导读:本文包含了动态背景差分论文开题报告文献综述及选题提纲参考文献，主要关键词:视频侦查,监控视频,关键帧,背景差分算法
动态背景差分论文文献综述
孙鹏,周纯冰,杨洪臣,朱宇杰[1]（2013）在《监控视频关键帧动态背景差分检测技术》一文中研究指出针对目前视频侦查工作中监控视频数据量巨大所导致的案件相关信息获取实时性差、误检率高、数据冗余大,难以满足案件侦破需要的难题,提出了一种利用动态背景差分算法检测监控视频关键帧的技术。该技术首先根据监控区域特点与人工经验在监控视频中设置初始背景帧,然后利用常规的背景差分算法进行关键帧的检测,并在检测过程中根据监控区域背景的变化,采用背景更新策略动态及时更新差分运算中使用的背景帧,从而达到降低关键帧检测的误检率,提高检测效率。(本文来源于《警察技术》期刊2013年05期）
陈泓屺[2]（2013）在《基于动态背景差分法的车辆检测与追踪》一文中研究指出为了缓解日益严峻的交通压力,智能交通系统(Intelligent Transportation System,简称ITS)提出将先进的信息技术、通讯技术、传感技术、控制技术及计算机技术有效地应用于整个交通运输管理体系,以实现实时、准确及高效率的运输和管理。ITS的运行以获得实时的交通信息为前提。如何采用视频检测技术获取实时的道路车流量,是当前ITS研究的一个热点问题。使用视频检测技术获取道路车流量需要解决两个问题：车辆检测和车辆追踪。车辆检测的主要方法是连续帧差法和背景帧差法。本文在连续帧差法和背景帧差法的基础上改进并提出一种基于动态背景帧差的车辆检测方法。车辆追踪的方法主要包括直方图匹配法和轮廓匹配法。针对直方图匹配法与轮廓匹配法的缺陷,本文提出了一种基于动态特征匹配的车辆追踪方法。两种方法的基本思路如下：1.由于基于统计分析理论的背景构建方法(如多帧平均法、中值滤波法、亮度漂移法)需要大量的样本对背景进行分析与重建,导致背景构建时间较长。针对这一问题,本文提出一种二次帧差背景提取方法,首先将连续帧差法应用于背景构建,利用连续帧差法检测静态像素点,然后将检测到的像素点构建成为完整背景。该方法能够较好地缩短背景构建时间,减少计算重复率。2.在对车辆追踪时,相比于直方图匹配法与轮廓匹配法需要对车辆进行特征提取(如直方图描述和轮廓提取),本文提出了一种新的基于动态特征匹配的车辆追踪方法,能够避开特征提取环节,从而降低算法的计算复杂度。在进行搜索优化时该方法通过引入自适应调节窗口来降低搜索计算量,且具有较强的鲁棒性。(本文来源于《广东工业大学》期刊2013-06-01）
高玉鹏,何明一[3]（2012）在《动态背景下基于帧间差分与模板匹配相结合的运动目标检测》一文中研究指出基于图形处理器单元(GPU)提出了一种帧间差分与模板匹配相结合的运动目标检测算法。在CUDA-SIFT(基于统一计算设备架构的尺度不变特征变换)算法提取图像匹配特征点的基础上,优化随机采样一致性算法(RANSAC)剔除图像中由于目标运动部分产生的误匹配点,运用背景补偿的方法将静态背景下的帧间差分目标检测算法应用于动态情况,实现了动态背景下的运动目标检测,通过提取目标特征与后续多帧图像进行特征匹配的方法最终实现自动目标检测。实验表明该方法对运动目标较小、有噪声、有部分遮挡的图像序列具有良好的目标检测效果。(本文来源于《电子设计工程》期刊2012年05期）
王春涛[4]（2011）在《基于背景差分法和光流法的视频动态目标检测与跟踪》一文中研究指出视频运动目标检测和跟踪技术是智能视频监控的关键技术。基于这两方面展开研究,提出了自适应场境的运动目标跟踪方法。系统由背景差分实现目标检测,由目标区域LK光流预测实现目标跟踪,并融合了"运动"背景局部更新来实现跟踪系统对环境的自适应性。最后用VC++和OpenCV软件平台设计了监控系统的演示环境,在简单场景中实现了运动目标的检测和跟踪,初步验证了系统算法的可行性和可实现性。(本文来源于《软件导刊》期刊2011年06期）
周许超,屠大维,陈勇,赵其杰,张翼成[5]（2010）在《基于相位相关和差分相乘的动态背景下运动目标检测》一文中研究指出本文提出一种基于相位相关和差分相乘的动态背景下运动目标检测方法。首先用相位相关算法配准由于摄像机运动导致的图像背景旋转、缩放和平移量,然后用连续四帧图像差分相乘的方法分割出运动目标的轮廓,最后用形态学图像处理方法填补运动目标中的小空洞,并滤除残留的孤立噪声点。经过对多个视频序列的试验验证,结果表明该方法具有良好的性能,它对于各种因素的影响,如光照变化、背景中树叶晃动等局部微小变化、背景配准误差等,都有很强的适应能力。(本文来源于《仪器仪表学报》期刊2010年05期）
刘璎瑛,丁为民,沈明霞[6]（2009）在《基于背景差分法的稻米动态图像检测识别》一文中研究指出根据稻米形态特点设计了稻米动态图像采集系统,选用背景差分法对米粒动态图像进行目标分割,实现了运动状态下稻米图像特征提取。对提取的颜色、形态特征进行多结构神经网络训练,实现了透明整米、垩白整米、碎米和黄米四类稻米的识别,识别准确率分别为95.2%,89.6%,97.3%和90.5%。识别效果较好,为稻米在线图像检测分选奠定基础。(本文来源于《浙江农业学报》期刊2009年04期）
陈磊,邹北骥[7]（2008）在《基于动态阈值对称差分和背景差法的运动对象检测算法》一文中研究指出提出一种基于动态阈值对称差分和背景差法的运动对象检测算法。首先通过建立一个基于统计的可靠背景更新模型,由背景差法得到基本准确的前景图像;然后与用对称差分法得到的差分图像综合;最后得到完整可靠的运动目标图像。中间采用了一种动态的最优阈值获取方法,然后用形态学滤波和连通区域面积检测进行后处理,以消除噪声和背景扰动带来的影响,并用区域填充算法来填补目标区域的小孔,从而将视频序列中的运动目标比较可靠地检测出来。实验结果表明,该方法快速、准确,有一定的实际应用价值。(本文来源于《计算机应用研究》期刊2008年02期）
陈凤东,洪炳镕[8]（2005）在《基于动态阈值背景差分算法的目标检测方法》一文中研究指出提出了基于动态阈值的背景差分算法、滤波算法和目标区域中心求解算法,并且将这种目标检测方法应用在视觉系统中进行目标检测与跟踪实验,实验结果证明了该目标检测方法的有效性和可靠性.(本文来源于《哈尔滨工业大学学报》期刊2005年07期）
动态背景差分论文开题报告
（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：
为了缓解日益严峻的交通压力,智能交通系统(Intelligent Transportation System,简称ITS)提出将先进的信息技术、通讯技术、传感技术、控制技术及计算机技术有效地应用于整个交通运输管理体系,以实现实时、准确及高效率的运输和管理。ITS的运行以获得实时的交通信息为前提。如何采用视频检测技术获取实时的道路车流量,是当前ITS研究的一个热点问题。使用视频检测技术获取道路车流量需要解决两个问题：车辆检测和车辆追踪。车辆检测的主要方法是连续帧差法和背景帧差法。本文在连续帧差法和背景帧差法的基础上改进并提出一种基于动态背景帧差的车辆检测方法。车辆追踪的方法主要包括直方图匹配法和轮廓匹配法。针对直方图匹配法与轮廓匹配法的缺陷,本文提出了一种基于动态特征匹配的车辆追踪方法。两种方法的基本思路如下：1.由于基于统计分析理论的背景构建方法(如多帧平均法、中值滤波法、亮度漂移法)需要大量的样本对背景进行分析与重建,导致背景构建时间较长。针对这一问题,本文提出一种二次帧差背景提取方法,首先将连续帧差法应用于背景构建,利用连续帧差法检测静态像素点,然后将检测到的像素点构建成为完整背景。该方法能够较好地缩短背景构建时间,减少计算重复率。2.在对车辆追踪时,相比于直方图匹配法与轮廓匹配法需要对车辆进行特征提取(如直方图描述和轮廓提取),本文提出了一种新的基于动态特征匹配的车辆追踪方法,能够避开特征提取环节,从而降低算法的计算复杂度。在进行搜索优化时该方法通过引入自适应调节窗口来降低搜索计算量,且具有较强的鲁棒性。
（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。
动态背景差分论文参考文献
[1].孙鹏,周纯冰,杨洪臣,朱宇杰.监控视频关键帧动态背景差分检测技术[J].警察技术.2013
[2].陈泓屺.基于动态背景差分法的车辆检测与追踪[D].广东工业大学.2013
[3].高玉鹏,何明一.动态背景下基于帧间差分与模板匹配相结合的运动目标检测[J].电子设计工程.2012
[4].王春涛.基于背景差分法和光流法的视频动态目标检测与跟踪[J].软件导刊.2011
[5].周许超,屠大维,陈勇,赵其杰,张翼成.基于相位相关和差分相乘的动态背景下运动目标检测[J].仪器仪表学报.2010
[6].刘璎瑛,丁为民,沈明霞.基于背景差分法的稻米动态图像检测识别[J].浙江农业学报.2009
[7].陈磊,邹北骥.基于动态阈值对称差分和背景差法的运动对象检测算法[J].计算机应用研究.2008
[8].陈凤东,洪炳镕.基于动态阈值背景差分算法的目标检测方法[J].哈尔滨工业大学学报.2005