毕业论文课题相关文献综述
{title}毕业论文课题相关文献综述
{title}2000字左右的文献综述： |
文 献 综 述 1.课题的研究意义和应用价值 近几年来, 随着多媒体技术的迅猛发展与计算机性能的不断提高, 视频图像数据获取、 处理和保存有关的硬件的价格大幅度降低 图像处理技术日益受到人们的青睐, 并且取得了丰硕的成果。视频图像中的运动分析和跟踪具有广泛应用前景。视频图像中人体的运动检测和算法跟踪在计算机视觉领域及模式识别领域都是一个非常重要的应用。在视频监控系统，机器人导航，交通检测,人体运动分析，智能监控，车辆导航，多媒体技术、 视频数据压缩技术、 工业生产和军事应用等领域都有广泛的应用。还可以应用在基于内容的视频数据压缩编码中。它把图像处理、 自动控制、 信息科学等技术有机地结合起来, 形成一种能够从图像信息中快速地检测出运动目标、 提取目标的位置信息并实时地跟踪目标新技术。 2.国内外研究现状 人体运动检测的实质是通过对拍摄到连续的图像序列进行处理分析和跟踪，关于运动目标检测与跟踪的算法研究已经有了近二十年的研究历史，国内外已大批优秀人士提出了很多算法其中很多算法已经相对比较成熟，为直接应用及后续研究提供了很高的价值，国内外许多大学和研究机构致力于目标检测和跟踪系统的研发，其中MIT媒体实验室研究出一种叫Pfinder的系统，综合了人体的而检测和跟踪技术，其通过对人体建模儿实时的进行人体跟踪和对人体的行为作出分析和识别，而且在人体建模过程中，次系统引入了立体视觉监控系统，其同样通过建立人体模型来进行人体跟踪，同时对人际人肢体行为进行分析识别，另外其还能对人是携带物体的简单行为进行判断。国内外许多单位也对此开展了大量的研究。目前，我国对图像处理技术来识别身份和跟踪系统，在定位方法和识别方法上存在一些不足，尚不成熟。 3.课题研究方法 目前最常用的图像处理中运动检测和跟踪算算法的方法只要有背景图像差分法和帧间差阈值法。 （一）背景图像差分法 背景图像差分法是对目标检测最直接，最简单的方法。它事先将背景图像储存来 ,由于人体运动物背景在灰度或色彩上存在差别 ,通过将背景图像和当前图像做减法运算 ,相减的结果中每一像素的值和一个预先设定的阈值相比较 ,若这个像素的值大于阈值 ,则认为这点是前景点 ,否则是背景点。 (1)如何获得背景图像。背景图像中要求不应该包含运动目标 ,但是在某些情况下却很难满足这一要求 ,这就要求用已有图像(其中包含运动目标)去构造一个不包含运动目标的背景图像。 (2)如何处理动态背景和视频噪声。运用背景图像差分法 ,理想的情况就是背景完全不发生变化且没有噪声污染 ,可是实际中很少能达到这样的理想情况。其主要原因是 ,视频图像在获取的过程中都会掺入视频噪声;在户外的情况 ,背景经常会受到光线和风等自然因素影响而发生变化。根据噪声的来源 ,可以采用不同的滤波器消除噪声 ,同时采用自适应动态背景更新的方法来减小动态背景对检测结果的影响。 (3)如何选取阈值。阈值的选取直接决定了检测结果的好坏 ,只有恰当的阈值才能正确地分割出运动目标所占的区域。现在普遍采用根据经验来选取阈值的方法。背景图像差分法同时还存在一些固有的缺点 ,用背景图像差分法去处理目标由静止开始运动的情况 ,就会出现鬼影现象 （二）帧间差阈值法检测运动目标 在假设用于获取序列图像的摄像机是静止的前提下 ,检测运动目标的最简单的方法是帧间差阈值法。假设运动物体为刚性 ,在 t 时刻 ,图像 像素处的灰度值为 ;在t 1时刻 , (x,y)像素处的灰度值变化为 I(x,y,t 1) ,则t 1时刻与t时刻 像素处的灰度差为 (1) 因此 ,对于场景中的静态物体(如背景) , 为零;而对于场景中运动物体的轮廓 , 为一般不为零。所以 ,可利用来检测物体的运动。利用阈值法于 为,可以有效地抑制噪声 ,提取运动信息 ,获得差值图 ,即 其中τ为阈值。帧间差阈值法检测运动目标速度快 ,可用硬件实现。对于多目标的运动检测与跟踪 ,仍可采用此方法作为初始分割 ,求出运动物体轮廓的外接矩形 , 然后用基于光流场的计算方法 ,求出运动物体的速度以便进行检测和跟踪。 4.目前存在的问题 国内外检测与跟踪算法的研究已经在许多方面取得了积极的成果，然而，虽然大部分算法思想理论上具有一定的可行性，有些在应用中也取得较好的效果，但应用的场合大都限制在特定的环境中，对于比较普遍的外界环境，会暴露很多问题，应用也只能在限定的环境下。 （1）背景的复杂性是人体运动检测与跟踪最大的难题。人体处于复杂的背景之中，复杂的背景不仅包括动态的干扰如光线的变化，树枝的摆动，还包括静态的，且与人体某些特征如颜色，色调，纹理等相似的物体，因此在检测的时候很难从背景中分割人体。跟踪的时候很容易定位在于人体特征点相似的物体上，特别是物体面积较大的时候跟踪极易丢失。 （2） 运动物体的特征点的选取对跟踪的稳定性起到至关重要的作用，由于背景的复杂性，怎样选取特征点才能最有效的区分目标与非目标是跟踪稳定性对与否的关键，虽然有些算法给出了特征的选取方法，并在一些场合使得跟踪鲁棒性加强，但算法对环境变化的适应性不好。 （3）遮挡一直是跟踪过程的一个重要问题，许多学者在此方面做出了努力并取得了较好的效果，但对于相似人群聚合分裂后的运动人体的跟踪还没有得到有效的解决，如果分裂后的人群运动状态保持不变，则一般通过预测方法可以解决遮挡问题。如果运动状态发生了变化，则跟踪极易丢失。 （4）由于人体是非刚性物体，运动灵活多变，在视频画面中，人体的轮廓大小会经常变化。因此一种跟踪串口能根据人体外形的大小二自动调整的跟踪算法，对准确获得目标信息和稳定跟踪具有重要的意义。 参考文献 [1]吴良正等.数字图像处理[M].南京：东南大学出版社，2001 [2]孙兆林.MATLAB 6x 图像处理[M].北京：清华大学出版社，2002 [4]章毓晋．图像处理技术与分析[M]。北京：清华大学出版社1999 [5]张虹林，VisialC 数字图像处理典型算法及实现[M]，人民邮电出版社，2006:256263 [6]王传旭，刘云.基于时空运动特征的运动姿态视频检索方法[J].武汉大学学报，2011,26（3）：339-346. [7]贺才广，吕楠，赵雄，一种基于空间装换的人员异常行为识别方法[J].电子与信息学报2004,26(2):307-311. [8]黄凯奇，基于轮廓的一场行为识别方法[J]，计算机应用研究2005.22(6)236-237. [9]何子述，夏威.现代狮子信号处理[M].科学出版社，2007:283-289. [10]王延杰.基于Mean-shit的灰度目标跟踪算法[M].光学技术，2001,33(2):226-229. [11]徐立中，马小平.多媒体见识技术与系统[M].北京：国防工业出版社，2004 [12]王亮，胡卫明.人体运动的视觉分析综述[M].计算机学报，2006,25(3):225-237. [13] 赵芳, 栾晓明, 孙越.数字图像几种边缘检测算子检测比较分析[J].自动化技术与应用 , 2009,64(03):147-149. [14] 崔屹．数字图像处理技术与应用[M].北京：电子工业出版社2005. [15]扬淑莹.VC 图像处理程序设计[M].北京：清华大学出版社，2003:185-203. |
