硕士开题报告5

长春工业大学研究生硕士学位论文开题报告论文题目：智能视频监控系统场景分析技术研究专业名称： 信号与信息处理 入学时间： 2009年9月 研究生姓名： 导师姓名： 填表时间：2010年10月8日长春工业大学研究生学院制研究生硕士学位论文开题报告程序1、学生和导师共同根据导师研究方向及实际条件准备开题报告。2、 开题报告工作时间一般为四周。3、 各院主管院长组织本单位所属各学科、专业论文开题报告答辩委员会，并且组织学生及导师进行开题报告答辩工作。答辩委员会成员应由各院分学术委员会成员组成，答辩会议由各院分学术委员会主席主持。答辩会议应坚持公开、公正、严肃、认真的原则。4、 各学科、专业论文开题报告答辩委员会成员在学生答辩后应采取表决方式，依据同意人数超过总人数三分之二的原则来决定该学生的开题报告是否合格，并由各院主管主任在开题报告的院意见栏内签署意见。5、 各院主管院长应在论文开题报告答辩会议前二周将答辩会议日程安排报研究生学院。6、 各院论文开题报告答辩结束后，二天内应汇总全部开题报告送研究生学院审批。研究生学院在二周内将审批结果通知各单位，各单位应立即将审批结果告知导师及学生。开题报告留研究生学院存档。7、 各学科、专业开题报告的答辩审核工作应在研究生学院的规定时间内完成。对于因学生或导师的原因在规定时间内完不成开题报告，或开题报告选题不符合本学科、专业培养目标及开题报告答辩未予通过等情况，研究生学院可延长该生在校学习时间或提出更换导师的建议报校学术委员会审批。A：研究生论文选题的来源及意义选题来源：自拟课题选题意义：智能视频监控(IVS,IntelligentVideoSurveillance)源自计算机视觉(CV,ComputerVision)技术，它是在图像及图像描述之间建立关系，从而使计算机能够通过数字图像处理和分析来理解视频画面中的内容，达到自动分析和抽取视频源中关键信息的目的。如何能更好的理解其所获取的场景图像信息，或者具有与人类思维模式相类似的图像认知能力，是其中重要的一个研究方面。以场景图像为背景而服务于人类生活的科学和技术得到了快速的发展，被广泛的应用在各个行业之中。从技术的角度而言主要是基于视觉分析理论，包括图像分割、特征提取、区域标记等几个部分。其中涉及到计算机视觉、图像处理、人工智能等领域。为了解释场景的内容，得到对场景的描述，需要建立高层场景概念描述与低层图像视觉特征之间的联系，在对场景图像处理和分析的基础上，识别和定位场景中包含的景物以及它们之间的空间关系。对于室外场景，这无疑是非常困难的，因为室外场景中的景物可以有任意的大小、形状和位置，光照条件的变化，以及存在大量的遮挡，导致了同一景物类的不同实体存在较大的可变性，这些引起了人们极大的研究热情。随着计算机软件、硬件技术日新月异的发展和普及，通过摄像机监控动态场景，已得到了广泛的应用，并随着其功能的完善也在社会生活的方方面面发挥着越来越重要的作用。智能视频监视可以用于银行、机场、政府重要部门等场景下的无人值守，提供报警，保证安全；可以用于高速公路的车流量检测，交通违章以及意外事故检测；可以监视拥挤的行人群，或根据车辆的轨迹，预测目标可能遭遇的危险等等，具有广泛的应用前景及巨大的经济价值。B：论文选题在该领域国内、国外研究现状随着计算机视觉技术和认知学的快速发展，对场景图像中单一形式物体的识别逐渐过渡到对类内多形式物体的识别，以及场景的全局理解和场景物体间关联信息的建模。从场景建模角度来看，马尔可夫随机场(MarkovrandomField，MRF)、条件随机场(ConditionalrandomField，CRF)等模型的使用增强了场景信息的关联，这使得场景及场景中物体辨识的速度和精度都有所提高。从场景特征描述的角度来看，Lowe给出场景尺度不变描述符SIFT(Scale-invariantfeaturetransform)，该局部描述符对尺度、平移、旋转等变换具有较好的不变性。Shotton等选取图像局部区域内的Texton个数作为特征，采用Boosting算法训练得到大量置信度较低的弱分类器，进而联合得到可取得较好分类效果的强分类器，从而达到对纹理、形状和场景语境信息的联合建模。由于算法需要经过多次滤波得到Texton特征以及K均值聚类的耗时性造成了算法的低效率，并且需要占用大量内存空间，但该方法所提出的TextonBoost分类辨识思想对该领域的研究工作具有良好的启发性。Verbeek等综合了基于概率的潜在语义分析模型(Probabilisticlatentsemanticanalysis，PLSA)和马尔可夫随机场的优点来对图像区域进行分类辨识oTorralba等提出共享特征机制并通过多任务学习获得不同物体的公共特征，从而减少了多物体识别的计算量。Fauqueur等充分利用视频帧间的关联信息，采用局部SIFT特征进行帧间区域跟踪和标记传播，降低了场景辨识的计算量，同时该工作为采用视频分析手段进行场景理解开拓了思路。王璐等利用视觉局部显著区域对自然场景进行辨识和理解，通过提取场景认知过程中的感兴趣区域，大大提高了算法的实时性。Huhns等通过训练获得不同场景类别颜色分量阈值，进而采用基于规则的方法对不同地貌进行分类辨识，所构建的系统具有良好的实时性。在多传感器信息融合方面，Kelly等从不同种类视觉传感器获得场景信号的多角度表征，进而对场景从不同方面加以测量，从而有效地对不同地形进行检测和分类。Schafer利用激光、立体视觉传感器获得场景的深度信息。由于场景分析在科学技术研究和工程应用上有着十分诱人的前景，研究人员仍然在做不懈地努力。分析的准确性是困扰技术人员的一大难题。为此，寻求一种有效的方法成为解决问题的重要途径。C:论文选题的理论依据、研究方法、研究内容、实施方案和拟解决的关键问题选题的理论依据：图像分割理论吉布斯分布马尔可夫随机场模型研究方法：用摄像机去观察同一场景，获得一幅场景图像，然后通过图像分割、特征提取和区域分类原理对获得的场景进行分析，进而将场景中的不同景物区分开，并标注出每个区域。研究内容：首先将输入场景图像分割为一些封闭区域，理想情况下这些区域对应于场景中的某个景物或部分景物；然后经过特征提取，每个区域描述为一个特征集合，该集合表示区域的低层视觉属性，这些特征集合描述将作为学习机的输入；最后利用学习算法对图像区域的分类，标注出各区域的语义类别。实施方案：用摄像机采集场景视频图像。对采集的图像进行数学建模，对图像进行分割。根据纹理、颜色、形状进行特征提取。将具有相同特征的区域进行分类和标注。5.拟解决的关键问题:5.拟解决的关键问题:对选定的方案进行测试，并不断的改进和完善。用何种数学模型对场景进行建模。用何种图像特征来有效的描述图像，涉及到特征提取问题。用何种图像分割的方式，对图像的子块或像素进行有效的识别。D：论文选题研究工作基础条件和可能出现的问题（实验设备、研究资料等）1本论文实验采用计算机仿真实验，已有微机一台，摄像头两个，具备完成该论文的实验条件。2目前，我已查阅了大量的相关资料，对智能视频件系统场景分析有了一定的了解，也对其撰写论文所用到的相关软件硬件有一定的了解。E・论文选题前期准备工作（调研工作及10篇以上主要参考文献）Pushmeet，Kohli，L'uborLadicky，PhilipH.S.Torr.RobustHigherOrderPotentialsforEnforcingLabelConsistency.SpringerScienceBusinessMedia，2009.KarteekAlahari，PushmeetKohli，PhilipH.S.Torr.Reduce，Reuse&Recycle：EfficientlySolvingMulti-LabelMRFs.OxfordBrookesUniversity，2008.Z.FuA.Robles-Kelly.Aquadraticprogrammingapproachtoimagelabeling.IETCompute.Vol.2，No.4，pages193-207，2008.RobertT.Collins，AlanJ.Lipton，TakeoKanade，HironobuFujiyoshi，DavidDuggins，YanghaiTsin，DavidTolliver，NobuyoshiEnomoto，OsamuHasegawa，PeterBurt1andLambertWixsonl.ASystemforVideoSurveillanceandMonitoring.TheRoboticsInstitute，CarnegieMellonUniversity，PittsburghPATheSarnoffCorporation，Princeton，NJ.ChangickKim,Jenq-NengHwang.Object-BasedVideoAbstractionforVideoSurveillanceSystems.IEEETransactionsonCircuitsandSystemsforVideoTechnology.Vol.12，No.12，December2002.J.W.Woods.Two-DiscreteMarkovianField.IEEETransactionsonInformationTheory.March1972，pages232-240.A.K.Jain.AdvancesinMathematicalModelsforImageprocessing.ProcessingoftheIEEE.May1981， pages502-528.G.R.CrossandA.K.Jain.MarkovRandomFieldtextureModels.IEEETransactionsonPatternAnalysisandMachineIntelligence.January1983，pages25-39.R.L.Kashyap.UnivariateandMultivariateRandomFieldModelsforImage.ComputerGraphicsandImageProcessing.Vol.12.1980， pages257-270.李旭超，朱善安.图像分割中的马尔可夫随机场方法综述.中国图象图形学报.Vol.12,No.5,May,2007,PP789-798.蒋永馨，金俣欣，王孝通，黄华.基于马尔可夫随机场的运动目标检测.计算机工程与应用.2010，PP182-184.谢凤英，赵丹培.VC++数字图像处理.北京：电子工业出版社，2008.李子青•国内智能视频监控技术的发展.IntelligentBuilding，2008.周箴毅，胡福乔.基于背景建模的动态场景目标检测.计算机工程与应用.Vol.34,No.24,December,2008,PP203-205.陶霖密，王奇凡，邸慧军.视觉信息处理中的马尔可夫随机场.V01.14,N0.9,Sep,2009,PP911-916.LlQiu-xu,ZhaoJie-yu.UnsupervisedimagesegmentationbasedonMRFandgraphcuts.JournalofCommunicationandComputer,USA.Vol.6,No.9,sep,2009,PP46-53.任明艺，李晓峰，李在铭.一种基于马尔可夫随机场的运动目标检测算法.光电工程.Vol.37,No.4,April,2010,PP8-14.庄严，陈东，王伟，韩建达，王越超.移动机器人基于视觉室外自然场景理解的研究与进展•自动化学报，Vol.36,No.1,January,2010.张敏，刘利雄，贾云得.一种基于图像区域系统分类的室外场景理解方法.中国图像图形学报，Vol.9,No.12,Dec,2004.肖杰伟.主动机器视觉运动目标跟踪定位和场景理解研究.吉林大学，2005.F：论文工作总体进度安排文献阅读、方案设计与实现、计算与实验、论文书写等）1） 2010年8月一2010年10月查阅资料、进行调研、可行性研究，完成开题报告，并提交导师审查。同时，根据初步确定的思路，搜集、整理有关文件资料。在此期间分析研究国内外相关文献。准备设备，进行前期