态场景中的感兴趣目标进行检测、跟踪和识别,并进一步分析和理解感兴趣目标的行为或者场景事件等语义信息。目前,基于单路视频的智能监控技术研究工作较多,但对于基于多视视频的场景监控和运动目标行为分析的研究还不够深入。监控视频采集的主体大多是车辆或行人,本文从智能监控安全防护、人群管理的角度出发,面向多视角采集的视频数据,运用多视低秩字典学习的方法融合不同视角的视频信息,对停车行为和人群行为进行识别分类。本文的主要工作包括以下两个方面:(1)基于多视角视频的停车行为分析和识别对于多视角停车视频数据,区别于基于单帧图像的分析方法,本文利用多视视频的连续帧序列作为路侧占道车位状态检测的数据,采用KLT(Kanade-Lucas-Tomasi)运动角点检测和实时压缩跟踪方法,提取视频序列中车辆停车全过程的运动轨迹,并在此基础上构建车辆状态的特征描述,实现对车辆停车行为表达和识别分类。在实际视频数据上的实验结果表明,本文提出的方法是有效的,能满足实际路侧停车识别的需求。(2)基于多视角视频的人群行为分析和识别对于多视角人群监控数据,本文提出了一种新的融合多视角信息的群体行为分析方法,该方法通过跟踪视频中人群的运动轨迹,并根据运动轨迹的相关性将轨迹聚类分组,在此基础上定义和提取人群行为的特征描述符,最终实现多视角人群视频群体行为的识别分类。在实际监控场景的多视角视频数据上的实验表明,本文的方法具有较好的群体行为识别性能。(本文来源于《北京工业大学》期刊2017-06-01）
吕敏燕[9]（2016）在《基于数字识别的分布式多运动物体检测研究》一文中研究指出随着计算机对数据处理性能的大幅提升,很多基于机器视觉的应用取得巨大的发展。视频图像处理是机器视觉中比较重要的一种应用研究,也是图像处理领域中非常重要的研究部分。在基于视频的多目标检测与跟踪的应用中,针对具体和特殊的应用场景,根据识别目标的特性不同,有许多基于不同特征的视频处理应用,例如基于人脸识别的视频跟踪,基于轮廓检测的视频跟踪,基于颜色直方图的视频跟踪算法等。但是,视频具有很高的复杂性和运动目标本身不确定性,多目标的视频跟踪还有很大的研究空间和研究价值。在本文的应用场景中,视频检测的对象为农场内的同种动物,例如一片区域内的鸡或者鸭,它们具有3个主要的特点：类型相同；自身特征差异不明显；数量较多。由于类型相同,不能靠动物的不同形态特征进行区分；由于动物之间的特征差异不明显,不能很容易得通过颜色、轮廓或者脸部特征等特征进行区分识别；由于数量较多,若找出微小的差异作为特征进行识别,那么算法的复杂度会比较高,在数量较多时,就会严重影响识别速度且正确率不能保证。因此本文采用了基于数字识别的检测方法,即在动物身上贴上数字作为记号,通过识别不同数字,达到顺利检测动物的目的。利用数字作为辅助特征进行识别可以降低对动物本身特征提取的复杂度,减小了计算量,从而可以提高识别的效率。本文研究内容来源于某农场对动物运动情况监测的实际需求。将基于视频的多目标检测与跟踪技术应用在农场动物上主要是为了监测动物的健康状况。动物的健康状况与其运动状态有比较密切的联系,通过视频跟踪,监测到每个动物的运动状态,对每个动物的运动量和运动时间进行后续分析,可以初步发现可能存在问题的动物,便于用户及时进行问题动物的筛查,减少养殖过程中的损失。本论文的主要研究工作及创新点如下：1.对于同类型多目标的检测,提出了利用数字作为识别特征进行检测的方法,可以有效地对同种类型特征区别不明显的多物体进行识别,且识别数量增大时,只需要增加数字的编号,不需要重新寻找特征进行算法修改,非常方便高效。2.对于数字识别的算法,创新性地提出了算法仲裁的思想,结合了多种特征进行数字识别,对基于穿越线特征、基于模板匹配和基于SVM(Support Vector Machines)的数字识别的结果进行仲裁,最终得出数字的结果,降低了数字的误识别率。3.由于数字跟随动物运动,数字的方向具有随意性。因此本文提出了利用仿射变换进行数字旋转矫正的方法,将数字在方向矫正之后进行识别。4.针对数字重迭以及图像中存在与数字相似的区域的干扰问题,本文创新性地提出基于历史数据进行数字跃迁判断,以及基于视频内数字范围智能筛选有效数据的方法。5.本文创新性地提出了利用分布式处理机制处理数据的方法,对以往串行处理数据的方式进行了改进,利用并行的方式提高处理图像的速度。(本文来源于《山东大学》期刊2016-04-25）
郝绪彤[10]（2016）在《基于特征速度的运动物体识别研究》一文中研究指出随着计算机视觉技术、机器学习技术和图像识别技术的不断发展,基于视频图像处理的运动物体识别技术越来越引起人们的关注。运动物体识别技术在智慧监控、智能交通、智能导航等领域有着广泛的应用前景。行人和车辆是视频监控场景下最主要的运动物体,实现对行人或者车辆的追踪、分析的基础是对运动物体的正确检测和识别,因此如何实现高效准确的对运动物体识别正在得到越来越多的关注。视频监控场景下存在的光照变化、背景变化、遮挡、阴影等因素都对运动物体正确识别造成了巨大的影响,虽然运动物体识别技术已经得到了广泛的研究和关注,但是仍然缺少一个通用性强的运动物体识别算法可以满足实际应用场景下对准确度和实时性的要求。基于模板匹配和统计学习是运动物体识别技术的主要方法。模板匹配主要是利用运动物体的边缘轮廓特征进行识别工作,由于行人行走姿态的多异性,车辆种类的多样性和遮挡现象的出现,识别的准确率有较大的限制。基于统计学习的运动物体识别方法是近年来研究的主流,主要是从含有大量的运动物体正负样本库中提取对应运动物体的特征,训练学习生成分类器,将运动物体的识别问题转换为机器学习问题。但是由于现有的行人和车辆特征计算、提取方法比较复杂,耗时时间较长,难以满足实际生产环境下对运动物体识别算法的实时性要求。因此本文在对运动物体识别相关技术和理论做了详细研究之后,提出了反映不同类别运动物体在现实场景下运动速度快慢的特征参数,定义为特征速度。结合运动物体检测方法中的相对差分法和绝对差分法,给出运动物体特征速度的算法。结合运动物体的位置信息和特征速度值给出了运动物体在图像水平运动的方向判别。构建了视频监控场景下运动物体的速度场模型,能够很好的表达出运动物体的位置和运动信息,给视频监控场景分析和检索提供了帮助。在对不同场景下运动物体特征速度进行了详细分析后,证明了特征速度值大小可以很好反映运动物体同类的相似性和类问的差异性。结合运动物体的识别的其他特征,利用决策树分类器模型,很好的实现了对运动物体识别,适用性强,计算简单,能够满足实时的处理需求。(本文来源于《大连理工大学》期刊2016-04-10）
运动物体识别论文开题报告
（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：
肩负着传统汽车企业对抗Waymo重任的通用旗下的自动驾驶子公司Cruise,今年已经获得了来自日本的软银和本田共计50亿美元的投资,用于开发能够安全行驶在旧金山街头的无人驾驶出租车业务,并且计划抢在Waymo、Uber、Lyft前,在2019年推出无人驾驶出租车服务。Cruise高达50亿美元的融资金额,是迄今为止自动驾驶领域最大的融资金额,那么,软银和本田的这笔投资是否值得呢? Cruise能按时在2019年推出无人驾驶出租车服务吗?
（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。
运动物体识别论文参考文献
[1].李洪锋,魏镜弢,付亚伟,王家涛.基于SIFT算法的物体运动方向快速识别方法[J].计算机工程与科学.2019
[2]..自动驾驶史上融资最多的通用Cruise,还识别不了物体是否运动[J].高科技与产业化.2018
[3].李颖,郑明杰.视频监控图像高速运动物体稳定特征识别仿真[J].计算机仿真.2018
[4].陈娅旎,潘静.在运动中识别物体的叁维特征:光流信息与形状知觉[C].第二十一届全国心理学学术会议摘要集.2018
[5].杨东桥,王万秋,鲁真妍,徐增睿.基于OpenCV的足球场上运动物体的识别[J].信息与电脑(理论版).2018
[6].牛晓程.智能变电站视频监控中运动物体的识别[D].沈阳农业大学.2018
[7].邵鹏.基于FPGA的运动物体识别系统研究[D].贵州大学.2017
[8].于青青.基于多视角视频的运动物体行为识别方法研究[D].北京工业大学.2017
[9].吕敏燕.基于数字识别的分布式多运动物体检测研究[D].山东大学.2016
[10].郝绪彤.基于特征速度的运动物体识别研究[D].大连理工大学.2016
论文知识图
