背景重建毕设开题报告.docxVIP

开题报告概要：现代智能视频监控技术已经广泛应用于我们的实际生活中。由于单摄像机的跟踪视野有限，在广域视频监控系统中常包含多个摄像机协作完成监控任务。而多摄像机之间不同点的运动目标之间的对应问题，即运动目标交接一直是实现目标连续跟踪的关键问题。由于广域视频监控系统中不同摄像机的颜色信息，拍摄角度，拍摄高度，摄像机焦距等参数有可能不同，将导致不同摄像机拍摄的图像序列间存在一定的差异，这使得多摄像机间的目标交接存在一定的难度。项目将研究多摄像机下如何利用序列图像针对同一场景进行拼接。课题历史背景：通过阅读文献，我了解到，此课题前人已有深入研究，技术比较成熟，复杂程度适中，很适合作为本科生毕业设计课题。智能视觉监控系统一般以PC机或图像处理服务器为计算平台，采用若干个图像传感器及视频采集卡构成一个视频图像分析、处理系统系统一般采用集中式结构，系统结构、功能较为固定，由于受基础理论及计算机性能的限制，系统的稳定性、适应性还较差。实际应用还非常有限，目前主要在国家安全、国防等少数特殊部门、行业得到使用。课题核心问题：背景重建及运动检测方法。快速而准确的背景重建是分布式智能视觉监控的重要基础之一。智能视觉监控中，首要任务是从视频序列中检测出运动目标(movingobject)。摄像机与场景相对位置固定时，一旦背景模型(background model)确定，就可用背景减法得到差图像，先对差图像进行二值化，再使用投影分割等方法就可以区分并得到场景中的运动目标。背景重建(background reconstruction)是背景减法的关键。本课题在讨论背景重建几种常用方法的基础上，提出一种基于背景象素值频次最高假设的背景重建改进方法。基于背景象素值频次最高假设的背景重建改进算法，无需对场景中的背景和目标建立统计模型，能够直接从含有运动前景的场景图像中重构背景，有效地避免了混合现象，并且当前景目标运动缓慢或在某一区域频繁出现，前景运动点出现的概率大于背景点时，仍能正确重构背景，拓宽了该假设的应用范围，比同类算法具有优越性。常用运动检测(motion dctetion)方法有光流法(optical flow)13“”】、帧差法(flame difference)和背景减法(background subtraction)。光流法不需要背景区域的任何先验知识就能实现运动目标的检测和跟踪，但计算量大；帧差法能适应环境变化，但分割出的目标不完整，而且当目标运动较快时，容易产生目标重叠；背景减法运算简单，克服SLY帧差法中的目标空洞现象，使用最为普遍。该课题主要使用背景减法。背景减法的关键是需要重建理想的背景。背景减法运动检测的思想是将视频帧与一个背景模型做比较，其中区别较大的像素区域被认为是运动区域，而区别较小的象素区域被认为是背景区域。背景减法运动检测是一种快速、有效的方法，但如何建立对于任何复杂环境的动态变化均具有自适应性的背景模型仍是相当困难的问题，复杂、动态环境的背景重建问题远没有解决。 开题报告总结：利用基于背景象素值频次最高假设的背景重建改进算法和背景减法运动检测，在VC+或MATLAB平台下，实现序列图像中针对同一场景进行拼接。正式开题后，我会常驻实验室，与同学老师密切交流，出色完成毕业设计。参考文献：1齐美彬.多摄像机协作分布式智能视觉监控中若干问题研究,博士学位论文.合肥:合肥工业大学,2007.2张莉.多摄像机人体跟踪技术的研究,博士学位论文.杭州:浙江大学,2008.3牛恩国.多摄像机环境下的目标交接研究与系统实现,硕士学位论文.西安:西北工业大学,2006.4Saad Ali, Mubarak Shah. COCOA - Tracking in Aerial Imagery. SPIE Airborne Intelligence, Surveillance, Reconnaissance (ISR) Systems and Applications, Orlando, 2006:110118.5Zhang, et al. Moving Object Detection, Tracking and Recognition. ICARCV94, 94:19901994.6ChrisStauffer, W.E.L Grimson. Adaptive background mixture models for realtime tracking. IEEE 1999:246252.7Bigun J. Multidimensional orientation with application to texture analysis and optical flow . IEEE Trans. On PAMI, 1995(1):77104.8Barron J, Fleer D. Performance of Optical flow techniques. International journal of computer vision, 1994, 12(1): 4277.9Marr D, Vision：a computational investigation into the human representation and processing of visual information, Freeman W.H. and Company, San Francisco, 1982.10Bar-Shaalom Y, Fortmann T, Tracking and Data Association, Acdaemic Press, 1988.11Perez P, Vermaak J, Blake A, Data fusion for visual tracking with particles, Proceedings of the IEEE, 2004, 92(3)：495513.12Zhou S.K, Chellappa R, Moghaddan B, Visual tracki