一、基于特征点匹配技术的运动估计及补偿方法（论文文献综述）
崔成[1]（2021）在《引入ORB改进Vibe算法的视频稳像及运动目标检测系统研究》文中研究表明运动目标检测技术是计算机视觉领域的热门研究方向,其主要目的是将运动目标检测为前景从视频序列中提取出来,与之相对的运动目标周围环境作为背景,与运动目标分离,具有成本低、可代替人工、全天候服务等优点,在智能监控系统的应用领域有着十分广阔的市场前景。视频稳像技术的作用主要是解决由于摄像头抖动导致视频影像随之偏移的问题,视频稳像技术通过分析视频全局信息,找出视频序列当中的抖动帧,并结合全局信息对抖动帧进行修复,可以更好地为运动目标检测技术提供去除干扰的视频序列。运动目标检测技术与视频稳像技术是计算机视觉领域当下的研究热点,在汽车辅助驾驶,机器人,智慧交通等领域被广泛应用,具有重要的经济价值与研究意义。运动目标检测技术在实际应用中,由于场景与摄像头设备往往会受到系统外的干扰,例如生产车间里天车等大型设备启动产生的振动使摄像头抖动,从而造成干扰,影响运动目标检测效果。因此,本文针对动态背景,采用视频稳像技术,实现生产车间指定生产区域人员误入检测与报警。视觉背景提取算法（Visual background extractor,Vibe）是简单快捷的背景建模和快速有效的前景判断方法,然而Vibe运动目标检测算法在背景产生动态偏移时会造成运动目标误检测,针对这一问题,本文提出引入带方向的加速分段测试提取特征与可旋转的二进制鲁棒独立基本特征（Oriented FAST and Rotated BRIEF,ORB）特征点匹配的改进Vibe算法来实现动态背景下运动目标检测。根据ORB算法提取特征点,采用随机抽样一致（Random Sample Consensus,RANSAC）方法计算变换矩阵参数,通过透视变换获取全局运动补偿图像,并将ORB特征点匹配样本帧动态更新,与Vibe算法的背景模型更新策略结合,最终消除动态背景下的干扰信息。本文在Visual Studio 2015软件环境下用OpenCV3.4.6与C/C++标准编程语言相结合编程实现了检测算法,并用样本视频对算法进行测试。仿真和实验结果表明:与Vibe算法运动目标检测方法相比,本文提出的算法可以大量去除前景误判点,提高了运动目标检测的准确性,并且保留了运动目标的完整性。
蔡兆祝[2]（2021）在《基于两栖机器人的雨污管道自动化巡检技术研究》文中认为市政污水管道是现代人类生活不可或缺的重要组成部分,其局部的损伤和堵塞会带来全局的瘫痪,甚至造成灾难性的恶果。由于这些管道结构尺寸多样及管内环境复杂多变,造成管内人工巡检和作业困难,极大地阻碍雨污管道运维的有效实施。因此,开展面向雨污管道的巡检和作业技术的研究具有十分重要的意义。目前,将移动机器人与机器视觉或声呐检测技术融合而实施的污水管道巡检技术,已成为了该领域的研究热点,并逐步得到了应用。而现有的巡检技术对管道环境要求苛刻,国家标准也对机器人巡检时管内水位进行了强行限制,且作业前需要人工对管道清淤和截流处理,以保证管内无水或低水位的环境。据此研制出管道机器人检测系统爬行方式固定、检测方法单一以及巡检范围有限,无法在淤泥堆积和高水位环境下爬行和巡检,难以应用于自然状态下雨污管道的运维。事实上,融合机器视觉或声呐检测的机器人在雨污管道内爬行时,管内水位高低不同、水质复杂多变以及淤泥堆积,机器人在爬行时车轮与淤泥和水流的耦合作用,会出现打滑、抖动和偏航等位姿难以控制的问题,造成采集的管内视觉图像模糊和掉帧,声呐图像噪声大和分辨率低,严重的影响了机器人巡检的效果。基于以上背景,提出开展基于两栖机器人的雨污管道自动化巡检技术研究。在了解雨污排水管道机器人巡检相关技术研究现状及其发展趋势的基础上,确定基于两栖机器人的雨污排水管道自动化巡检总体技术方案,重点开展了管内复杂环境下两栖机器人运动控制及管道视觉和声呐检测等关键技术的研究,解决了雨污管道机器人在混浊水下目标检测及运动控制等难题。同时,完成了两栖机器人本体和视觉声呐检测模块的设计,并将两者相结合研发出了一套基于两栖机器人的雨污管道检测系统。另外,还利用所研发的系统开展实验研究,证实了本文所研发技术的可行性和有效性。主要的研究工作体现在:第一章,论述雨污管道应用及其巡检技术研究的重要意义,系统总结了国内外管道机器人及其巡检相关技术的研究现状及其发展趋势,分析了当前管道机器人自动化巡检技术所存在的问题及相应的对策,明确论文的研究方向。同时,还对论文的研究内容及其章节进行安排。第二章,分析了水介质内声波传播机理及其声学效应,明确了声呐成像特点和影响因素,并分析了视觉成像原理及其稳像处理技术基础,明确稳像处理步骤和相关关键技术,建立了视觉稳像处理模型。同时,在明确雨污管道自动化巡检系统功能和性能目标的基础上,完成系统总体方案的设计,并凝练了有待解决的关键技术。第三章,开展管内两栖机器人机械本体设计与运动控制技术的研究。在明确雨污管道机器人巡检系统功能与性能目标的基础上,完成了一种具有水陆两栖爬行能力的轮式机器人机械本体的设计分析。同时,建立了两栖机器人管内运动学与动力学模型,并实现管内复杂下机器人的运动控制,奠定面向管内巡检的移动机器人技术基础。第四章,开展管内复杂环境的声呐与视觉巡检图像处理技术的研究。在建立管内无水环境下动态视觉成像运动干扰模型的基础上,采用特征匹配对视觉图像帧的像素点进行运动估计、卡尔曼滤波对全局运动矢量进行平滑处理及相邻域补偿对图像进行重构拼接,实现动态视觉图像的稳像处理。同时,对污水声呐图像进行降噪处理,并完成声呐图像对比度增强,采用Laplace算子对图像灰暗区域锐化增强,从而实现声呐图像的清晰化处理,奠定面向管道巡检的视觉和声呐检测的技术基础。第五章,通过上述各章节所研发的理论与技术成果,采用分布式的体系结构、模块化的设计策略,在完成具有管内水陆两栖爬行能力的管道机器人加工制造的基础上,将管内声呐和视觉检测与机电一体化技术相结合,采用电力载波通讯方式实现系统的集成,研发出一套基于两栖机器人的雨污管道巡检系统。同时,利用该系统进行相关实验研究,证实了本文所研发技术与系统的可行性与有效性。第六章,对本文的研究内容进行总结,对以后的进一步深入研究进行展望。
王凯冬[3]（2021）在《公网数字集群调度系统视频稳像技术的研究和实现》文中研究说明公网数字集群系统是一种宽带化的专业移动数字通信系统,其调度系统的视频传输业务可以帮助调度人员获取移动终端的实时视频。将视频稳像技术应用于公网数字集群调度系统,能够减轻移动终端旋转抖动对调度终端视频成像造成的影响,提高调度终端视频图像的成像质量,满足调度系统对于视频成像实时性和稳定性的要求。因此,公网数字集群调度系统视频稳像技术的研究与实现具有重要的意义。本文在综述了国内外宽带数字集群系统和视频稳像技术研究现状的基础上,研究并实现了公网数字集群调度系统视频稳像技术,主要工作如下:1.基于宽带数字集群系统的组成和功能,分析了B-Trun C（Boardband Trunking Communication,宽带数字集群通信）和MCVideo（Mission Critical Video,关键视频任务）宽带数字集群系统的视频传输业务扩展能力,研究了块匹配、灰度投影和特征匹配等主流视频稳像算法,并研究了DREV（Defense Research Establishment Vileartier,防御研究中心）视频侦查监控稳像系统和ARL（Amry Research Laborator,军事研究实验室）无人驾驶车载视频稳像系统的架构;2.提出了一种基于特征点匹配的运动估计算法。在特征点提取的过程中,该算法通过对像素点的阈值判定条件进行优化,提高了特征点的提取效率,同时使用非极大值抑制法解决特征点的聚集问题,兼顾了特征点的提取精度。在特征点匹配的过程中,该算法利用反向特征匹配法对特征点匹配算法进行改进,剔除视频图像未匹配的特征点,同时利用误匹配消除算法提高特征点匹配的准确性,降低了特征点匹配过程中出现的误差,从而得到准确的全局运动矢量;3.提出了一种基于双线性插值的运动补偿算法。该算法通过双线性插值运算输出稳像后的视频图像,不但有效的改善了视频成像的质量,而且降低了系统的计算量,能够满足调度系统对于实时视频传输的要求,同时使运动补偿后视频图像的显示效果更加精确;4.实现了一种基于视频稳像技术的公网数字集群调度系统视频稳像功能。利用C++语言,基于Windows操作系统,开发了调度终端的登录/注销和视频传输功能。在实现调度终端视频功能的基础上,进一步实现了调度终端视频图像的特征点检测、特征点匹配、误匹配消除、全局运动矢量求解和双线性插值补偿,从而实现公网数字集群调度系统视频稳像技术。5.搭建了公网数字集群调度系统视频稳像的测试环境,对系统登录、注销和视频通话等功能进行测试。在对调度终端进行功能测试之后,对调度终端视频稳像的准确性、实时性和稳定性等性能进行测试。测试结果表明,公网数字集群调度系统视频稳像技术能够满足设计要求。
崔诗翊[4]（2021）在《数字视频自适应稳像研究》文中研究说明随着人工智能的发展,视频在日常生活、工业发展、智慧医疗等领域发挥着越来越重要的作用。然而,在拍摄过程中由于各种原因使拍摄的画面发生不稳定的现象,这样不仅会给视频的观看者造成不良的观影体验,还会影响后续视频图像的分析处理及识别过程。因此,数字稳像方法研究具有重要的应用价值。对于运动状态复杂的视频抖动,为了得到更好的运动估计模型,以及获取合适的滤波轨迹,保证视频稳像效果,本文主要做了以下几个方面的工作内容:（1）本文首先对数字视频稳像算法的流程及当前常用的评价方法进行了详细的阐述,并对国内外数字视频稳像算法进行了研究现状总结,其中包括2D算法、3D算法以及新兴的2.5D算法,分析了目前数字稳像算法所存在的一些技术难点。（2）本文提出了基于多路径优化的视频稳像算法。运动估计阶段在传统方法基础上将视频画面划分成均匀子块并分别进行机器学习的FAST特征点提取以及KLT算法跟踪,分别计算各个子块的运动轨迹;在运动平滑阶段,通过改进的加入自适应调节参数的能量函数进行多路径的优化,能够根据当前运动状态得到最优的全局平滑轨迹,并通过补偿得到最终稳像视频。（3）本文提出了基于改进自适应Kalman滤波的数字视频稳像算法。在运动估计阶段,将加入距离约束的Shi-Tomasi角点与金字塔光流法相结合计算得到运动轨迹;在运动平滑过程中,对传统Kalman滤波算法进行改进,加入偏差概率分布自适应调整参数来进行实时跟踪,最后进行运动补偿得到稳像视频。针对不同场景、不同类别以及不同运动状态下的抖动视频分别进行大量的计算机仿真实验,并与当前一些应用广泛、效果较好的稳像方法进行对比。实验结果表明,本文方法具有较好的稳像效果。
柯黎明[5]（2021）在《车载电子后视镜视频稳像技术研究与应用》文中提出随着经济的快速发展及科技的进步,在解决车辆视野不足及节约燃料资源上,电子后视镜取代传统玻璃视镜,成为目前的发展趋势。在实际应用中,由于风激励及路面颠簸等问题,导致车载电子后视镜系统显示的视频（以下简称为车载视频）出现抖动。长时间观察,不仅增加驾驶员的视觉疲劳,而且加大行车时的风险。为消除抖动对车载视频的影响,提高行车安全,对车载视频稳像技术提出了迫切需求。本文以车载电子后视镜系统为主要研究对象,根据车辆不同运动状态下的抖动特点,对车载视频稳像关键技术,进行了深入研究,具体的研究内容如下:（1）基于改进图像融合拼接的车载视频稳像算法车辆怠速时,车载视频具有固定场景下,小视角平移和小角度旋转抖动的特点。针对传统稳像算法,在处理上述问题时,出现的稳像效果一般,实时性差等不足。本文提出了一种基于改进图像融合拼接的车载视频稳像算法。首先通过车载视频的抽样处理,提取出高信息度的视频帧序列;接着通过改进的图像融合拼接技术,得到广视角区域的图像,最后采用裁剪法,得到稳像后的视频帧序列。（2）基于异加权值运动估计的车载视频稳像算法车辆行驶时,车载视频具有背景运动复杂、光照不均匀等特点。针对传统电子稳像算法,在进行实时稳像处理时,存在图像特征点提取困难,表现出较差的稳像鲁棒性和稳像实时性等问题。本文提出了一种基于异加权值运动估计的车载视频稳像算法。在提高特征点匹配精度和匹配效率上,通过分区的特征点提取策略,结合优化后的RANSAC算法,提取出正确的匹配点对。接着采用异加权值的运动估计方法及仿射变换模型,估计运动参数,反向补偿图像帧,得到稳定的视频帧序列。（3）电子后视镜视频稳像技术的应用为解决车辆视野不足的问题,本文设计了车载电子后视镜系统。通过对电子视镜视野覆盖的测试实验,验证了本系统在解决车辆视野不足的问题上,具有很强的有效性及实用性。针对车载电子后视镜系统在实际应用中,出现的车载视频抖动问题,结合本文提出的车载稳像算法,通过车载视频实时稳像测试实验,在与传统视频稳像算法的对比测试中,验证了本文提出的视频稳像算法具有良好的鲁棒性和实时性。该方法成功应用在电子后视镜视频稳像的实际项目中。
胡伟健[6]（2021）在《面向视障出行辅助的避障和定位技术研究》文中研究指明根据世界卫生组织统计,全世界约有2.17亿人饱受视觉受损的困扰,其中约有3600万人完全失明,失去视觉的他们在日常出行中面临诸多不便。传统的出行辅助方式主要包括盲杖和导盲犬等,然而盲杖的探测距离有限,导盲犬的价格昂贵,不能完全满足视障人士独立安全出行的需求。随着近十几年来传感器和计算机技术的发展,智能设备逐渐从实验室走向大众生活,越来越多的学者尝试利用现代传感器和可穿戴设备解决视障人士出行中遇到的问题。视障出行辅助主要体现在辅助避障和辅助定位两个方面。在辅助避障方面,不仅需要准确地识别视障者前方的障碍物分布情况,还要以合适的方式将障碍物的信息高效率反馈给用户,这一点在辅助避障研究中经常被忽视。在辅助定位方面,卫星定位虽然可以满足视障者室外定位的基本需求,但是由于在建筑物旁的定位精度较低,视障者难以判断是否到达目的地,存在“最后一米”问题。此外,卫星定位无法在室内使用,如何在室内为视障者提供稳定的定位辅助依然是一个具有挑战的课题。本文着眼于弥补上述视障出行辅助研究中的不足,基于RGB-D相机、全景环带相机和事件相机等多种传感器,开展视障辅助避障和辅助定位相关研究,旨在为视障者提供更加可靠的出行辅助。本文的主要研究内容包括:（1）基于RGB-D相机,提出了三种可独立运行的辅助避障方法,分别将深度图、障碍物和通路三种不同层次的三维环境信息传递给视障者。在交互方式上,本文遵循拟声化研究中的准则,综合利用多种立体音效为每种辅助避障方案设计了适合的声音交互方法,提高了信息传递的效率。本文还组织了由视障志愿者参与的场地避障实验,全面验证了三种辅助避障方案的可靠性,并从环境感知能力、导航能力,以及学习难度等多个维度出发,讨论了不同方法的特点与适用场景。（2）基于全景环带相机,提出了一种适用于弱纹理室内场景的辅助定位方法。本文首先对全景环带镜头的周视成像方式进行建模,接着提出一种基于直接图像对齐的全景视觉里程计,在估计相机运动的同时恢复室内场景的三维结构。此外,为了在真实建筑物中辅助视障者定位,本文还提出一种基于二维码的坐标对齐方法,利用建筑物内张贴的二维码将视觉里程计估计的运动信息投影到建筑物中。实验证明,相比于其他定位方法,基于全景环带相机的定位方法鲁棒性更强,更适合在室内辅助视障者定位。（3）提出了 一种基于事件相机的室外定位方法,利用事件相机低延迟和高动态范围的特点,试图解决视障人士在室外导航中的“最后一米”问题。本文利用惯性传感器提供的高帧率相机运动信息,将事件流数据积分为低运动模糊的事件帧。接着使用基于滑动窗口的非线性优化方法,同时融合事件帧、图像帧和惯性传感器的信息,精确估计相机的运动。本文还使用粒子滤波将相机运动估计的结果和卫星定位的结果进行融合,得到地理坐标系下的高帧率定位信息,便于和现有卫星导航方法结合。实验结果表明,基于事件相机的定位方案提高了视觉定位算法对行人快速运动和室外高动态场景的环境适应性,可以在户外长距离运行,辅助视障者精准定位。本文从稳定性和安全性的角度出发,对视障出行辅助中的避障和定位技术开展研究,为电子出行辅助工具的实用化进行了探索。提出的相关方法不仅可以用于视障出行辅助领域,还可以在机器人、自动驾驶和增强现实等领域发挥作用。
张蒙蒙[7]（2021）在《视频稳像技术在巡防系统中的应用研究》文中研究指明随着嵌入式技术以及4G网络下流媒体业务的不断发展,巡防系统逐渐向小型化、数字化、网络化的方向迈进。以嵌入式设备为核心,凭借覆盖域广阔的4G网络,依托实时流媒体技术作为主要手段的巡防系统正受到越来越多用户的青睐。但在巡防现场视频采集过程中,由于巡防人员身体抖动、受到外界撞击等引起的视频抖动会导致指挥端出现画面模糊现象,使得指挥人员出现误判、漏判。因此,视频的稳像处理对于巡防系统而言具有重要的意义。本文对巡防系统中的视频稳像技术进行研究,主要工作如下:首先,介绍了巡防系统的主要组成。针对存在的问题进行需求分析。设计了基于视频稳像算法的巡防系统移动终端。对视频稳像关键技术进行对比分析,设计出视频稳像算法的整体方案。设计搭建巡防系统移动终端软硬件仿真环境,为后续视频稳像算法的研究测试提供了基础。其次,对视频稳像算法进行研究与实现。针对FAST特征点检测算法环境适应性差的问题,设计基于自适应阈值的FAST特征点检测算法,使其在不同光照强度下能够检测出合适的特征点数量。接着采用非极大值抑制算法对检测到的特征点进行筛选,改善了局部特征点聚集的问题。针对BRIEF算法旋转不变性差的问题,通过计算特征点邻域灰度重心的方式,使其能够对任意旋转角度的图像进行特征点描述。通过2近邻算法对两幅图像进行特征点匹配。针对全局特征点匹配存在跨区域特征点误匹配、受运动目标影响、计算量大的问题,设计局部区域特征匹配算法提高算法处理速度,并避免跨区域特征点误匹配和运动目标影响问题。针对RANSAC算法忽视样本数据差异性以及迭代次数过多的问题,结合空间一致性检测算法和PROSAC算法减少迭代次数的同时建立样本数据的差异性,准确估计出全局运动矢量。通过Kalman滤波算法从全局运动矢量中分离出随机抖动分量。根据随机抖动分量通过双线性插值算法对抖动图像进行补偿。针对相邻参考帧计算量大的问题,设计自适应参考帧选取策略,有效地减少了计算量。针对补偿后图像出现无定义像素区域问题,设计基于参考帧填充的无定义像素区域重建算法,完成对无定义像素区域的重建,得到平稳的图像。最后,对视频稳像算法进行性能测试。测试结果表明,本文设计的算法对巡防现场视频稳像前后峰值信噪比和结构相似性得到了明显提升,达到了预期的稳像效果。对于30fps、1280*720分辨率的视频序列,单帧处理时间低于30ms,具有较好的实时性,能够很好的应用于巡防系统中。
辛宜曈[8]（2021）在《相机抖动背景下的视频振动检测算法研究》文中提出视觉振动检测技术因其特有的优势在机械制造、建筑物状态观测、人体健康监测以及地质勘探等检测任务中均有广泛的应用。而在一些复杂环境下,视频振动检测技术中的抗干扰能力有待加强。例如在图像采集的过程中不能保证拍摄相机的绝对静止,在一些带有相机抖动的视频中无法做到对振动信号的准确提取,给研究造成了极大的影响,导致振动频率检测出现误差,影响后续的判断与研究。针对相机运动干扰造成视频振动检测误差的问题,本文做了如下工作:（1）针对视频中存在相机运动干扰的问题,论文提出了一种互抑制一致采样方法,对视频中的振动信号和相机运动信号实现有效分离,从而提高视频振动检测的可靠性。首先,通过加速稳健特征算法（Speeded-Up Robust Features,SURF）提取候选的特征点,并设计了振动与相机运动的互抑制测度,对候选的特征点进行分离,以获得相机运动的特征点。其次,根据得到的相机运动特征点对视频图像进行配准,以获得去除相机运动干扰的视频序列。最后,对稳定的视频序列采用欧拉视频振动检测方法获得振动频率。（2）针对视频中存在抖动幅度较大的相机运动干扰问题,论文提出了一种基于特征轨迹的运动分离方法,对于较大幅度抖动的视频进行图像校正。首先采用特征点匹配算法选取特征点,使用改进金字塔的L-K光流算法计算图像中像素点光流运动信息,得到匹配点之后提取鲁棒特征轨迹。其次,通过轨迹间的差异对振动抖动轨迹进行分离,设置不同轨迹的权重,重点突出背景中相机运动幅度较大的特征轨迹。最后,校正运动轨迹并得到稳定的视频序列,采用欧拉视频振动检测方法获得振动频率。为验证算法频率检测的准确性,自行采集了大量不同相机运动下的视频进行频率检测,采用本文提出的方法检测到的频率平均准确率均优于现有的视觉振动检测方法。
单雄飞[9]（2020）在《基于计算机视觉的海上多目标船舶检测与跟踪关键技术研究》文中研究说明在全球“工业4.0”以及《中国制造2025》的推动下,信息、计算机、通信、网络以及人工智能等技术得到了快速发展。作为海洋强国战略的核心内容,海洋科技创新成为争夺海洋领导权和话语权的关键领域,智能船舶是海洋科技创新领域的重要方面,在世界各国航运领域和科研机构范围内得到了广泛研究。作为智能船舶的关键技术,基于计算机视觉的信息感知技术能够有效弥补船用雷达和自动识别系统在海上目标检测与跟踪等方面的不足,保障船舶航行安全。在智能船舶领域,由于船载摄像机自身的六自由度低频晃动和高频抖动以及公开的海上可见光数据集相对较少,阻碍了计算机视觉在船舶检测与跟踪领域的发展。因此,本文研究了基于计算机视觉的海上多目标船舶检测与跟踪关键技术,主要包括海天线检测算法、图像序列内船舶运动特征建模、海上目标船舶检测算法以及海上多目标船舶跟踪算法。在海天线检测算法中,针对当前海天线检测算法实时性和稳定性较差的问题,将船载摄像机和惯性传感器数据相融合,研究了海天线快速估算模型和海天线精确检测模型。前者分析了摄像机在海上的六自由度运动,利用惯性传感器提供的横摇角和纵摇角数据,构建了海天线估算模型;后者在候选区域内利用改进的边缘检测模型获取图像边缘,利用改进的霍夫变换模型将边缘信息变换到霍夫空间,实现了海天线位置的精确检测。试验结果表明:估算模型具有较低的估算误差;精确检测模型对海天线的误检和漏检具有非常好的鲁棒性,精确率和召回率分别达到了 95.71%和96.88%。在图像序列内船舶运动特征建模中,针对船载摄像机自身运动的问题,分析了连续帧内船舶的运动特征,通过特征点匹配、海天线匹配、特征点分类、单应矩阵计算四个步骤构建了光流运动模型,实现了图像序列内动态和静态目标准确地运动估计,为海上多目标船舶检测与跟踪算法提供了准确的候选位置。在海上目标船舶检测算法中,从三个方面对现有算法进行了改进。算法1在候选区域内应用改进的最小障碍距离变换算法分割目标船舶,在保证精度的前提下,实现了目标船舶的快速提取;算法2在候选区域内应用光流运动模型获取了稳像图像内的船舶候选框,并利用图像分类模型实现了海上目标船舶的定位、识别;算法3从分块检测和自适应锚框聚类两个方面改进了 YOLOv3模型,并在新加坡海事数据集和自建数据集上实现了高精度的目标船舶检测。试验结果表明:对比离散余弦变换算法,算法1的平均精确率和运行速度分别提高了 12.36%和62.07%,实现了传统检测算法性能的大幅提升;算法 2 的平均精确率达到 90.03%,高于 SSD-resnet50-fpn、Faster-rcnn-resnet50 和 YOLOv3算法;算法3的平均精确率达到95.63%,高于其它对比算法,实现了更好的船舶检测精度。在海上多目标船舶跟踪算法中,研究了基于Deep SORT的改进算法,针对运动模型,利用光流运动模型代替卡尔曼滤波模型,消除船载摄像机自身运动的影响;针对外观模型,利用改进的Resnet50分类模型代替深度余弦模型作为骨干网络,进行船舶身份重识别;针对相似性度量,利用联合度量代替级联度量,对跟踪框和检测框进行有效匹配,并利用匈牙利算法将二者进行数据关联,实现了多目标船舶的逐帧跟踪。试验结果表明:算法的整体性能明显优于其它算法,在岸基和船载数据集上,分别有四项和五项性能指标获得了最佳跟踪效果。本文的研究成果能够有效弥补传统信息感知设备的不足,快速建立起清晰直观的情景感知意识,提升海上船舶避碰、防海盗以及遇险救助能力,保障海上人命财产安全,为智能船舶的发展提供可靠的技术支持,促进海洋科技创新,推动海洋强国战略的发展。
宋育特[10]（2020）在《动态背景下人群群组行为分析方法研究》文中提出随着计算机视觉技术的发展,基于监控系统的智能人群行为分析方法被广泛地用于各种人群场景的安防管控。人群场景中的行人由于行为交互以及周围环境限制会形成多个小规模群组。群组作为人群的主要组成部分,其组成成员的行为具有集体一致性,包含了丰富的人群语义信息。因此通过分析群组的动态特征,可以更好地识别人群行为。本文针对监控系统对人群行为分析算法的应用需求,提出了一种动态背景下的人群群组行为分析方法。该方法通过检测分析人群群组可以有效地识别常见的人群行为。对于摄像头固定的人群场景,传统的人群轨迹提取方法容易受到光照变化、风吹草动等动态背景的干扰,无法有效解决人群遮挡引起的跟踪漂移问题。针对这些问题,本文提出了一种基于轮廓跟踪的人群轨迹提取方法。与传统的基于灰度建模的方法不同,该方法首先通过边缘梯度背景建模来提取前景边缘,提高了前景检测准确性;然后该方法通过拓展垂直走向的边缘来获得稳定完整的前景轮廓;接着采用光流反向检测方法稳定跟踪轮廓上特征点,分析轮廓的运动特征进一步剔除非人群轮廓;最后根据人群轮廓得到人群前景区域,跟踪该区域特征点提取可靠的人群轨迹。实验结果表明,该方法能较好地克服动态背景的干扰,抑制跟踪漂移现象,且对人群场景有较好的鲁棒性。对于摄像头抖动的人群场景,为了克服图像全局运动影响,在轮廓跟踪的方法基础上,本文提出了一种基于背景特征点单应变换的人群轨迹提取方法。该方法先通过分析特征点轨迹的运动距离来初步判别前景背景轨迹,以提高后续背景全局运动估计和前景运动补偿准确性;为了降低对人群遮挡引起的运动距离较短的轨迹的误判,该方法根据单应矩阵重映射误差对前面得到背景轨迹作进一步筛选分类;最后根据背景轨迹估算抖动量,并用抖动量来补偿前景轨迹。场景测试结果表明,该方法能较好地区分前景和背景轨迹,补偿背景运动,获得稳定平滑的人群轨迹。本文在获得稳定可靠的人群行为轨迹之后,为了更好地检测识别人群行为,提出了一种基于群组中心的人群群组行为分析方法。该方法先根据特征点运动方向相似性和空间位置分布来找到表征群组整体运动特征的群组中心;然后根据特征点与群组中心的拓扑关系来进行群组检测;最后通过分析各个群组中心运动向量的相似性、运动向量交点分布、群组间的距离和群组面积变化来识别检测突发性的人群聚集、疏散和同向跑动行为并及时告警。在实际监控系统中的实验结果表明,该方法能够在复杂的动态背景下实现低误报、高识别率的实时人群行为检测。
二、基于特征点匹配技术的运动估计及补偿方法（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：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（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。
三、基于特征点匹配技术的运动估计及补偿方法（论文提纲范文）
（1）引入ORB改进Vibe算法的视频稳像及运动目标检测系统研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 运动目标检测研究现状 |
| 1.3 视频稳像研究现状 |
| 1.3.1 运动估计 |
| 1.3.2 运动滤波 |
| 1.3.3 运动补偿 |
| 1.4 论文主要内容 |
| 2 图像预处理技术分析 |
| 2.1 视频噪声分类 |
| 2.2 视频去噪方法分析 |
| 2.2.1 均值滤波 |
| 2.2.2 高斯滤波 |
| 2.2.3 中值滤波 |
| 2.3 视频滤波算法仿真及分析 |
| 2.4 本章小结 |
| 3 视频稳像及运动目标检测算法研究 |
| 3.1 传统运动目标检测算法原理 |
| 3.1.1 帧间差分法 |
| 3.1.2 光流法 |
| 3.1.3 混合高斯模型背景建模法 |
| 3.2 Vibe算法背景建模原理及性能分析 |
| 3.2.1 Vibe算法背景模型构建及初始化 |
| 3.2.2 Vibe算法前景目标检测 |
| 3.2.3 Vibe算法背景模型更新 |
| 3.2.4 Vibe算法性能分析 |
| 3.3 引入ORB特征点匹配的改进Vibe算法研究 |
| 3.3.1 特征点检测算法 |
| 3.3.2 特征点筛选与透视变换原理 |
| 3.4 本章小结 |
| 4 算法实现与测试 |
| 4.1 实验平台 |
| 4.2 算法编程实现 |
| 4.2.1 系统开发工具 |
| 4.2.2 编程实现 |
| 4.3 实验及结果分析 |
| 4.3.1 Vibe算法验证 |
| 4.3.2 ORB特征点检测算法验证 |
| 4.3.3 引入ORB特征点匹配的改进Vibe算法验证 |
| 4.4 本章小结 |
| 5 全文总结与展望 |
| 致谢 |
| 参考文献 |
| 在校期间已投稿的论文 |
（2）基于两栖机器人的雨污管道自动化巡检技术研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 论文的研究背景与意义 |
| 1.1.1 雨污管道在现代社会中得到广泛应用 |
| 1.1.2 雨污管道机器人自动化巡检成为了研究热点 |
| 1.2 雨污管道机器人巡检相关技术的研究现状及其发展趋势 |
| 1.2.1 雨污管道巡检机器人技术的研究现状及其发展趋势 |
| 1.2.2 雨污管道检测技术的研究现状及其发展趋势 |
| 1.2.3 管道机器人自动化巡检面临的挑战及对策分析 |
| 1.3 本文研究内容及章节安排 |
| 第二章 管内复杂环境检测理论基础及雨污管道巡检技术方案 |
| 2.1 引言 |
| 2.2 声呐检测理论基础 |
| 2.2.1 水介质内声波传播及声学效应 |
| 2.2.2 水下声呐成像原理及影响因素 |
| 2.3 视觉稳像处理理论基础 |
| 2.3.1 视觉成像原理 |
| 2.3.2 视觉稳像原理 |
| 2.4 基于两栖机器人的雨污管道自动化巡检技术方案 |
| 2.4.1 巡检系统的技术方案 |
| 2.4.2 亟待解决的关键技术 |
| 2.5 本章小结 |
| 第三章 管内两栖机器人机械本体设计与运动控制技术 |
| 3.1 引言 |
| 3.2 管内两栖机器人机械本体设计 |
| 3.2.1 两栖机器人的机械本体方案 |
| 3.2.2 两栖机器人的结构设计分析 |
| 3.3 管内复杂环境下两栖机器人的运动控制 |
| 3.3.1 管内复杂环境下两栖机器人的运动建模分析 |
| 3.3.2 管内复杂环境下两栖机器人的运动控制 |
| 3.4 本章小结 |
| 第四章 管内复杂环境下巡检图像的处理技术 |
| 4.1 引言 |
| 4.2 管内无水环境的视觉稳像技术 |
| 4.2.1 视频图像的特征提取及运动估计 |
| 4.2.2 视频图像的运动滤波及补偿 |
| 4.3 管内水下环境的声呐图像清晰化技术 |
| 4.3.1 声呐图像的降噪处理 |
| 4.3.2 声呐图像的对比度增强 |
| 4.4.本章小结 |
| 第五章 雨污管道两栖机器人巡检系统及实验研究 |
| 5.1 引言 |
| 5.2 系统开发 |
| 5.2.1 硬件模块 |
| 5.2.2 软件模块 |
| 5.2.3 系统集成 |
| 5.3 实验研究 |
| 5.3.1 管内机器人运动控制实验 |
| 5.3.2 管内目标巡检图像处理实验 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 攻读硕士学位期间的主要成果 |
（3）公网数字集群调度系统视频稳像技术的研究和实现（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1.绪论 |
| 1.1 概述 |
| 1.2 国内外宽带数字集群系统与视频稳像技术的研究现状 |
| 1.2.1 国内宽带数字集群系统及与视频稳像技术的研究现状 |
| 1.2.2 国外宽带数字集群系统及与视频稳像技术的研究现状 |
| 1.3 选题意义和论文结构 |
| 1.3.1 选题意义 |
| 1.3.2 论文结构 |
| 2.基于视频稳像技术的公网数字集群调度系统 |
| 2.1 公网数字集群调度系统 |
| 2.1.1 公网数字集群调度系统的架构 |
| 2.1.2 公网集群系统视频传输的流程 |
| 2.2 移动终端与调度终端的通信过程 |
| 2.2.1 移动终端与调度终端的信令交互过程 |
| 2.2.2 移动终端与调度终端的登录/注销信令流程 |
| 2.2.3 移动终端与调度终端的视频传输信令流程 |
| 2.3 公网数字集群调度系统视频稳像的处理流程 |
| 2.4 视频稳像算法 |
| 2.4.1 视频稳像运动估计算法 |
| 2.4.2 视频稳像运动补偿算法 |
| 2.5 视频稳像技术的评价方法 |
| 2.6 本章小结 |
| 3.公网数字集群调度系统视频稳像技术 |
| 3.1 概述 |
| 3.2 公网数字集群调度系统视频稳像算法 |
| 3.2.1 特征点检测算法的分析 |
| 3.3 基于特征点匹配的运动估计算法 |
| 3.3.1 改进的FAST特征点检测算法 |
| 3.3.2 改进的SAD特征点匹配算法 |
| 3.3.3 改进的RANSAC误匹配消除算法 |
| 3.4 计算全局运动矢量 |
| 3.5 基于双线性插值的运动补偿算法 |
| 3.6 本章小结 |
| 4.公网数字集群调度系统视频稳像技术的实现 |
| 4.1 视频传输功能的实现 |
| 4.1.1 调度终端登录/注销功能的实现 |
| 4.1.2 调度终端视频传输功能的实现 |
| 4.1.3 调度终端视频稳像技术的实现 |
| 4.2 基于特征点匹配的运动估计算法的实现 |
| 4.2.1 FAST特征点检测算法的实现 |
| 4.2.2 SAD特征点匹配算法的实现 |
| 4.2.3 RANSAC误匹配消除算法的实现 |
| 4.3 全局运动矢量求解的实现 |
| 4.4 基于双线性插值的运动补偿算法的实现 |
| 4.5 本章小结 |
| 5.公网数字集群调度系统视频稳像技术的测试 |
| 5.1 测试环境 |
| 5.2 测试内容 |
| 5.3 功能测试 |
| 5.3.1 登录/注销 |
| 5.3.2 视频通话 |
| 5.4 性能测试 |
| 5.5 本章小结 |
| 6.结论 |
| 参考文献 |
| 作者简历及攻读硕士学位期间取得的研究成果 |
| 学位论文数据集 |
（4）数字视频自适应稳像研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 2D方法 |
| 1.2.2 3D方法 |
| 1.2.3 2.5D方法 |
| 1.3 数字稳像的技术难点 |
| 1.4 本文主要研究内容及结构安排 |
| 第2章 数字稳像的原理及关键技术 |
| 2.1 抖动视频成像分析 |
| 2.2 数字稳像算法原理 |
| 2.2.1 基本原理与系统结构 |
| 2.2.2 运动估计 |
| 2.2.3 运动滤波 |
| 2.2.4 运动补偿 |
| 2.3 数字稳像的评价方法 |
| 2.3.1 主观评价方法 |
| 2.3.2 客观评价方法 |
| 2.4 本章小结 |
| 第3章 基于多路径优化的视频稳像算法 |
| 3.1 图像分块下的运动估计 |
| 3.1.1 基于机器学习的FAST特征点提取 |
| 3.1.2 图像分块下的特征点提取 |
| 3.1.3 KLT算法特征跟踪 |
| 3.1.4 帧间子块运动估计 |
| 3.2 基于自适应能量函数的多路径运动平滑 |
| 3.3 相邻参考帧间运动补偿 |
| 3.4 实验结果及分析 |
| 3.5 本章小结 |
| 第4章 基于自适应Kalman滤波的视频稳像算法 |
| 4.1 结合光流法的特征点匹配运动估计 |
| 4.1.1 距离约束的Shi-Tomasi角点提取 |
| 4.1.2 金字塔光流法跟踪估计 |
| 4.2 改进自适应Kalman滤波平滑运动轨迹 |
| 4.3 相邻参考帧间运动补偿 |
| 4.4 实验结果及分析 |
| 4.5 本章小结 |
| 第5章 总结与展望 |
| 5.1 总结 |
| 5.2 研究展望 |
| 参考文献 |
| 攻读硕士学位期间发表的论文及其他成果 |
| 致谢 |
（5）车载电子后视镜视频稳像技术研究与应用（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 引言 |
| 1.1 课题来源 |
| 1.2 研究背景及意义 |
| 1.3 国内外研究现状 |
| 1.3.1 基于图像块方法的稳像技术研究现状 |
| 1.3.2 基于图像二值位平面信息方法的稳像技术研究现状 |
| 1.3.3 基于空间像素灰度信息方法的稳像技术研究现状 |
| 1.3.4 基于变换域方法的稳像技术研究现状 |
| 1.4 本文的创新点及章节安排 |
| 1.4.1 本文创新点 |
| 1.4.2 本文的章节安排 |
| 第2章 车载视频电子稳像的原理及关键技术分析 |
| 2.1 引言 |
| 2.2 车载相机运动及图像运动模型 |
| 2.2.1 车载相机的成像模型 |
| 2.2.2 车载相机的运动形式 |
| 2.2.3 车载图像运动模型 |
| 2.3 车载电子稳像的关键技术分析 |
| 2.3.1 运动估计 |
| 2.3.2 运动滤波 |
| 2.3.3 图像补偿 |
| 2.4 车载抖动源分析 |
| 2.5 本章小结 |
| 第3章 基于改进图像融合拼接的车载视频稳像算法 |
| 3.1 引言 |
| 3.2 算法流程 |
| 3.3 车载视频抽样处理 |
| 3.4 改进后的车载视频图像角点检测方法 |
| 3.4.1 车载视频图像区域分割 |
| 3.4.2 传统的角点检测方法 |
| 3.4.3 改进后的角点检测方法 |
| 3.5 车载图像配准算法 |
| 3.6 车载图像拼接融合方法 |
| 3.7 本章小结 |
| 第4章 基于异加权值运动估计的车载视频稳像算法 |
| 4.1 引言 |
| 4.2 算法流程 |
| 4.3 车载视频抽样处理 |
| 4.4 优化后的车载图像特征点误匹配剔除算法 |
| 4.4.1 优化后的RANSAC算法 |
| 4.4.2 实验验证 |
| 4.5 异加权值的运动估计 |
| 4.6 运动平滑与车载图像补偿 |
| 4.6.1 运动平滑 |
| 4.6.2 车载图像补偿 |
| 4.7 本章小结 |
| 第5章 车载电子后视镜系统中视频稳像技术的应用 |
| 5.1 引言 |
| 5.2 车载电子后视镜系统设计 |
| 5.2.1 车载电子后视镜系统方案设计 |
| 5.2.2 车载电子后视镜系统视野覆盖测试实验 |
| 5.2.3 车载电子后视镜系统硬件选型 |
| 5.3 车载电子后视镜系统稳像技术的应用 |
| 5.3.1 车载电子后视镜软件系统图像传输算法开发 |
| 5.3.2 车载电子后视镜软件系统视频稳像算法开发 |
| 5.3.3 车载电子后视镜软件系统实现 |
| 5.4 实验与结果分析 |
| 5.4.1 车载视频稳像质量的评价方法 |
| 5.4.2 怠速情况下的车载视频稳像实验结果及分析 |
| 5.4.3 行驶情况下的车载视频稳像实验结果及分析 |
| 5.5 本章小结 |
| 第6章 总结和展望 |
| 6.1 全文总结 |
| 6.2 课题展望 |
| 参考文献 |
| 致谢 |
| 附录 |
（6）面向视障出行辅助的避障和定位技术研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景和意义 |
| 1.2 视障辅助避障技术研究现状 |
| 1.2.1 三维环境感知技术 |
| 1.2.2 人机交互技术 |
| 1.3 视障辅助定位技术研究现状 |
| 1.3.1 非视觉定位技术 |
| 1.3.2 视觉定位技术 |
| 1.4 主要研究内容和创新点 |
| 2 基于RGB-D相机的视障辅助避障技术 |
| 2.1 基于双目匹配的RGB-D相机原理 |
| 2.1.1 针孔相机模型 |
| 2.1.2 双目立体匹配 |
| 2.2 参数映射拟声化概述 |
| 2.2.1 声音的维度 |
| 2.2.2 数据-声音映射函数的表示方法 |
| 2.3 基于数据拟声化的视障辅助避障方法 |
| 2.3.1 深度图拟声化 |
| 2.3.2 障碍物拟声化 |
| 2.3.3 通路拟声化 |
| 2.4 实验设计 |
| 2.4.1 可穿戴设备 |
| 2.4.2 志愿者信息 |
| 2.4.3 训练流程 |
| 2.4.4 场地实验流程 |
| 2.4.5 问卷调查 |
| 2.5 实验结果和讨论 |
| 2.5.1 拟声化方法和盲杖的对比 |
| 2.5.2 场景感知能力与导航能力对比 |
| 2.5.3 易学性分析 |
| 2.5.4 主观偏好分析 |
| 2.5.5 实验失败分析 |
| 2.6 本章小结 |
| 3 基于全景环带镜头的室内定位技术 |
| 3.1 全景环带成像模型 |
| 3.2 基于直接法的全景视觉里程计 |
| 3.2.1 相机位姿的表示 |
| 3.2.2 基于直接图像对齐的相机运动估计 |
| 3.2.3 基于立体匹配和三角化的三维场景重建 |
| 3.2.4 基于滑动窗口的多帧联合优化 |
| 3.3 基于二维码的室内定位方法 |
| 3.3.1 全景图像无畸变展开 |
| 3.3.2 基于最小二乘的坐标对齐 |
| 3.4 定位方案评估 |
| 3.4.1 视觉里程计定位效果评估 |
| 3.4.2 全局定位方案评估 |
| 3.4.3 全景环带镜头在辅助定位方面的优势 |
| 3.5 本章小结 |
| 4 基于事件相机的室外定位技术 |
| 4.1 算法框架 |
| 4.2 基于事件相机的惯性视觉里程计 |
| 4.2.1 事件的运动补偿积分 |
| 4.2.2 基于光流的特征点追踪 |
| 4.2.3 惯性视觉联合优化 |
| 4.3 基于粒子滤波的卫星定位信息融合 |
| 4.4 定位效果评估 |
| 4.4.1 公开数据集评估 |
| 4.4.2 真实场景评估 |
| 4.5 本章小结 |
| 5 总结与展望 |
| 5.1 全文工作总结 |
| 5.2 创新点总结 |
| 5.3 未来研究展望 |
| 参考文献 |
| 作者简历及攻读博士学位期间主要的研究成果 |
（7）视频稳像技术在巡防系统中的应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题研究的背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 视频巡防系统的国内外发展现状 |
| 1.2.2 电子稳像技术国内外发展现状 |
| 1.3 课题的研究内容及论文组织结构 |
| 1.3.1 课题研究内容 |
| 1.3.2 论文组织结构 |
| 2 需求分析与方案设计 |
| 2.1 巡防系统介绍 |
| 2.2 存在的问题及需求分析 |
| 2.3 视频稳像方案设计 |
| 2.3.1 运动估计方案 |
| 2.3.2 运动滤波方案 |
| 2.3.3 运动补偿方案 |
| 2.4 仿真平台设计 |
| 2.5 稳像算法评价方法 |
| 2.6 本章小结 |
| 3 基于特征点匹配的运动估计算法研究 |
| 3.1 图像特征点提取算法研究 |
| 3.1.1 常用的特征点提取算法 |
| 3.1.2 AT-FAST特征点检测算法设计与实现 |
| 3.1.3 非极大值抑制算法实现 |
| 3.2 特征点描述和匹配算法研究 |
| 3.2.1 BRIEF特征描述和基于汉明距离的特征匹配算法 |
| 3.2.2 基于改进BRIEF特征描述和匹配方案设计 |
| 3.2.3 局部区域匹配方案设计 |
| 3.3 全局运动矢量估计算法研究 |
| 3.3.1 图像变换模型分析 |
| 3.3.2 基于RANSAC的全局运动估计算法 |
| 3.3.3 基于SC-PROSAC的全局运功估计方案设计 |
| 3.4 本章小结 |
| 4 运动滤波与运动补偿算法研究 |
| 4.1 基于Kalman的运动滤波算法的设计与实现 |
| 4.2 抖动图像补偿算法研究 |
| 4.3 参考帧选取策略研究 |
| 4.3.1 常用的参考帧选取策略 |
| 4.3.2 自适应参考帧选取方案设计 |
| 4.4 无定义像素区域重建算法研究 |
| 4.4.1 常见的无定义像素区域重建技术 |
| 4.4.2 基于参考帧填充的无定义像素区域重建方案设计 |
| 4.5 本章小结 |
| 5 功能测试与分析 |
| 5.1 仿真平台介绍及测试数据集制作 |
| 5.2 特征点提取实验 |
| 5.3 特征描述和匹配实验 |
| 5.4 运动估计实验 |
| 5.5 运动滤波实验 |
| 5.6 视频稳像实验 |
| 5.7 本章小结 |
| 6 总结与展望 |
| 6.1 研究总结 |
| 6.2 研究展望 |
| 参考文献 |
| 致谢 |
（8）相机抖动背景下的视频振动检测算法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 研究现状和进展 |
| 1.2.1 视频振动检测研究现状 |
| 1.2.2 运动估计研究现状 |
| 1.3 论文的研究工作及创新点 |
| 1.4 主要研究工作与章节安排 |
| 第二章 基于视频的振动检测研究 |
| 2.1 相机抖动的来源及影响 |
| 2.1.1 视频振动检测中相机抖动的来源 |
| 2.1.2 相机抖动的分析 |
| 2.2 基于欧拉视角的视频振动检测研究 |
| 2.2.1 欧拉视角及复可控金字塔 |
| 2.2.2 基于亮度变化的视频振动检测 |
| 2.2.3 基于相位变化的视频振动检测 |
| 2.3 运动估计相关算法 |
| 2.3.1 运动估计 |
| 2.3.2 图像运动校正 |
| 2.4 本章小结 |
| 第三章 基于特征点匹配的抖动视频振动检测 |
| 3.1 引言 |
| 3.2 基于特征点匹配的抖动视频振动检测方法 |
| 3.2.1 振动抖动信号组成与分离 |
| 3.2.2 基于SURF的特征点匹配 |
| 3.2.3 振动抖动特征点分离 |
| 3.2.4 振动抖动参数估计 |
| 3.2.5 相机运动矩阵估计 |
| 3.2.6 图像校正 |
| 3.2.7 基于相位的频率检测 |
| 3.3 实验与结果 |
| 3.3.1 实验设置 |
| 3.3.2 评价标准 |
| 3.3.3 结果与分析 |
| 3.4 本章小结 |
| 第四章 基于特征轨迹分离的抖动视频振动检测 |
| 4.1 引言 |
| 4.2 基于特征轨迹分离的抖动视频振动检测方法 |
| 4.2.1 基于光流金字塔的Lucas-Kanade改进算法 |
| 4.2.2 运动特征轨迹的提取 |
| 4.2.3 振动抖动轨迹分离 |
| 4.2.4 运动轨迹校正 |
| 4.3 实验与结果 |
| 4.3.1 实验设置 |
| 4.3.2 结果与分析 |
| 4.4 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 攻读硕士学位期间的学术活动及成果情况 |
（9）基于计算机视觉的海上多目标船舶检测与跟踪关键技术研究（论文提纲范文）
| 创新点摘要 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 研究现状 |
| 1.2.1 计算机视觉技术 |
| 1.2.2 目标检测技术 |
| 1.2.3 目标跟踪技术 |
| 1.3 存在的主要问题 |
| 1.4 本文的主要研究内容 |
| 1.5 本文的组织构架 |
| 2 海天线检测算法 |
| 2.1 基于惯性测量的海天线估算模型 |
| 2.1.1 摄像机横荡、纵荡和艏摇运动对海天线位置的影响 |
| 2.1.2 摄像机垂荡运动对海天线位置的影响 |
| 2.1.3 摄像机纵摇运动对海天线位置的影响 |
| 2.1.4 摄像机横摇运动对海天线位置的影响 |
| 2.2 定义海天线附近区域 |
| 2.2.1 海天线静态特征 |
| 2.2.2 海天线附近区域 |
| 2.3 基于惯性测量和图像处理的海天线精确检测模型 |
| 2.3.1 改进的边缘检测模型 |
| 2.3.2 改进的霍夫变换模型 |
| 2.4 试验验证 |
| 2.4.1 数据集及评价指标 |
| 2.4.2 验证海天线估算模型 |
| 2.4.3 验证改进的边缘检测模型 |
| 2.4.4 验证改进的霍夫变换模型 |
| 2.4.5 验证海天线精确检测模型 |
| 2.5 本章小结 |
| 3 图像序列内目标船舶运动特征建模 |
| 3.1 图像序列内目标船舶运动特征分析 |
| 3.1.1 运动分类 |
| 3.1.2 运动模型 |
| 3.1.3 运动估计 |
| 3.2 光流运动模型 |
| 3.2.1 特征点匹配 |
| 3.2.2 海天线匹配 |
| 3.2.3 特征点分类 |
| 3.2.4 单应矩阵计算 |
| 3.3 本章小结 |
| 4 海上目标船舶检测算法 |
| 4.1 基于视觉显着性的船舶检测算法 |
| 4.1.1 视觉显着性 |
| 4.1.2 改进的快速最小障碍距离变换算法 |
| 4.2 基于电子稳像和图像分类的船舶检测算法 |
| 4.2.1 特征点分类处理策略 |
| 4.2.2 图像分类模型 |
| 4.3 基于改进YOLOv3模型的船舶检测算法 |
| 4.3.1 分块检测模型 |
| 4.3.2 自适应锚框聚类模型 |
| 4.4 试验验证 |
| 4.4.1 数据集和评价指标 |
| 4.4.2 基于视觉显着性船舶检测算法的验证 |
| 4.4.3 基于电子稳像和图像分类的船舶检测算法的验证 |
| 4.4.4 基于改进YOLOv3模型的船舶检测算法的验证 |
| 4.4.5 三种船舶检测算法的对比分析 |
| 4.5 本章小结 |
| 5 海上多目标船舶跟踪算法 |
| 5.1 MOT工作原理 |
| 5.2 运动模型和外观模型 |
| 5.2.1 运动模型 |
| 5.2.2 外观模型 |
| 5.3 相似性度量和数据关联 |
| 5.3.1 相似性度量 |
| 5.3.2 匈牙利算法 |
| 5.4 MVT算法流程 |
| 5.5 试验验证 |
| 5.5.1 数据集和评价指标 |
| 5.5.2 验证运动模型 |
| 5.5.3 验证外观模型 |
| 5.5.4 验证MVT算法 |
| 5.5.5 消融分析 |
| 5.6 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 作者简历及攻读博士学位期间的科研成果 |
| 致谢 |
（10）动态背景下人群群组行为分析方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 运动目标检测 |
| 1.2.2 人群跟踪 |
| 1.2.3 人群群组检测 |
| 1.2.4 人群行为分析 |
| 1.3 本文工作 |
| 1.4 章节安排 |
| 2 基于轮廓跟踪的人群轨迹提取 |
| 2.1 问题描述 |
| 2.2 方法概述 |
| 2.3 前景边缘检测 |
| 2.3.1 边缘检测 |
| 2.3.2 边缘背景建模 |
| 2.3.3 背景参数更新 |
| 2.3.4 前景边缘提取 |
| 2.4 基于前景边缘的轮廓提取 |
| 2.4.1 前景边缘拓展 |
| 2.4.2 垂直走向遍历 |
| 2.4.3 前景轮廓膨胀处理 |
| 2.5 基于轮廓跟踪的人群轨迹提取 |
| 2.5.1 光流计算基本原理 |
| 2.5.2 特征点提取跟踪与筛选分类 |
| 2.5.3 基于前景轮廓的人群轨迹提取 |
| 2.6 实验结果分析 |
| 2.6.1 人群轨迹提取效果可视化对比 |
| 2.6.2 人群轨迹提取效果量化分析 |
| 2.7 本章小结 |
| 3 基于背景特征点单应变换的人群轨迹提取 |
| 3.1 问题描述 |
| 3.2 方法概述 |
| 3.3 背景全局运动估计基本原理 |
| 3.3.1 单应变换模型 |
| 3.3.2 随机采样一致性方法 |
| 3.4 基于特征点跟踪的前景背景轨迹识别 |
| 3.5 前景轨迹运动补偿 |
| 3.6 实验结果分析 |
| 3.7 本章小结 |
| 4 基于群组中心的人群群组行为分析 |
| 4.1 问题提出 |
| 4.2 方法概述 |
| 4.3 基于群组中心的人群群组检测 |
| 4.3.1 群组中心检测 |
| 4.3.2 基于拓扑关系的局部一致性群组检测 |
| 4.3.3 基于群组中心相似性的全局一致性群组检测 |
| 4.4 基于群组的人群行为分析 |
| 4.4.1 群组中心运动向量交点分析 |
| 4.4.2 人群行为检测识别 |
| 4.5 实验结果分析 |
| 4.6 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表学术论文情况 |
| 致谢 |
四、基于特征点匹配技术的运动估计及补偿方法（论文参考文献）
- [1]引入ORB改进Vibe算法的视频稳像及运动目标检测系统研究[D]. 崔成. 西安理工大学, 2021(01)
- [2]基于两栖机器人的雨污管道自动化巡检技术研究[D]. 蔡兆祝. 浙江大学, 2021(02)
- [3]公网数字集群调度系统视频稳像技术的研究和实现[D]. 王凯冬. 北京交通大学, 2021(02)
- [4]数字视频自适应稳像研究[D]. 崔诗翊. 华北电力大学(北京), 2021(01)
- [5]车载电子后视镜视频稳像技术研究与应用[D]. 柯黎明. 湖北工业大学, 2021
- [6]面向视障出行辅助的避障和定位技术研究[D]. 胡伟健. 浙江大学, 2021(01)
- [7]视频稳像技术在巡防系统中的应用研究[D]. 张蒙蒙. 西安工业大学, 2021(02)
- [8]相机抖动背景下的视频振动检测算法研究[D]. 辛宜曈. 合肥工业大学, 2021(02)
- [9]基于计算机视觉的海上多目标船舶检测与跟踪关键技术研究[D]. 单雄飞. 大连海事大学, 2020
- [10]动态背景下人群群组行为分析方法研究[D]. 宋育特. 大连理工大学, 2020(02)