《複雜環境運動目標檢測技術及套用》圍繞監控設備實際拍攝的圖像序列所存在的光學畸變、環境光照變化、陰影及攝像頭的運動等複雜條件，對運動目標檢測的若干關鍵技術進行了研究和探討，包括廣角攝像機的成像原理、標定模型和畸變校正方法，靜態場景中分類特徵的優選、相似性度量和特徵融合方法，動態場景中圖像的配準技術等；此外，考慮到空間偵察、夜視導航等軍事領域，對運動目標檢測技術的特殊需求，介紹了紅外圖像和雙目視覺圖像中的運動目標檢測技術；最後，以智慧型監控系統為例，介紹了運動目標檢測技術的具體套用情況。
基本介紹
- 中文名：複雜環境運動目標檢測技術及套用
- 出版社：國防工業出版社
- 頁數：146頁
- 開本：16
- 品牌：國防工業出版社
- 作者：丁瑩 楊華民
- 出版日期：2014年1月1日
- 語種：簡體中文
- ISBN：9787118091137
內容簡介,圖書目錄,
內容簡介
《複雜環境運動目標檢測技術及套用》簡要介紹了當前典型的運動目標檢測技術，並根據其實現原理分析了各種方法的適用範圍和場合。
圖書目錄
第1章概述1
1.1基本概念1
1.2研究進展2
1.3技術難點分析4
1.4主要套用領域5
第2章典型的運動目標檢測技術及適用性分析11
2.1基於光流法的運動目標檢測技術11
2.1.1基本概念12
2.1.2算法原理13
2.1.3常見的光流法14
2.2基於幀差法的運動目標檢測技術16
2.2.1基本思想16
2.2.2算法流程17
2.3基於背景差法的運動目標檢測18
2.3.1基本思想19
2.3.2算法流程19
2.4混合高斯背景建模21
2.4.1混合高斯背景模型的建立21
2.4.2混合高斯背景模型的更新22
2.5不同運動目標檢測技術的適用性分析23
第3章攝像機畸變校正技術26
3.1數理模型26
3.1.1坐標系27
3.1.2攝像機標定模型29
3.1.3非線性畸變模型31
3.2攝像機標定方法的分類34
3.2.1基於標定物的標定法35
3.2.2攝像機自標定方法39
3.2.3基於主動視覺的標定方法42
3.2.4不同攝像機標定方法的適用性分析42
3.3基於GPU的畸變校正加速算法44
3.3.1採用CUDA技術的GPU44
3.3.2基於格線標定的校正技術原理46
3.3.3GBGC算法概述47
3.3.4GBGC算法關鍵步驟48
3.4實驗結果分析53
第4章靜態場景運動目標檢測技術55
4.1基本原理55
4.2分類特徵的選擇57
4.2.1顏色特徵57
4.2.2紋理特徵62
4.3相似性度量的定義65
4.4基於Choquet積分的特徵融合65
4.5基於自適應閾值的圖像分割算法67
4.5.1定義67
4.5.2基本步驟68
4.5.3閾值更新策略69
4.6實驗結果分析70
4.6.1顏色特徵選擇實驗70
4.6.2ULBP紋理特徵選擇實驗79
4.6.3自適應分類閾值確定實驗81
4.6.4複雜背景條件下運動目標檢測實驗83
4.6.5運動目標檢測效果的定量分析87
第5章動態場景運動目標檢測技術88
5.1基本原理88
5.2基於多尺度Harris角點SAM的圖像配準算法90
5.2.1算法基礎90
5.2.2算法描述91
5.2.3多尺度邊緣檢測算法91
5.2.4多尺度Harris角點檢測算法92
5.2.5相似性測度的定義及誤匹配點對的刪除94
5.2.6圖像配準實驗95
5.3基於幀差法的運動目標檢測算法99
5.3.1算法描述99
5.3.2具體實現100
5.3.3幀差法實驗102
5.4實驗結果分析105
第6章紅外圖像運動目標檢測技術108
6.1基本原理109
6.2基於小波係數相關度的圖像去噪增強算法110
6.2.1問題描述110
6.2.2算法描述111
6.2.3具體實現113
6.2.4圖像去噪增強實驗116
6.3特徵的相似性度量118
6.4基於Sugeno模糊積分的分類特徵融合119
6.5實驗結果分析121
第7章基於雙目視覺的運動目標檢測技術124
7.1雙目視覺基本原理124
7.2實現步驟126
7.3雙目攝像機標定127
7.4雙目立體匹配128
7.4.1特殊性及難點128
7.4.2具體實現130
第8章運動目標檢測技術在智慧型監控系統中的套用131
8.1智慧型監控系統的發展歷程131
8.2運動目標檢測技術套用情況132
1.1基本概念1
1.2研究進展2
1.3技術難點分析4
1.4主要套用領域5
第2章典型的運動目標檢測技術及適用性分析11
2.1基於光流法的運動目標檢測技術11
2.1.1基本概念12
2.1.2算法原理13
2.1.3常見的光流法14
2.2基於幀差法的運動目標檢測技術16
2.2.1基本思想16
2.2.2算法流程17
2.3基於背景差法的運動目標檢測18
2.3.1基本思想19
2.3.2算法流程19
2.4混合高斯背景建模21
2.4.1混合高斯背景模型的建立21
2.4.2混合高斯背景模型的更新22
2.5不同運動目標檢測技術的適用性分析23
第3章攝像機畸變校正技術26
3.1數理模型26
3.1.1坐標系27
3.1.2攝像機標定模型29
3.1.3非線性畸變模型31
3.2攝像機標定方法的分類34
3.2.1基於標定物的標定法35
3.2.2攝像機自標定方法39
3.2.3基於主動視覺的標定方法42
3.2.4不同攝像機標定方法的適用性分析42
3.3基於GPU的畸變校正加速算法44
3.3.1採用CUDA技術的GPU44
3.3.2基於格線標定的校正技術原理46
3.3.3GBGC算法概述47
3.3.4GBGC算法關鍵步驟48
3.4實驗結果分析53
第4章靜態場景運動目標檢測技術55
4.1基本原理55
4.2分類特徵的選擇57
4.2.1顏色特徵57
4.2.2紋理特徵62
4.3相似性度量的定義65
4.4基於Choquet積分的特徵融合65
4.5基於自適應閾值的圖像分割算法67
4.5.1定義67
4.5.2基本步驟68
4.5.3閾值更新策略69
4.6實驗結果分析70
4.6.1顏色特徵選擇實驗70
4.6.2ULBP紋理特徵選擇實驗79
4.6.3自適應分類閾值確定實驗81
4.6.4複雜背景條件下運動目標檢測實驗83
4.6.5運動目標檢測效果的定量分析87
第5章動態場景運動目標檢測技術88
5.1基本原理88
5.2基於多尺度Harris角點SAM的圖像配準算法90
5.2.1算法基礎90
5.2.2算法描述91
5.2.3多尺度邊緣檢測算法91
5.2.4多尺度Harris角點檢測算法92
5.2.5相似性測度的定義及誤匹配點對的刪除94
5.2.6圖像配準實驗95
5.3基於幀差法的運動目標檢測算法99
5.3.1算法描述99
5.3.2具體實現100
5.3.3幀差法實驗102
5.4實驗結果分析105
第6章紅外圖像運動目標檢測技術108
6.1基本原理109
6.2基於小波係數相關度的圖像去噪增強算法110
6.2.1問題描述110
6.2.2算法描述111
6.2.3具體實現113
6.2.4圖像去噪增強實驗116
6.3特徵的相似性度量118
6.4基於Sugeno模糊積分的分類特徵融合119
6.5實驗結果分析121
第7章基於雙目視覺的運動目標檢測技術124
7.1雙目視覺基本原理124
7.2實現步驟126
7.3雙目攝像機標定127
7.4雙目立體匹配128
7.4.1特殊性及難點128
7.4.2具體實現130
第8章運動目標檢測技術在智慧型監控系統中的套用131
8.1智慧型監控系統的發展歷程131
8.2運動目標檢測技術套用情況132
參考文獻136
