导读:本文包含了运动对象检测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:对象,背景,差分,神经网络,算子,滤波器,菱形。
运动对象检测论文文献综述
姚文,沙萱[1]（2018）在《基于背景差分的视频运动对象检测》一文中研究指出视频图像序列中,对运动目标分割的主要目的是能够提取出有意义的运动对象实体。背景差分法能够较好地检测视频图像序列中的运动目标。确定可靠的背景图像是该算法的关键。在安检系统视频图像序列的行李检测中应用此法,初步获得运动目标,并根据当前帧利用一种背景更新算法以获得可靠的背景。然后做一些后期图像处理,去除噪声,取得了较好的效果。最后对实验结果进行了分析并提出相应的改善计划。(本文来源于《电脑知识与技术》期刊2018年04期）
曾杰,谌先敢,高智勇,刘海华[2]（2014）在《模拟初级视皮层注意机制的运动对象检测模型》一文中研究指出视频监控的广泛应用使运动对象检测成为研究热点,但运动的不确定性增加了检测难度。鉴于人类视觉系统能高效地感知运动对象,研究者从神经生理学和心理学的角度提出了运动检测的生物学模型。根据上述研究成果,提出模拟初级视皮层的运动对象检测模型。使用叁维Gabor时空滤波器模拟人类初级视皮层中简单细胞的经典感受野,通过非线性组合获取复杂细胞对运动对象刺激响应的运动能量,应用细胞的中心环绕作用及相关性运动检测增强运动信息并抑制环境干扰,采用信息融合获取运动对象的显着性图,并利用WTA神经网络模型实现对运动目标的感知。实验结果表明,该模型能有效检测到视频中的运动目标,运算速度较其他仿视神经加工的视觉注意模型更快。(本文来源于《计算机工程》期刊2014年06期）
洪佳庆,林其伟[3]（2013）在《基于运动对象检测的UMHexagonS搜索算法改进》一文中研究指出在H.264精细可分级编码中,针对减少运动估计时间,本文提出一种基于运动对象检测的UMHexagonS搜索算法改进.首先,根据运动对象检测区分出运动区域和背景区域,对不同的区域采用不用的搜索算法;其次,利用两次菱形模版替换原来的5×5螺旋搜索,减少了50%的搜索点数,且能提前结束搜索.实验结果表明,改进后的算法,在保证图像质量基本不变的前提下,运动估计时间减少10%~40%.(本文来源于《微电子学与计算机》期刊2013年09期）
刘爱玲[4]（2013）在《运动对象检测技术在视频监控系统中的应用研究》一文中研究指出市面上存在着大量的视频监控的软件系统，这些系统在日常的生活中扮演着重要的角色。然而，很多监控系统并没有实现智能监控，在监控的过程中需要监控人员一直盯着监控画面。这些非智能的监控系统不仅耗费了大量的时间和精力，损害人的视觉健康，而且在遇到危险的行为和事件的时候，无法及时的进行制止和控制。因此，将视频监控系统智能化，是当前的迫切需求。智能的视频监控系统可以在无监控人员的情况下，对监控环境进行实时监控，还可以对摄像机采集到的图像数据进行智能分析，并根据分析的结果自动产生告警。运动对象检测是智能视频监控系统中普遍采用的重要技术之一，如在电网视频监控系统和先进驾驶辅助系统中。本文就是以国家电网智能视频监控系统为背景，对运动对象检测算法进行研究的。本文所提出的检测算法，为监控系统的自动实时告警功能提供了强有力的支持。随着人们对检测结果的要求，检测算法的准确度也越来越高。虽然有一些传统的利用图像处理技术的运动对象检测算法，但目前大多数检测算法不能满足视频监控的高可靠性的要求，所以这仍然是一个挑战性的领域。通过对电网视频监控系统的需求分析，本文提出了一种新的算法，它结合了Sobel算子、去噪处理和L-K光流法。由于传统Sobel算子和L-K光流法存在着缺陷，本文提出了改进的方法。改进后的算法不仅可以准确地检测出运动对象，而且还可以检测到对象的运动方向。本文的算法主要应用于国家电网智能视频监控系统中，该系统主要用于电网环境的监控，它是采用图形化界面库QT和数字图像处理库OpenCV进行实现的。在监控的过程中，当发现有不明物体入侵时，系统利用本文提出的算法，自动检测入侵物体，并产生报警。在文章的结尾，本文提取了国家电网视频监控系统中的视频帧序列，并且以这些帧序列为样本，使用本文提出的运动对象检测算法进行实验，而且分析了实验结果和实验所得数据。实验结果表明程序具有良好的准确性和实时性，能够正确的进行检测。(本文来源于《电子科技大学》期刊2013-03-18）
李乐,张茂军,张文琪,李永乐[5]（2012）在《联合特征累积分析的压缩域运动对象检测》一文中研究指出依据H.264压缩域中能够反映景物运动变化的MV和DCT系数特征,本文提出了一种多特征联合累积分析的压缩域运动对象检测方法。该方法对压缩码流中各宏块的运动信息进行时空域滤波,并使用雅克比矩阵描述全局运动参数和宏块MV之间的关系,简化参数求解过程,通过比较局部运动和全局运动之间的差异初步检测运动对象;选取宏块周围可靠的运动特征用于宏块DCT系数能量的投影累积,并通过熵能原理在压缩域中选取各个宏块的自适应阈值,检测运动对象的边缘及纹理显着区域;通过一定的逻辑准则将MV和DCT系数的检测结果结合起来,最终检测出视频中运动对象。实验结果表明,本文算法可准确地检测压缩视频中的运动对象,且检测结果具有较高的查全率和查准率。(本文来源于《国防科技大学学报》期刊2012年06期）
莫林,雷禹,周赞,史册[6]（2012）在《自适应背景筛选的运动对象检测算法》一文中研究指出针对传统帧差法和背景差分法对运动对象检测不准确等不足,提出了一种自适应背景筛选的运动对象检测算法。该算法在采用帧差法构建的背景中标注出原图存在运动对象的区域,筛选当前运动对象区域未被标注且距当前时刻最近的背景与当前帧进行差分,从而提取前景运动目标。与帧差背景结合方法相比,该方法能更好解决因运动对象静止后融入背景建模而导致的检测对象不准确问题,且算法简单,易于实现,满足实时监控要求。实验结果验证了该算法的有效性。(本文来源于《计算机工程与设计》期刊2012年08期）
雷禹[7]（2012）在《基于自适应背景替换的运动对象检测算法研究》一文中研究指出智能视频监控系统是计算机视觉研究领域的一个重要课题,而运动对象检测则是智能监控系统的核心技术。运动对象检测的研究对象是视频图像序列,其目的是判断视频序列中是否存在运动对象并确定运动对象的具体位置,为后续的对象跟踪与行为识别提供数据基础。然而智能视频监控系统实时性和高效性的要求,使得现有的运动对象检测算法离快速、精准地检测尚有差距,因此如何设计有效的运动对象检测算法成为国内外的一个研究热点。本文基于帧间差分法和背景差分法的理论基础,结合实际的需求因素对运动对象检测算法进行研究和探讨,主要研究工作如下：(1)本文通过分析传统帧间差分法、背景差分法以及帧差背景结合法,针对这些方法在解决对象静止后融入背景情况时的不足,提出了一种自适应背景替换的运动对象检测算法。该算法通过帧间差分法进行背景建模,并将原始帧中存在运动对象的区域标注到背景的相应区域中,在使用背景差分法提取运动对象时,算法自适应替换出当前帧存在运动对象的区域而没有在背景中标注的背景帧,作差提取前景运动目标。通过在不同的复杂场景下对该算法进行测试,分析了运动对象由运动到静止、缓慢移动条件下的检测结果。测试结果表明该方法能较好解决因运动对象静止后融入背景建模而导致的检测对象不准确问题,且算法简单,易于实现,满足实时监控要求。(2)针对本文提出的改进算法引入的新问题进行分析。为解决背景帧的感兴趣区域与当前帧的时间差进行光线补偿的问题,研究了一种背景补偿的算法。研究结果表明,它能较好地对背景进行补偿,使得背景差分提取精确的运动对象。(3)研究了一种综合性能较好的阈值分割方法。针对系统实时性的要求提出了一种基于统计加权的快速阈值分割方法,实验结果表明该算法在保证分割精准度的前提下,能以低时耗满足系统要求。(本文来源于《广西大学》期刊2012-05-01）
沈盼盼[8]（2012）在《视频序列中运动对象检测与跟踪的研究》一文中研究指出随着高新科技的蓬勃发展,在智能监控、影视制作等领域,计算机视觉已是不可或缺的重要技术。运动目标的检测和跟踪作为该技术中最具活力与挑战性的研究方向之一,在科学研究和日常生活中日益凸显出其重要意义和应用价值。本文分别研究了静态背景下运动目标的检测方法,以及单目标的跟踪方法。通过学习已有研究成果,针对背景图像提取速度慢、准确度低的问题,提出一种RGB空间像素点变化统计和中值法相结合的背景建模法。针对目标运动缓慢的序列难以提取背景的问题,改进了一种利用帧差图像的边缘信息提取运动对象的方法。针对目标的形变和旋转、被遮挡、变大或缩小、以及受光照或多个相似物的干扰等问题,提出基于局部加权图像的粒子滤波跟踪方法。仿真结果表明,两种检测方法能实时提取运动目标,本文的跟踪方法能对目标准确跟踪。主要内容如下：1.提出一种基于RGB空间像素点变化统计和时间中值法结合的背景提取方法,运动区域的检测在叁个通道独立进行,然后取并集,并将本文方法与混合高斯法的检测结果及检测速率作对比。2.改进了一种利用帧差图像的边缘信息提取运动对象的方法,利用目标运动的帧间相关性,结合边缘检测提取目标边缘,经填充提取前景区域,对比了本文方法与相关文献方法的两种检测结果。3.对比分析了MS(均值漂移)、KF(卡尔曼滤波)、PF(粒子滤波)叁种传统跟踪算法,仿真比较了它们的跟踪效果。提出基于局部加权图像的粒子滤波跟踪方法,首先获取局部加权图像,然后以该图像中目标区域的加权直方图为特征进行跟踪,充分利用了像素点的局部空间信息,仿真比较了本文算法与其它基于粒子滤波的跟踪算法的两种实验结果。实验表明,本文的背景提取方法能建立准确的背景,目标检测结果比混合高斯法更准确,检测速率更快。本文利用边缘信息的检测方法结果比较理想,提取的目标边缘精细度高。本文提出的基于局部加权图像的跟踪算法在目标形变、大小变化,受强光、相似物干扰时能准确对其跟踪,并且能自动调节跟踪框大小(本文来源于《电子科技大学》期刊2012-04-01）
姚春莲,郭克友[9]（2011）在《一种利用帧差信息的实时运动对象检测算法》一文中研究指出运动对象检测过程中,背景减法以其简单有效受到广泛的关注,但该方法中一般用K均值建立背景模型、用统计方法更新与维护背景的方法,比较耗时,难以达到实时检测的要求。通过分析相邻帧间的亮度变化,建立了帧间差和背景差,利用两个差值信息进行运动对象检测,并应用腐蚀、扩张等形态学后处理方法提高检测精度。通过实验,给出的运动对象检测算法能够取得很好的检测效果,同时速度满足实时视频监控的需求。(本文来源于《全国第五届信号和智能信息处理与应用学术会议专刊(第一册)》期刊2011-08-01）
黄天云[10]（2011）在《视频序列中的运动对象检测和跟踪算法(英文)》一文中研究指出视频序列中的运动对象检测和跟踪算法在视频分析、计算机视觉、侦察、监控等诸多应用领域起着非常重要的作用.文中从低层图像特征角度对该问题进行了概述.对于运动对象检测,分析了基于结构化特征的进展、基于生物学研究、自底向上、激励驱动的可视化关注模型、综合时域信息的复合时空关注模型、DCT系数分析和运动场分析;对于运动对象跟踪,强调了粒子过滤系统、尺度不变特征变换(SIFT),均值偏移,以及几者的组合应用.对压缩域运动对象跟踪也作为一个重要方面进行了分析,介绍了一种仅利用运动矢量的压缩域运动对象跟踪算法.(本文来源于《西南民族大学学报(自然科学版)》期刊2011年03期）
运动对象检测论文开题报告
（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：
视频监控的广泛应用使运动对象检测成为研究热点,但运动的不确定性增加了检测难度。鉴于人类视觉系统能高效地感知运动对象,研究者从神经生理学和心理学的角度提出了运动检测的生物学模型。根据上述研究成果,提出模拟初级视皮层的运动对象检测模型。使用叁维Gabor时空滤波器模拟人类初级视皮层中简单细胞的经典感受野,通过非线性组合获取复杂细胞对运动对象刺激响应的运动能量,应用细胞的中心环绕作用及相关性运动检测增强运动信息并抑制环境干扰,采用信息融合获取运动对象的显着性图,并利用WTA神经网络模型实现对运动目标的感知。实验结果表明,该模型能有效检测到视频中的运动目标,运算速度较其他仿视神经加工的视觉注意模型更快。
（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。
运动对象检测论文参考文献
[1].姚文,沙萱.基于背景差分的视频运动对象检测[J].电脑知识与技术.2018
[2].曾杰,谌先敢,高智勇,刘海华.模拟初级视皮层注意机制的运动对象检测模型[J].计算机工程.2014
[3].洪佳庆,林其伟.基于运动对象检测的UMHexagonS搜索算法改进[J].微电子学与计算机.2013
[4].刘爱玲.运动对象检测技术在视频监控系统中的应用研究[D].电子科技大学.2013
[5].李乐,张茂军,张文琪,李永乐.联合特征累积分析的压缩域运动对象检测[J].国防科技大学学报.2012
[6].莫林,雷禹,周赞,史册.自适应背景筛选的运动对象检测算法[J].计算机工程与设计.2012
[7].雷禹.基于自适应背景替换的运动对象检测算法研究[D].广西大学.2012
[8].沈盼盼.视频序列中运动对象检测与跟踪的研究[D].电子科技大学.2012
[9].姚春莲,郭克友.一种利用帧差信息的实时运动对象检测算法[C].全国第五届信号和智能信息处理与应用学术会议专刊(第一册).2011
[10].黄天云.视频序列中的运动对象检测和跟踪算法(英文)[J].西南民族大学学报(自然科学版).2011