查文庫>申請書> 大學生創新專案申請書

大學生創新專案申請書

大學生創新專案申請書

  培養大學生創新創業能力是緩解大學生就業形勢嚴峻性的有效途徑。那大學生創新醒目申請書,該怎麼寫呢?下面是小編蒐集的大學生創新專案申請書範文,希望對大家有幫助!

  大學生創新專案申請書

  專案名稱: 基於空間不變特徵快速匹配的移動智慧影片監控系統設計

  申請經費:9700元

  一、課題組成員:(包括專案負責人、按順序)

  姓名 鄭正 楊航 趙一陽 蔣大成 靳萬鑫

  性別 男 男 男 男 男

  所在院 航天學院 航天學院 航天學院 航天學院 航天學院

  年級 大二 大二 大二 大二 大二

  學號 1100400301 1100400326 1100400227 1100400327 1100400322

  身份證號 350102199207243616 51382619920827001X 230102199201294618 510107199111021770 142234199202126030

  本人簽字

  二、指導教師意見:

  該專案主要針對智慧影片監控系統的自動運動目標檢測跟蹤問題進行研究,涉及的內容包括影片處理演算法設計和實際硬體系統實現,可用於校園、機場、企事業單位和其他公共場所異常事件和重大事故的自動預判和實時報警,具有較大的實際應用價值。課題組相關研究人員,在本專案所涉及的影片處理演算法和硬體系統設計方面已經有了較好的前期研究和技術儲備,在影象處理演算法、目標跟蹤演算法、基於ARM、MCS-51晶片的伺服控制系統設計方面,已經參加了包括大學生科技創新、微控制器設計大賽等多個創新實踐環節的研究工作,並順利結題。課題負責人鄭正學習刻苦、思維活躍、動手能力強、有較好的組織協調能力,能夠保證本專案的順利實施。 同意專案申報,望予以資助。

  籤 名: 年 月 日

  三、院(系)專家組意見:

  組長簽名: ( 蓋 章 )

  年 月 日

  四、學校專家組意見:

  批准經費: 元

  組長簽名: ( 蓋 章 )

  年 月 日

  五、立項報告

  1、專案簡介(300-500字左右)

  本專案旨在設計一個可以自動鎖定並跟蹤目標的影片監控裝置,能夠實現從運動的多個目標中選取出感興趣目標,並對其進行鎖定跟蹤,可用於學校、機關、企事業單位及其他公共場所進行安全監控和異常情況的智慧識別。此外若提高裝置的檢測識別精確度,甚至可以用於軍事導航制導方面或者航空航天方面的目標自動鎖定與識別,以加強遠端自動控制系統的魯棒性。

  專案原理簡介:該專案中應用到的目標跟蹤技術採用的是快速尺度不變特徵(FSIFT)跟蹤演算法[1],

  透過此演算法可以用專用影象處理器計算出攝像頭中心位置與目標物體之間的線偏差,並透過ARM處理器驅動搭載監控裝置的二自由度雲臺進行精確目標鎖定。正是由於特徵匹配演算法的諸多優點,使得該裝置可以克服現有應用幀間差值演算法和各種易受各種尺度變換髮生跟蹤丟失等的目標鎖定裝置所具有的侷限,還可以將此裝置用於移動平臺上的目標鎖定,並應用在航空或制導領域。儘管本專案目前只是對一種裝置模型的製作和實驗研究,但一旦將自動檢測與跟蹤技術應用到實際生活將大幅度提升現有監控裝置的使用效率,可帶來極高的經濟效益和商業價值,有著廣泛的應用前景。

  2、申請理由(包括自身/團隊具備的知識和能力情況、前期準備情況等)

  該專案具有很高的實際應用價值,由於該專案設計出的裝置不僅能設計成一套自成體系的用於異常行為分析、用於人口或交通流量檢測的系統並用於大場景的多目標識別與分析,也能用於其他專案中作為一個目標鎖定跟蹤的裝置,實現高抗干擾能力的自適應性識別跟蹤模組,因此對此方面的研究非常值得我們團隊投入時間與精力進行系統地設計與改進。

  而就我們團隊的能力情況而言,負責影象處理演算法設計與最佳化的蔣大成 、靳萬鑫、鄭正,目前

  向控制與模擬中心學習影片影象處理技術,且在研究有關目標跟蹤、識別和圖形配準等模式識別的有關課題方面有一定進展。負責硬體構建和介面控制的楊航、趙一陽、蔣大成、鄭正,能熟練運用STM32,Freescale,MCS51等處理器和各種電路驅動控制晶片。目前我們團隊大部分人員都參加過大學生科技創新併成功結題,由於具有科技創新和多次硬體開發製作經歷,我們能夠順利地解決在專案研究中遇到的種種問題,且自信能夠完成專案的基本研究內容,並爭取與相關企業合作。

  就前期準備方面,該專案初步決定採用前期在控制與模擬中心研究並基本實現的影象匹配演算法,

  且該配准算法已經能夠基本在計算機上模擬實現,只需經過後期的演算法時效性改進便可以應用在外設硬體上進行目標檢測與識別。且在硬體方面,趙一陽、楊航可以從上海交大的機器人研究所的導師和本校的MEMS研究中心的導師獲得技術支援,學校提供的高階電子實驗中心能基本滿足後期的硬體模組的組裝和除錯的需求,支承構建材料和基本的連線部件可由本校金屬工藝實踐基地提供條件進行設計與製作。

  3、立項背景

  3.1 智慧目標跟蹤系統的研究意義

  目前為止,帶有影片和影象採集功能的監視系統已經被廣泛用於各個場所,最常見的監控裝置

  如交通系統中的道路監控攝像頭,道路監控中心透過此種監控裝置處理違章、交通事故、治安案件等異常情況,並遠端觸發交通事故的預警,在日常處理交通路況的道路監控環節中數字監視裝置起到至關重要的作用。在一些歐美地區,影象監控技術也應用在了農業方面,用透過機載攝像頭航拍獲取的農務地區顏色資訊來制定具有一定適應性的耕種策略。若將帶有影象採集功能的監視裝置用在打擊犯罪行為,具有遠端控制功能的監控裝置更是具有重要作用,透過數字監控裝置的罪犯的遠端定位,可以快速幫助警方破獲棘手的案件。

  但是目前的民用監視系統主要存在以下問題:一是,對於民用(如城市)監控系統,目前主要

  採取固定位置安裝,這樣為了對整個城市進行監控,需要安裝大量的監控攝像裝置,既增加了系統成本,而且存在著監視盲區,一些城市死角,容易發生事故且無法覆蓋常發生嚴重災害的地方,因此亟需發展可移動的空中監視系統;二,目前的民用監控系統對採集的影片影象幾乎不做任何處理,完全依靠大量的監視人員親自花費大量的時間對影片資料進行處理,隨著城市監控系統的增加,這將耗費大量的人力、物力和財力。因此亟需發展具有影片影象自動處理、檢測和跟蹤能力的可在空中移動的智慧監控系統。

  而對於軍事監控系統,目前主要安裝在飛機、無人機、飛艇、熱氣球等可空中飛行和漂浮的運

  動平臺上(如前視紅外吊艙),並且也具有一定的自動影片處理、檢測和跟蹤能力。但是自動影片處理和跟蹤能力僅是對於特定的情況下有效,且往往對數字訊號的噪聲級別要求特別嚴苛,在一些例如高光或者易產生煙塵和霧氣的外源訊號干擾場景下未經過數字影象配準幾乎無法進行目標跟蹤,而圖形學後期的配準技術又對硬體有更高的要求,如近似靜止的湖面背景以及運動平臺具有小的運動範圍和姿態變化的情況。而對於複雜的動態場景,如真實的自然環境或城市背景,以及飛行載體存在劇烈運動的情況下,則還需依靠人力透過手動分析所獲取的影片資訊,這樣既耗費大量的人力,而且需要花費大量的時間,常常會導致操作的人員無法提高戰時的機動性,失去佔領戰略時機制高點的機會。

  因此,目前亟需開發在複雜真實環境下,具有自動檢測並跟蹤目標功能的移動智慧監視系統,

  以適應負責多變的環境干擾並克服由於監控裝置的運動導致的目標丟失。

  3.2 目前檢測裝置與跟蹤技術現狀 3.2.1 運動目標檢測方法的研究現狀

  作為近幾年才普及的新型自動跟蹤裝置,在目前具有極其廣泛應用前景的智慧監控裝置只是簡

  單地使用類似幀間差分法進行運動目標的跟蹤,並不是真正意義上實現人工智慧化控制監控系統, 2011年加拿大Aeryon[6]實驗室研製出了一種能夠實現人工遠端控制的飛行機器人,這款配備了世界上最先進的情報系統的機器人,可用於追蹤犯罪分子和監視公眾活動,但是由於是基於遠端人工控制的衛星定位,就無可避免地導致了犯罪分子定位精確性上的缺失,此情況中的目標丟失還特別容易發生在低可見度情況下,並且在目標與背景的相對移動較為緩慢時,產生的微小畫素差會影響目標鎖定裝置的識別準確率,極易發生丟失目標的情況,倘若使用更加智慧化的跟蹤鎖定技術就能避免這些誤差,實現智慧化的監控效果。

  3.2.2 運動目標跟蹤方法研究現狀

  目前智慧目標跟蹤多數使用的是模板匹配演算法,模板匹配的方法很多,有基於方向鏈碼[1]的匹

  配方法、基於SIFT 特徵[4]的方法等。在數字監控裝置上應用智慧模板匹配演算法更是包括影象處理領域、電子工程領域、模式識別領域等眾多科學工作者的'研究焦點所在,透過採用閉環識別系統的智慧識別,目前已經可以實現實時對特定形狀的檢測,例如採用模板匹配的人臉特徵檢測技術就被廣泛用於家用膝上型電腦和各個機密科研場所的門禁裝置,在軍事方面則常見被軍事技術開發部門應用在紅外製導、火控系統等軍用裝置中,可見改進數字監控裝置上應用智慧演算法能使得具有監控功能的硬體應用價值得到大幅度提高。並且近幾年在機器人研究實驗室中能夠實現自動跟蹤的先進的智慧監控機器人已經能夠自動跟蹤運動目標,讓驅動電機實現實時目標中心化的跟蹤效果,用於追蹤運動物體如可以應用在交通監管領域的交通違規等方面的裝置量產已經可以實現。帶有自動跟蹤識別技術的監控裝置可以應用在包括監控方面的機密場所的安全防護,和用於交通路況的自動監控和預警,例如針對基於空中成像平臺的城市交通的監視問題,可以透過使用基於模板匹配的路況模型分析演算法[10]。先採用複雜的路面探測演算法獲得運動車輛候選區域,然後排除掉非車輛區域,再採用級聯的分類器對候選目標區域進行細化,從而降低車輛探測的虛警率。

  3.2.3 目前投入應用的檢測演算法的不足與缺陷

  由於應用在現有檢測裝置的跟蹤方法應用的幀間差分法[9]和各種易受尺度變換髮生目標丟失的演算法具有極其侷限的應用範圍,且存在多方面的問題:

  一是目前多數能智慧跟蹤的裝置多數採用的方法無法準確定位目標,且多是將灰度化預處理後的圖片利用運動物體產生的前景與背景的畫素差來實現運動方向的檢測,這就導致了在前景、背景的灰度差別小的情況下及容易發生目標丟失。

  二是目前大部分已被模式識別專家提出的多數目標跟蹤演算法對硬體要求極高,無法實時應用在現今所具有的硬體條件,而對於複雜的動態場景,如真實的自然環境或城市背景,以及飛行載體存在劇烈運動的情況下,則還需依靠人力透過手動分析所獲取的影片資訊,這樣既耗費大量的人力,也需要花費大量的時間。

  三是由於對穩定不變能襯托反差的背景依賴性導致了幀間差分等目標跟蹤演算法無法應用於運動載體上,這將導致應用此演算法的目標檢測裝置無法在交通工具等移動載體上發揮目標識別與追蹤的功能,故需要採用更具有魯棒性的識別演算法,在模式識別方面的配準識別特別適合用於該場景,在經過最佳化和改進後更能適應複雜的檢測環境並幾乎能做到完美解決現有檢測裝置的不足之處。

  3.3 目標跟蹤的最佳化

  本專案就針對傳統需要人工操作的數字監控裝置進行了智慧化設計,透過類似人眼的視覺識別仿生原理,制定出一系列使跟蹤鎖定技術智慧化的實現方案,這裡所涉及到的自動跟蹤不是傳統意義上的運動目標跟蹤,而是一種類似模式識別中紋理匹配、輪廓提取和特徵點匹配的演算法,該演算法是由David Lowe 在2004年提出並完善的SIFT演算法(Scale-invariant feature transform,尺度不變特徵轉換),尤其是SIFT特徵匹配演算法處理的資訊量大,適合在整場具有豐富細節的影象中快速進行目標匹配和定位[7],若能應用在現有檢測與跟蹤系統中,則可以大大提高其實用價值和功能。

  之所以採用基於SIFT特徵點分析的模板匹配演算法是由於該演算法可透過其特有的區域性影像特徵的描述與偵測技術辨識出物體特徵和輪廓,且由此演算法提取出的特徵點組是基於物體上的一些區域性外觀的興趣點,這些特徵點是由相對座標系定位,因此與影像的大小和旋轉角度無關,可以有效地克服由於影象採集裝置的位移導致的仿射變換誤差。此外,該演算法可以利用在目標識別和匹配方面取得了顯著進展的Harris-Affine和SIFT不變特徵,利用近鄰比和Mahalannobis距離的仿射不變性實現特徵匹配,進而實現大失配影象的配準,進而克服由於裝置抖動導致的影象退化問題[8]。在一些更加不利的情況下,如使用 SIFT特徵描述對於部分物體遮蔽的偵測率相當高,甚至只需要3個以上的SIFT物體特徵就足以計算出位置與方位。由於該演算法提取的是特徵形狀資訊,故對於光線、噪聲、些微視角改變具有一定的容忍度。基於這些特性,SIFT特徵匹配效果顯著而且相對容易獲取,在資訊量龐大的採集影象資料中,很容易辨識物體而且不易發生誤匹配。現今的電腦硬體速度下和小型的特徵匹配資料庫條件下,辨識速度可接近即時運算,而經過採用文獻[5] 提出的“加速演算法”改進的快速SIFT模板匹配演算法更能在外設硬體上發揮功效,這是將該演算法應用於自適應目標跟蹤和定位裝置的演算法前提。

  參考文獻:

  [1] 李忠海,李 申,崔建國,劉羅曼. 基於快速SIFT 特徵提取的模板匹配演算法,2011,37(24)

  [2] 李忠海, 申為峰. 基於方向碼的旋轉不變模板快速匹配方法[J].計算機工程, 2010, 36(16): 210-212.

  [3] 田原,譚鐵牛,孫洪贊. 一種具有良好魯棒性的實時跟蹤方法[J].自動化學報,2002,28(5):851-853. [4] Lowe D. Distinctive Image Features from Scale-invariant Key points [J]. International Journal on Computer Vision, 2004, 60(2):91-110.

  [5] 張 羽, 朱 丹, 王玉良. 一種改進的快速SIFT 特徵匹配演算法[J]. 微計算機資訊, 2008, 24(33): 220-222.

  [6] Company News/New Products[J] Unmanned systems, EI, 2010, 28(6) [7] 朱利成.運動目標檢測與跟蹤演算法研究[D].浙江工業大學,2009.

  [8] 李玲玲.基於不變特徵的影象配準方法研究與應用[D].廈門大學,2008.

  [9] 杜晶晶.智慧影片監控中運動目標檢測與跟蹤演算法研究[D].西南交通大學,2009. [10] R. Lin, X. Cao, Y. Xu, C. Wu, H. Qiao. Airborne moving vehicle detection for video surveillance of urban traffic[C]. IEEE Intelligent Vehicles Symposium, 2009:203–208.

  [11] 胡琳萍.基於DSP的控制驅動一體化二自由度雲臺的設計與實現[D].武漢科技大學,2008. [12] 陳龍.電視監控與安全防範系統[M].北京:科學出版社,1998.

  [13] 鄒敏.基於DSP的直線電機模糊PID控制系統研究與實現[D].武漢理工大學,2010. [14] 邱楓.基於DSP HPI口和EDMA技術的影象採集及處理系統[D].哈爾濱工業大學,2004.