导读:本文包含了视频序列论文开题报告文献综述及选题提纲参考文献，主要关键词:视频序列,运动目标跟踪算法,Open,CV技术
视频序列论文文献综述
田雨佳[1]（2019）在《视频序列中的运动目标跟踪算法分析》一文中研究指出我国经济建设以来,科学技术得到较快发展,计算机在各个领域有较为广泛的应用效果,其中视频序列运动目标跟踪是计算机领域中非常重要的技术之一,主要应用在工业机器人、国防安全以及人机交互等领域,并且在该领域中有较高的应用价值。此外,在对视频序列目标跟踪的过程中,需要采用有效的跟踪算法,这在较大程度上能够有效提升跟踪结果的精确性。但是,由于监控设备之间差异以及监控场景多变,导致一些因素的影响,比如目标形态变化比例以及光照强度变化等,使跟踪结果精确度偏低,无法达到较好预期。为此,需要采取有效的目标跟踪算法提升跟踪算法结果的精确度,以此为我国一些领域的发展奠定良好的基础。(本文来源于《数码世界》期刊2019年11期）
周正阳,陈璐莎,张坤,朱启兵[2]（2019）在《基于视频序列的危险驾驶预警技术研究》一文中研究指出为减少因危险驾驶行为造成的交通事故,提出一种基于视觉的危险驾驶预警方法。依据人脸特征点定位结果计算嘴部几何特征值,并使用头部姿态角对几何特征进行修正,形成嘴部张开度和头部姿态的特征序列;针对数据丢失问题,使用滑动平均法进行缺失值补偿;统计分析时间窗内序列,对哈欠、说话、视线偏移行为进行识别;并提出一种多参数融合方案和非线性映射模型将危险可能性直观化,计算危险系数并进行危险驾驶报警。实验表明,哈欠、说话检测准确率分别达到82. 97%、100%,头部姿态、危险驾驶系数与实际情况相符,模型效果好。(本文来源于《测控技术》期刊2019年09期）
黄振川[3]（2019）在《4K超高清视频序列内容一致性检测的关键技术》一文中研究指出本文介绍了4K超高清与高清视频序列在内容一致性检测中的原理,从色调映射、分辨率、画面特征值、感知哈希、时间序列动态比对等方面对4K超高清与高清视频进行实时内容比对方法,实现了两个视频信号内容一致性的自动化检测。实验测试表明本方法比传统逐帧视频比对实时性强、鲁棒性强、准确率高。(本文来源于《现代电视技术》期刊2019年09期）
罗灵兵,冯辉,胡波,王祺尧[4]（2019）在《结合视觉显着性与眼跳概率模型的视频注视点序列预测》一文中研究指出视觉注意力相关研究中,基于图像的视觉显着图预测研究较多,而针对视频的注视点序列预测研究相对较少.在充分考虑视频场景的动态特征与人眼视觉特性基础上,提出了一种同时利用视频底层与高层特征的注视点序列预测模型.使用隐马尔可夫模型(HMM)对注视点的转移序列进行建模,其中注视点的位置作为隐藏状态.首先,采用卷积神经网络(CNN)获得视频的视觉显着图,并将视频帧的显着值作为HMM的观测概率,表征注视点所在区域所能成功引起人视觉注意的程度;然后,使用视觉心理学中基于莱维飞行的眼跳概率模型对HMM状态的转移概率进行建模;最后,通过维特比算法推断整个视频最有可能产生的注视点序列.在HOLLYWOOD2数据集上进行视频的注视点序列预测实验,并和相关算法进行比较.实验结果表明:本文提出的模型的预测结果在Hausdorff距离与平均欧氏距离两项指标上都更优.(本文来源于《复旦学报(自然科学版)》期刊2019年04期）
刘保成,朴燕,唐悦[5]（2019）在《基于时空正则化的视频序列中行人的再识别》一文中研究指出由于现实复杂情况中各种因素的干扰,行人再识别的过程中可能出现识别错误等问题。为了提高行人再识别的准确性,提出了一种基于时空正则化的行人再识别算法。首先,利用ResNet-50网络对输入的视频序列逐帧进行特征提取,将一系列帧级特征输入到时空正则化网络并产生对应的权重分数;然后,对帧级特征使用加权平均得到视频序列级特征,为避免权重分数聚集在一帧,使用帧级正则化来限制帧间差异;最后,通过最小化损失得到最优结果。在DukeMTMC-ReID和MARS数据集中做了大量的测试,实验结果表明,所提方法与Triplet算法相比能够有效提高行人再识别的平均精度(mAP)和准确率,并且对于人体姿势变化、视角变化和相似外观目标的干扰具有出色的性能表现。(本文来源于《计算机应用》期刊2019年11期）
韩悦,金晅宏,郭旭,陈佳倩[6]（2019）在《视频序列中的运动目标检测算法研究》一文中研究指出视频序列中前景目标的提取存在因光线发生突变而漏检前景目标,以及背景包含动态信息时识别错误等问题。由于光线突变会产生大面积的阴影,并且包含动态信息的背景会产生干扰和噪声,提出了一种Vibe算法的改进应用,Vibe能够快速有效地抑制阴影,并且结合了帧间差分法对突变不敏感性的特点,使检测前景目标更加准确。分别针对光线突变以及背景包含动态信息的2种情况进行实验验证,同时用光流法、GMM合背景建模、codobook算法、传统Vibe算法与改进的Vibe算法分别对2种情况视频序列进行处理,之后对各个算法进行定量分析,提取结果和定量分析结果是相匹配的。实验结果表明,改进的Vibe方法可以使在前景目标在光线突变或背景包含动态信息的情况下,不被漏检并且可以更好地去噪,提取更加完整的前景目标。(本文来源于《电子测量技术》期刊2019年13期）
刘鹏[7]（2019）在《基于视频序列的目标人脸跟踪技术的研究》一文中研究指出人脸检测与跟踪技术在模式识别与计算机视觉领域里极具研究价值,在实际生活中能得到诸多应用,与人类息息相关。互联网大数据时代下,国防安全,智能视频监控,边防安检,电子商务等诸多领域都能看到人脸检测、人脸识别及人脸跟踪的影子,人脸检测与人脸跟踪作为其中关键环节,在近年来受到越来越多研究学者的重视。本文考量了人脸跟踪中特征融合阶段,设计了一个基于肤色分割的人脸检测方法与改进自适应人脸特征的Staple算法的人脸跟踪方法,详情如下:(1)通过研读大量人脸检测与人脸跟踪的文献资料,将人脸检测技术中基于先验知识的人脸检测和基于统计的人脸检测进行研究总结,将人脸跟踪方法从基于模型跟踪,基于运动信息跟踪,基于人脸局部特征跟踪,及近几年大热的基于神经网络跟踪几类方法进行研究总结。(2)针对视频序列的人脸检测问题,采用肤色概率特征的方法描述人的面部。首先,为了校正色偏,对视频首帧进行光照补偿预处理,以便提取肤色概率特征;然后,在叁个颜色空间中进行比较与筛选,选择对人脸使用亮度与色度相分离的YCbCr颜色空间,以凸显其人脸的聚类特性。利用人脸的先验特征,保留符合条件的人脸区域;最后将定位的区域在原图像里标记出来。(3)在研究基于相关滤波的Staple算法的基础上,本文提出一种存在新颖置信度机制的人脸跟踪算法,首先利用位置滤波器提取人脸检测出来的人脸区域的HOG特征,利用多颜色空间的概率模型提取人脸检测出来的人脸区域的颜色特征,并预留两者特征。HOG特征的优点是对颜色变化处理稳定,多颜色空间的概率特征优点对人脸发生空间变化时处理稳定,融合两者特征可解决大部分跟踪过程中遇到的问题,但目标人脸消失在视频区域或与其他非目标人脸重合时,可以利用视频首帧提取的的先验特征进行跟踪置信度判断,及时对融合特征进行更新。设计并实现了能够克服目标人脸位置移动、消失和表情姿态变化的人脸检测与跟踪算法。实验表明,改进算法较前人算法有较大的提升。(本文来源于《新疆大学》期刊2019-06-03）
袁梅[8]（2019）在《基于视频图像序列的火灾烟雾检测方法研究》一文中研究指出火灾是全世界严重的威胁和灾害,能够及时并准确地预警火灾是一个非常重要的课题。火灾检测主要有两种,分别为基于火焰或烟雾的检测,本文主要研究烟雾检测技术。传统基于传感器的烟雾检测技术具有许多局限性,促使了人们对基于视频监控的烟雾检测算法研究,并提出了众多烟雾检测算法。大部分的烟雾检测算法都取得了较好的检测性能,但仍存在以下两个主要问题:在火灾发生的中后期,算法的检测效果都很好,然而在火灾发生的初始阶段,烟雾稀薄、移动速度缓慢,算法性能差强人意;此外,大多数方法都是基于手工制作的特征或者使用原始图片直接作为神经网络的输入,导致算法的鲁棒性较差,针对不同的烟雾场景不具备普遍适用性。为解决上述两个问题,本文提出了两种基于视频图像的烟雾检测算法。1.为了提升初始火灾的检测性能,本文针对初始火灾阶段,烟雾稀薄且移动缓慢的场景,提出一种新颖的基于局部极值共生模式和能量分析的烟雾检测方法。该方法主要由预处理,特征提取和图像分类叁个阶段组成。在预处理阶段,通过使用算法提取视频帧的运动前景区域,并采用颜色空间作用于运动前景区域识别烟雾像素区域。然后使用局部极值共生模式计算纹理特征和使用烟雾能量分析计算能量特征,将能量特征矢量和纹理特征矢量归一化融合为一个矢量。最后,将融合后的矢量训练支持向量机,识别烟雾。实验结果表明,该方法能及时并有效地检测出火灾初期产生的烟雾,减少了火灾造成的损失。2.为了提升烟雾检测算法的鲁棒性,本文提出了基于卷积神经网络的烟雾检测方法。首先使用图片归一化方式消除光照的影响,利用烟雾颜色检测烟雾候选区域,然后卷积神经网络自动提取烟雾候选区域的特征,进行烟雾识别,最后根据分类结果得到报警信号。针对烟雾产生初期烟雾区域相对较小的问题,利用扩大候选区域的策略提高烟雾检测的及时性。由于训练数据少或不平衡引起的过度拟合,本文使用数据增强技术从原始数据集生成更多训练样本解决该问题。实验结果表明,该方法在多种复杂的场景下都能有效地检测出烟雾,因此具有更高的准确率和更好的鲁棒性。(本文来源于《重庆邮电大学》期刊2019-06-02）
武军[9]（2019）在《基于深度学习的视频-骨架序列人体动作识别研究》一文中研究指出在基于视觉的人机交互中,利用人体动作是非常有效的方法。然而动作是一个复杂的叁维信号,在复杂的场景下高效稳定的识别人体动作仍然存在很多问题。针对人体动作识别问题,本文分别从视频序列、人体骨架序列以及二者的融合中提取动作时空特征,利用卷积神经网络识别分类。根据项目需求,本文研究内容主要分为以下几个部分:基于视频流的双通道卷积神经网络动作识别算法。针对现有的双通道卷积神经网络由于计算稠密光流速度缓慢的问题,提出一种在训练和识别过程中都是端到端的双通道卷积神经网络框架。网络包含空间和全局时域两个通道,对人体动作进行表征和识别。以MobileNetV2为基础网络,空间通道对动作图像进行深度学习,全局时域通道对能量运动历史图(Energy Motion History Image,EMHI)进行深度学习,然后将两个通道融合,并采用一种多帧融合的方法来提升准确率。基于骨架序列的卷积神经网络动作识别算法。基于视频的卷积神经网络模型对于场景的变化鲁棒性较差,并且不能在夜间识别。本文提出一种基于骨架序列的动作识别系统,首先对人体骨架序列进行视图不变变换以消除视点的影响,然后将变换后的序列编码到RGB空间,该编码方式可以完整表示人体动作的空间结构信息和时间动态信息,最后设计一个轻量化的卷积神经网络来识别编码后的RGB图像。基于多数据融合的时序动作检测算法。创新性的将时序动作检测问题转化为一维的目标检测问题,提出一种以YOLO为基础网络的双通道时序动作检测框架,该框架的输入融合了Kinect采集的视频和骨架序列。在视频通道,利用C3D特征提取器提取短时视频的高维特征。在骨架通道,对骨架序列进行视图不变变换。将两个通道的高维特征进行编码作为双通道目标检测网络的输入,最后设计两种方法将其融合。(本文来源于《哈尔滨工业大学》期刊2019-06-01）
张亚琴[10]（2019）在《视频序列中的单目标跟踪算法研究》一文中研究指出近年来,很多地方都在争创“全国文明城市”,首要任务是要保证该地方的安全,所以建设“平安城市”成为了实现“全国文明城市”的关键需要。如今,在大街小巷、政府企业以及一些公共场合都能看到各种各样的摄像头,而视频智能处理可以将人类从复杂操作中“解放出来”,自动处理摄像机捕捉到的视频信息,并及时做出响应。因此视频智能处理系统的需求越来越显着,然而,目标跟踪技术作为该系统中的一个重要部分,要设计出一种实时、精确的跟踪器成为了研究的热点和难点。本文通过特征表示、更新模型和集成策略叁个模块对跟踪的效果进行研究和评测。提出了自适应的基于上下文的目标跟踪算法和融合得分图的基于孪体网络的目标跟踪算法。随着相关滤波的提出,目标跟踪的效果得到了很大的提升,然而很多经典的算法中只是考虑到跟踪对象的信息,忽略了跟踪对象周围的背景信息和其本身信息之间的关联性。有研究者提出了上下文的模型,但是采用了单一的特征来表达目标,模型的学习速率固定不变,不能很好的适应目标的外观变化。针对这一不足,提出了多特征的融合策略,利用梯度直方图和颜色属性特征,与图像的灰度值融合来表达目标,同时根据上下两帧中目标位置的差异性来更新学习速率,从而使得模型适应于目标的变化。通过实验结果分析可以看出,相比于传统算法的精确度,本文算法的跟踪性能得到了很大的提升,尤其对受严重遮挡和背景信息极为相似的视频序列。大多数的相关滤波都采用了视频序列的第一帧在线训练,存在样本数量少而且在线训练需要耗费很多时间的问题。深度学习的引入成为解决该问题的关键方法。基于孪体网络的目标跟踪算法,采用相似性的思想来实现跟踪的任务。其采用卷积网络来提取目标特征,仅仅利用一个得分图来预测目标位置,丢弃了其他得分图的信息。针对以上不足,本文研究深度特征在目标跟踪中的影响,充分利用每个得分图中所含的信息,对不同搜索区域所得到的得分图采取加权融合处理,最终能够更加准确的预测出目标的位置。整个跟踪阶段采用端到端离线训练、在线跟踪的方式。通过实验结果分析,相比于传统算法,本文所提算法在跟踪效果的鲁棒性上得到了很大的提升,并且跟踪速度也得到了一定的改善。(本文来源于《新疆大学》期刊2019-06-01）
视频序列论文开题报告
（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：
为减少因危险驾驶行为造成的交通事故,提出一种基于视觉的危险驾驶预警方法。依据人脸特征点定位结果计算嘴部几何特征值,并使用头部姿态角对几何特征进行修正,形成嘴部张开度和头部姿态的特征序列;针对数据丢失问题,使用滑动平均法进行缺失值补偿;统计分析时间窗内序列,对哈欠、说话、视线偏移行为进行识别;并提出一种多参数融合方案和非线性映射模型将危险可能性直观化,计算危险系数并进行危险驾驶报警。实验表明,哈欠、说话检测准确率分别达到82. 97%、100%,头部姿态、危险驾驶系数与实际情况相符,模型效果好。
（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。
视频序列论文参考文献
[1].田雨佳.视频序列中的运动目标跟踪算法分析[J].数码世界.2019
[2].周正阳,陈璐莎,张坤,朱启兵.基于视频序列的危险驾驶预警技术研究[J].测控技术.2019
[3].黄振川.4K超高清视频序列内容一致性检测的关键技术[J].现代电视技术.2019
[4].罗灵兵,冯辉,胡波,王祺尧.结合视觉显着性与眼跳概率模型的视频注视点序列预测[J].复旦学报(自然科学版).2019
[5].刘保成,朴燕,唐悦.基于时空正则化的视频序列中行人的再识别[J].计算机应用.2019
[6].韩悦,金晅宏,郭旭,陈佳倩.视频序列中的运动目标检测算法研究[J].电子测量技术.2019
[7].刘鹏.基于视频序列的目标人脸跟踪技术的研究[D].新疆大学.2019
[8].袁梅.基于视频图像序列的火灾烟雾检测方法研究[D].重庆邮电大学.2019
[9].武军.基于深度学习的视频-骨架序列人体动作识别研究[D].哈尔滨工业大学.2019
[10].张亚琴.视频序列中的单目标跟踪算法研究[D].新疆大学.2019