基于监控视频的前景目标提取--研究生数学建模比赛优秀论文.pdf-资料库

1a9efd78-6bf1-4c2a-b9f5-aa00d463f5eb.pdf-第1页.png

第1页 / 共47页

1a9efd78-6bf1-4c2a-b9f5-aa00d463f5eb.pdf-第2页.png

第2页 / 共47页

1a9efd78-6bf1-4c2a-b9f5-aa00d463f5eb.pdf-第3页.png

第3页 / 共47页

1a9efd78-6bf1-4c2a-b9f5-aa00d463f5eb.pdf-第4页.png

第4页 / 共47页

1a9efd78-6bf1-4c2a-b9f5-aa00d463f5eb.pdf-第5页.png

第5页 / 共47页

1a9efd78-6bf1-4c2a-b9f5-aa00d463f5eb.pdf-第6页.png

第6页 / 共47页

1a9efd78-6bf1-4c2a-b9f5-aa00d463f5eb.pdf-第7页.png

第7页 / 共47页

1a9efd78-6bf1-4c2a-b9f5-aa00d463f5eb.pdf-第8页.png

第8页 / 共47页

"华为杯"第十四届中国研究生数学建模竞赛（由组委会填写）参赛密码 ““华华为为杯杯””第第十十四四届届中中国国研研究究生生数数学学建建模模竞竞赛赛学校战略支援部队信息工程大学参赛队号队员姓名 90005013 1.王亚文 2.杨超 3.吴奇 1

（由组委会填写）参赛密码 ““华华为为杯杯””第第十十四四届届中中国国研研究究生生数数学学建建模模竞竞赛赛题目基于监控视频的前景目标提取摘要：通常，在计算机视觉领域中，研究者将毎一侦图像中的显著运动部分称为前景，而把当中静止的部分称为背景。本文针对基于监控视频的前景目标提取问题，使用了前景背景分离模型、模糊更新模型、特征点轨迹消抖模型、目标存在概率场模型、瞬时能量模型等并结合随机样本聚类，Mean-Shift 等方法，依托 OpenCV 开源库，利用 matlab 和 VC 编写算法，分别实现在静态背景下，动态背景下，摄像镜头晃动情况下，多摄像头视角下的前景目标提取，以及视频中的异常事件检测。针对问题一——静态背景下的前景提取问题，我们采用基于样本随机聚类的方法构建背景模型，并基于该模型实现前景背景分离。由于问题一中视频较短，无法提供足够长度的历史数据初始化模型，因此采用基于单帧数据的模型初始化，利用少量数据快速构建背景模型。此外为了能够持续的将背景和前景进行分离，我们还对背景模型进行持续的更新。 2

针对问题二——动态背景下的前景提取问题，我们针对动态场景中部分物体存在扰动的特点，在问题一方法的基础上结合模糊更新准则，自适应的改变背景模型的检测阈值和更新频率，进而提高动态场景中前景提取的准确性和鲁棒性。针对问题三——抖动背景下的前景提取问题，我们结合视频中前景、背景目标的运动量具有显著区别的特点，利用历史数据构建特征点轨迹模型，有效对视频的前背景进行区分，并根据捕获轨迹的抖动量，进行抖动补偿，构建视频消抖模型，降低视频抖动对前景提取带来的不良影响。针对问题四，我们利用所构造的模型对八组视频进行前景提取，取得了很好的效果，模型的平均前景提取精确度达到了 90%以上。针对问题五——多视角的运动目标检测问题，我们基于目标存在概率场模型进行多视角的运动目标检测，根据成像原理构建目标窗结构，进而结合目标窗结构的子窗在各视角的图像中包含的图像区域，计算出目标在各个位置存在的概率，获得概率图，然后利用 Mean-Shift 算法搜索出局部概率最大的点，该点即为多视角场景下运动目标最可能出现的位置。针对问题六——视频中的异常事件检测问题，我们首先对视频图像进行网格化处理，并在网格单元内提取特征点，进而基于特征点利用光流法构建运动模型。最后根据动能公式，将运动模型转换成能量模型，并根据视频中计算出的能量值检测出视频中是否出现异常事件。 3

目录 1 问题重述 1.1 问题背景 1.2 需要解决的问题 2 问题一的建模与求解 2.1 问题分析 2.2 模型建立 2.3 基于样本随机聚类的背景模型构建方法 2.4 基于单帧数据的模型初始化 2.5 背景模型更新 2.6 模型工作流程 2.7 问题求解及分析 3 问题二的建模与求解 3.1 问题分析 3.2 模型初始化 3.3 基于样本随机聚类的自适应匹配模型 3.4 背景模型更新 3.5 模糊更新准则 3.6 模型工作过程 3.7 问题求解及分析 4 问题三的建模与求解 4.1 问题分析 4.2 特征点轨迹模型 4.3 前景特征匹配模型 4.3.1 单应矩阵重映射 4.3.2 基于单应矩阵重映射的前景轨迹识别 4 9 9 9 10 10 10 10 11 12 13 13 15 15 16 16 17 18 18 18 19 19 19 20 20 21

4.3.3 基于历史行为的单应矩阵前景轨迹识别模型 4.4 视频消抖模型 4.5 模型工作流程 4.6 问题求解及分析 5 问题四（8 组视频分组标注） 5.1 CAMPUS 视频标注及分析 5.2 CURTAIN 视频标注及分析 5.3 ESCALATOR 视频标注及分析 5.4 FOUNTAIN 视频标注及分析 5.5 HALL 视频标注及分析 5.6 LOBBY 视频标注及分析 5.7 OFFICE 视频标注及分析 5.8 OVERPASS 视频标注及分析 5.9 综合分析 6 问题五的建模与求解 6.1 问题分析 6.2 基于目标存在概率场模型的多视角前景目标提取算法 6.2.1 目标存在概率场模型 6.2.2 目标窗结构模型 6.2.3 计算目标存在概率 6.2.4 多视角前景目标提取算法流程 6.3 模型工作流程 6.4 实验分析 7 问题六的建模与求解 7.1 问题分析 7.2 基于光流能量模型的异常事件检测方法 7.2.1 基于像素统计分布的运动特征点提取 7.2.2 基于光流法的运动模型构建 7.2.3 基于瞬时能量模型的异常事件检测方法 7.3 模型工作流程 5 22 22 24 24 25 25 27 28 29 30 31 32 33 34 35 35 35 35 36 36 37 38 38 39 39 39 39 40 42 44

44 45 46 47 7.4 实验分析 8 模型评价 9 参考文献 10 附录 6

图录图 1 像素的分类过程 ............................................................................... 11 图 2 像素的 8 个相邻域 ............................................................................ 12 图 3 静态背景下前景提取方法流程图.............................. 13 图 4 视频 Hall 测试效果 ................................................................................... 14 图 5 视频 Office 测试效果 ............................................................................... 14 图 6 视频 Pedestrian 测试效果 ......................................................................... 14 图 7 视频 Smoke 测试效果 .............................................................................. 15 图 8 视频 Airport 测试效果 .............................................................................. 15 图 9 动态背景下前景提取流程图.................................................................... 18 图 10 视频 WaterSurface 测试效果 .................................................................. 19 图 11 基于历史行为的单应矩阵前景轨迹识别模型的工作流程 .................. 22 图 12 背景平滑示意图...................................................................................... 23 图 13 抖动背景下的前景提取方法流程图...................................................... 24 图 14 视频 Car6 测试效果 ................................................................................ 24 图 15 视频 Car7 测试效果 ................................................................................ 24 图 16 视频 People1 测试效果 ........................................................................... 25 图 17 视频 People2 测试效果 ........................................................................... 25 图 18 Campus 视频中插入帧的内容 ................................................................ 27 图 19 Curtain 视频中插入帧的内容.................................................................. 28 图 20 Escalator 视频中插入帧的内容 ............................................................... 29 图 21 Fountain 视频中插入帧的内容 ............................................................... 30 图 22 Hall 视频中插入帧的内容 ....................................................................... 31 图 23 Lobby 视频中插入帧的内容 ................................................................... 32 图 24 Office 视频中插入帧的内容 ................................................................... 33 图 25 Overpass 视频中插入帧的内容 ............................................................... 34 图 26 目标存在概率场示意图.......................................................................... 36 图 27 多视角前景目标提取方法流程图.......................................................... 38 图 28 多视角前景提取与匹配.......................................................................... 39 图 29 特征点分布图............................................. 40 图 30 异常事件检测方法流程图................................... 44 图 31 异常事件检测.......................................................................................... 45 7 vxvx

表录表 1 Campus 视频中实际出现前景的帧数 ...................................................... 26 表 2 Campus 视频中检测出前景的帧数 .......................................................... 26 表 3 Campus 视频中出现插入帧的帧数 .......................................................... 26 表 4 Curtain 视频中实际出现前景的帧数........................................................ 27 表 5 Curtain 视频中检测出前景的帧数............................................................ 27 表 6 Curtain 视频中出现插入帧的帧数............................................................ 27 表 7 Escalator 视频中实际出现前景的帧数 ..................................................... 28 表 8 Escalator 视频中检测出前景的帧数 ......................................................... 28 表 9 Escalator 视频中出现插入帧的帧数 ......................................................... 28 表 10 Fountain 视频中实际出现前景的帧数 ................................................... 29 表 11 Fountain 视频中检测出前景的帧数 ....................................................... 29 表 12 Fountain 视频中出现插入帧的帧数 ....................................................... 29 表 13 Hall 视频中实际出现前景的帧数 ........................................................... 30 表 14 Hall 视频中检测出前景的帧数 ............................................................... 30 表 15 Hall 视频中出现插入帧的帧数 ............................................................... 31 表 16 Lobby 视频中实际出现前景的帧数 ....................................................... 31 表 17 Lobby 视频中检测出前景的帧数 ........................................................... 31 表 18 Lobby 视频中出现插入帧的帧数 ........................................................... 32 表 19 Office 视频中实际出现前景的帧数 ....................................................... 32 表 20 Office 视频中检测出前景的帧数 ........................................................... 32 表 21 Office 视频中出现插入帧的帧数 ........................................................... 32 表 22 Overpass 视频中实际出现前景的帧数 ................................................... 33 表 23 Overpass 视频中检测出前景的帧数 ....................................................... 33 表 24 Overpass 视频中出现插入帧的帧数 ....................................................... 33 表 25 8 组视频前景匹配精确度........................................................................ 34 8

资料库

基于监控视频的前景目标提取--研究生数学建模比赛优秀论文.pdf

相关推荐

课程资源

热门标签

最新资料