《基于脉冲耦合神经网络的运动目标检测算法研究》由会员分享，可在线阅读，更多相关《基于脉冲耦合神经网络的运动目标检测算法研究（90页珍藏版）》请在金锄头文库上搜索。
1、学校代号：1 0 7 3 l 学号：0 9 2 0 8 0 2 0 1 0 3 7 密级：公开 兰州理工大学硕士学位论文 基于脉冲耦合神经网络的运动目标检测 算法研究 学位申请人姓： 导师姓名及职称： 培养单位： 专业名称： 论文提交日期： 论文答辩日期： 答辩委员会主席： R e s e a r c ho fm o t i o nd e t e c tB a s e do np u l s ec o u p l e dn e u r a ln e t w o r k b y C H E N R u i s h e n g B E ( Z h e n g z h o uI n s t i t
2、u t eo f A e r o n a u t i c a lI n d u s t r yM a n a g e m e n t ) 2 0 0 9 At h e s i ss u b m i t t e di np a r t i a ls a t i s f a c t i o no ft h e R e q u i r e m e n t sf o r t h ed e g r e eo f M a s t e ro fS c i e n c e G r a d u a t eS c h o o l o f k a r l T 血o uU n i v e r s i t yo f T
3、 e c h n o l o g y S u p e r v i s o r A s s o c i a t eP r o f e s s o rL I UJ u n J u n e ，2 0 1 2 伽3 舢3肌50 mjIM洲2舢Y g h 一 ， 庐 蜀 兰州理工大学学位论文原创性声明和使用授权说明 原创性声明 本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得 的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个 人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集 体，均已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承 担。
4、 作者签名：融、嘶纽 日期：加f z 年6 月口E l 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，即：学校 有权保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查 阅和借阅。本人授权兰州理工大学可以将本学位论文的全部或部分内容编入有 关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位 论文。同时授权中国科学技术信息研究所将本学位论文收录到中国学位论文 全文数据库，并通过网络向社会公众提供信息服务。 作者签名：错、嘶丝 导师签名： 日期：2 , O l Z 年 日她新馋 多月o 日 彦只( 9 日 硕l 学位论文 目录 摘要I
5、 U A b s t r a c t I V 插图索引 第一章绪论1 1 1 研究背景及意义1 1 2 国内外研究现状与发展趋势3 1 3 本文的主要研究内容及结构安排5 第二章课题研究目标与图像预处理6 2 1 智能监控系统架构6 2 2 本课题的研究目标7 2 2 1 算法平台的选择7 2 2 2 研究目标与技术路线一8 2 3 图像预处理l0 2 3 1 均值滤波器1 0 2 3 2 高斯平滑滤波器l2 2 3 3 中值滤波器1 2 2 3 4 改进的中值滤波器1 4 第三章经典运动算法的试验研究l6 3 1 帧问差分法l6 3 2 光流法l8 3 3 背景差法2 0 3 4 高斯混合背
6、景模型2 l 3 4 1 高斯分布的数学基础2 2 3 4 2 最大似然估计2 3 3 4 3 高斯混合模型背景建模方法2 4 3 4 4 高斯混合模型背景模型算法存在的问题2 8 3 5 本章小结3l 第四章基于P C N N 的运动检测算法3 2 4 1P C N N 的基本模型3 2 4 1 1 神经元与人工神经网络3 2 4 1 2P C N N 的基本模型3 4 4 2P C N N 的工作原理。3 6 4 2 1P C N N 的工作原理3 6 基于脉冲祸合神纾p b 9 络的运动门标柃测箅泓、研究 4 2 2P C N N 的特性3 8 4 3 基于P C N N 的运动检测算法
7、4 0 4 3 1 简化的P C N N 数字图像处理模型4 0 4 3 2 运动检测模型分析与改进4 l 4 3 3P C N N 运动检测改进算法4 2 4 4 算法实验仿真及仿真4 4 4 5 本章小结。4 5 第五章改进的遗传算法在P C N N 参数标定中的应用。4 6 5 1 遗传算法概述4 7 5 1 1 遗传算法的基本思想4 7 5 1 2 遗传算法的构成要素。4 9 5 1 3 基本遗传算法流程5 0 5 2 改进的遗传算法5 l 5 2 1O F G A 遗传算子描述5 2 5 2 2 O F G A 算法流程一5 2 5 2 3 收敛性分析5 3 5 3 基于O F G
8、A 的P C N N 参数优化算法5 5 5 3 1P C N N 参数分析5 5 5 3 2P C N N 参数优化方案设计。5 5 5 3 3 基于O F G A 的P C N N 参数优化流程。5 7 5 4 算法实验及分析5 8 5 5 本章小结6 0 总结与展望。6 l 主要结论6 l 展望6 l 参考文献6 3 j 目C 谢6 7 附录A 攻读学位期间所发表的学术论文目录6 8 n 摘要 近年来，随着信息化进程的推进和人民生活水平的提高，人们对智能监控系统 的需求越来越迫切。智能监控系统的目的是让系统自动的进行物体检测、识别、跟踪 和行为理解，它在增强社会安全方面有很大的潜在价值。
9、运动目标检测是智能视频监 控系统中视频处理的第一步，具有非常重要的地位，同时也是一个技术上的热点和难 点。 对于固定摄像头监控系统，常用的运动目标检测算法有帧间差法、光流法、背 景减除法等。本文在研究经典算法的基础上，提出了基于脉冲耦合神经网络( P C N N ) 的运动目标检测方法，并对其基础算法进行了改进，主要开展了如下研究工作： 1 考虑到大部分监控原始图像噪点较多，不宜直接提取目标，本文提出了一种 改进的中值滤波去噪方法，该方法能在有效消除脉冲噪声的同时保留图像的纹理信息。 2 总结帧问差法、光流法、高斯混合背景建模法的算法原理，并通过实验对比， 分析了经典算法中存在的问题及其适用的
10、环境。 3 详细论述了P C N N 的数学模型与工作原理，针对高斯混合背景建模法背景建 模速度慢、不能兼顾像素点空间相关性等缺陷，本文提出了基于P C N N 的运动目标检 测算法，设计了基于简化P C N N 模型的运动目标检测算法流程。通过实验结果可知， 该算法较传统算法有背景建模快、抗干扰性强等优良特性。 4 针对P C N N 参数复杂难以选择的问题，本文提出利用最优家族遗传算法 ( O F G A ) 优化P C N N 参数的算法，并结合P C N N 参数特点改进了遗传算子，进一步提 高了参数优化下频率。通过与G A 参数优化算法的实验对比，证明O F G A 算法有收敛 速度
11、快、不易早熟的特点。 5 在上述改进O F G A 的框架下，本文设计了基于O F G A 参数优化的P C N N 运动 目标检测算法流程。为了验证算法的有效性，本文在P C 机上借助V S 2 0 0 8 、C U D A 、 O p e n C V2 2 实现了本文算法及相关对比算法。实验结果表明：改进后P C N N 算法能 够更好地处理背景中的多模态区域，提高运动目标分割精度，在有效滤除干扰前景的 同时，完整的保留了运动物体的形状、边缘信息。 关键字：脉冲耦合神经网络：遗传算法；运动检测：高斯混合模型；中值滤波 1 1 1 基于脉冲耦合神纤网络的运动日标柃测算法研究 I II I A b s t r a c t W i t ht h ed e v
