小区住宅楼强电统设计.docVIP

浙 江 科 技 学 院 本科毕业 开 题 报 告题 目 学 院 专 业 班 级 学 号 学生姓名 指导教师 开题日期  一、选题的背景与意义：二、研究的基本内容与拟解决的主要问题： 图1-1 视频目标跟踪基本流程 视频运动目标跟踪能够确定目标在每一帧的位置和姿态，主要是根据视频信息在空间和时间上的相关性进行判别，其主要目的是模仿生物视觉系统的运动感知功能，通过对摄像头获取的视频图像进行分析处理，计算出运动目标在每一帧图像上的二维空间坐标位置，并根据不同的特征，将序列图像的同一运动目标关联起来，得到每帧图像中目标的运动参数以及各帧图像运动目标的对应关系，从而获得运动目标完整的运动轨迹和视频中运动目标的对应关系，为视频分析和理解提供重要的依据和基础。 在目标跟踪过程中，应解决以下两方面问题： （1）海天背景的干扰问题：海天背景顾名思义主要是由大海和蓝天构成背景，即图像下方的海面以及上方的天空，一般说来，天空的辐射温度要高于海面的辐射温度，海面的灰度整体表现为低亮度，但由于太阳高度角的变化、波浪反光以及跟踪目标距离过远等一系列的原因以及热辐射分布的不均匀性、不同气象条件下的大气衰减等因素影响，存在浪峰的灰度值接近甚至等于或大于天空与目标灰度，在某些情况下，这部分灰度值不在少数，天空的背景辐射整体上也高于海面背景，但是这种情况也是在变化之中，随着仰角的增加，天空背景辐射会逐渐降低，当达到一定的仰角时，天空的辐射强度就会低于海面背景的辐射强度。由于目标图像的信噪比更容易受到环境的影响，这就使得传统目标检测方法在这种环境下难以有效地检测出目标，造成跟踪不准确或者在干扰严重时直接导致跟踪失败。在这种较为复杂背景下检测信噪比目标，关键就在于如何在有效抑制背景的同时又能较好地提取目标。 （2）遮挡问题：目标在运动过程中遇到障碍物的遮挡是跟踪过程的常见情况，在实际的跟踪任务中目标极少可能运动在宽阔无遮挡的环境中，所以目标在运动过程中经常会出现被障碍物遮挡住自身的一部分，对于这个问题的处理，是涉及到跟踪能否成功的关键问题，其也是目标跟踪中的难点和热点问题。 研究的方法与技术路线： ，即，m为该模板中包含当前像素在内的像素总个数。 3.2Prewitt边缘检测 两个具有不同灰度值的相邻区域之间总存在边缘，边缘是区域不连续的表现，也是图像上灰度变化最剧烈的地方。图像的边缘检测就是利用这一点，对图像各个像素点进行微分或求二阶微分来确定边缘像素点。 Prewitt算子是一种边缘模板算子。这些算子模板由理想的边缘子图像构成。依次用边缘模板去检测图像，与被检测区域最为相似的模板给出最大值，用这个最大值作为算子的输出值，这样可将边缘像素检测出来。换句话说，Prewitt算子是利用像素邻近点的灰度差，在边缘处达到极大值的原理检测出边缘。 3.3阈值分割 阈值分割法是一种简单有效的图像分割方法，其基本思想就是用一个或多个阈值将图像的灰度级分为几部分，灰度值在同一类的像素属于同一目标。阈值分割法的结果在很大程度上依赖于阈值的选择，因此该方法的关键就是如何选择合适的阈值。 阈值分割的基本步骤如下，首先对灰度图像进行阈值分割，就是先确定一个在灰度取值范围内的灰度阈值，然后将图像中各像素的灰度值和这个阈值进行比较，最后根据比较结果确定每个像素所属的类：像素的灰度值大于阈值的为一类，像素的灰度值小于阈值的属于另一类，而灰度值等于阈值可归入其中任何一类。 3.4基于Mean Shift算法的目标跟踪算法 均值漂移(Mean Shift)是模式识别中的一种迭代算法，最初由 Fukunaga 等人提出，在迭代的过程中加权核函数的和收敛到局部极值点。Mean-shift也被称为均值漂移，向概率密度分布最大的位置进行漂移，Mean-shift向量是Mean-shift算法的核心问题。 使用Mean-Shift算法进行目标跟踪的时候，需要在第一帧人工确定包含跟踪的矩形框，进而选择运动目标。然后通过计算核函数加权下的搜索矩形框，从而得到直方图分布，再计算当前帧对应的矩形框的直方图分布，求出先后两个直方图相似性分布的最大值，得到Mean-Shift向量，使矩形框沿着Mean-Shift向量的方向移动，所得到的位置就是目标运动的真实位置。以下是算法跟踪的具体流程。 （1）对目标模型进行初始化 （2）确定当前图像的模型状态 （3）建立相似性函数 （4）确定Mean-Shift向量 （5）用Mean-Shift算法反复迭代，最后得到当前帧目标的最优位置。 四、研究的总体安排与进度：查阅文献,撰写开题报告初步设计,论文初稿时间段毕业设计中期检查设计完善,论文修改,定稿论