基于圖像內(nèi)容敏感度的交通視頻背景提取算法的開(kāi)題報(bào)告

基于圖像內(nèi)容敏感度的交通視頻背景提取算法的開(kāi)題報(bào)告一、選題背景和意義隨著智能交通系統(tǒng)的發(fā)展，交通監(jiān)控?cái)z像機(jī)不斷增加，交通視頻背景提取算法已成為交通流量控制、安防監(jiān)控等領(lǐng)域的重要應(yīng)用之一。在實(shí)際交通監(jiān)控中，視頻中的背景信息對(duì)于交通狀況的檢測(cè)、車(chē)輛跟蹤、行人識(shí)別等有著重要的作用。由于交通視頻中存在大量的車(chē)輛、行人等運(yùn)動(dòng)物體與背景進(jìn)行交互，因此背景提取算法的準(zhǔn)確率和實(shí)時(shí)性十分重要。目前，交通視頻背景提取算法研究較為成熟的方法主要包括基于幀差法、基于高斯混合模型和基于深度學(xué)習(xí)的方法。盡管這些方法在一定程度上可以提取出背景信息，但仍存在著背景提取不完整、噪聲干擾等問(wèn)題。因此，在更準(zhǔn)確有效的基礎(chǔ)上，需要進(jìn)一步開(kāi)發(fā)交通視頻背景提取算法以滿足不斷發(fā)展的交通監(jiān)控需求。本項(xiàng)目擬通過(guò)將圖像內(nèi)容敏感度與背景提取相結(jié)合，提取交通視頻中的背景信息，縮短后續(xù)處理時(shí)間，達(dá)到提高交通監(jiān)控精度和實(shí)時(shí)性的目的。二、研究?jī)?nèi)容和技術(shù)路線1.研究?jī)?nèi)容：（1）對(duì)現(xiàn)有的背景提取算法進(jìn)行綜述和比較，發(fā)現(xiàn)其不足之處，并尋找圖像內(nèi)容敏感度在交通視頻背景提取算法中的應(yīng)用價(jià)值。（2）研究如何使用圖像內(nèi)容敏感度來(lái)輔助背景提取，提高提取精度。通過(guò)分析圖像內(nèi)容敏感度的原理，結(jié)合前期研究的幀差法、高斯混合模型等方法，提出一種新的基于圖像內(nèi)容敏感度的交通視頻背景提取算法。（3）設(shè)計(jì)算法實(shí)驗(yàn)驗(yàn)證方法，對(duì)比分析新算法與傳統(tǒng)算法的優(yōu)劣。2.技術(shù)路線：（1）文獻(xiàn)綜述：對(duì)現(xiàn)有的交通視頻背景提取算法進(jìn)行研究綜述，以及圖像內(nèi)容敏感度的相關(guān)文獻(xiàn)的閱讀和總結(jié)。（2）算法設(shè)計(jì)：基于圖像內(nèi)容敏感度的交通視頻背景提取算法的設(shè)計(jì)，分析其計(jì)算復(fù)雜度，提高實(shí)時(shí)性。（3）實(shí)驗(yàn)驗(yàn)證：設(shè)計(jì)實(shí)驗(yàn)驗(yàn)證方法，比較新算法與傳統(tǒng)算法在背景提取精度和實(shí)時(shí)性上的優(yōu)缺點(diǎn)，并嘗試解釋實(shí)驗(yàn)結(jié)果。三、預(yù)期成果本項(xiàng)目預(yù)期達(dá)到以下成果：（1）對(duì)現(xiàn)有的交通視頻背景提取算法進(jìn)行綜述和比較，提出交通視頻背景提取算法不足之處。（2）設(shè)計(jì)一種基于圖像內(nèi)容敏感度的交通視頻背景提取算法，提高交通監(jiān)控精度和實(shí)時(shí)性。（3）通過(guò)實(shí)驗(yàn)驗(yàn)證數(shù)據(jù)，比較新算法與傳統(tǒng)算法在背景提取精度和實(shí)時(shí)性上的優(yōu)缺點(diǎn)，并嘗試解釋實(shí)驗(yàn)結(jié)果。（4）撰寫(xiě)交通視頻背景提取算法的相關(guān)論文或?qū)＠Ｋ?、進(jìn)度安排本研究計(jì)劃將于2022年3月開(kāi)始，工期為一年，具體進(jìn)度安排如下：（1）2022年3月-5月：研究現(xiàn)有背景提取算法和圖像內(nèi)容敏感度原理，撰寫(xiě)開(kāi)題報(bào)告。（2）2022年6月-8月：根據(jù)研究的結(jié)果，設(shè)計(jì)基于圖像內(nèi)容敏感度的交通視頻背景提取算法，分析算法的計(jì)算復(fù)雜度，提高實(shí)時(shí)性。（3）2022年9月-10月：實(shí)驗(yàn)驗(yàn)證算法效果，分析算法的優(yōu)缺點(diǎn)，并撰寫(xiě)相應(yīng)論文或?qū)＠?。?）2022年11月-12月：進(jìn)行算法的完善和優(yōu)化，并撰寫(xiě)畢業(yè)論文。五、參考文獻(xiàn)[1]黃永明,林偉生,林燕華.基于像素級(jí)深度特征的運(yùn)動(dòng)物體檢測(cè)[J].軟件學(xué)報(bào),2019,1(3):823-835.[2]劉鑫,潘曉輝.基于改進(jìn)的高斯混合模型的背景建模算法[J].中國(guó)圖象圖形學(xué)報(bào),2018,10(15):