基于EM算法的多椭圆遮挡目标检测开题报告

1. 研究目的与意义（文献综述）

随着人工智能的发展和智能机器人的产生,人们将依赖机器去完成大量复杂繁琐的工作。信息技术发展面临的难题之一是对海量数据的处理,而相当一部分数据是多媒体数据，图像数据在其中占有很大部分，自然成了信息处理的主演对象。对图像进行研究和应用时，人们往往对图像中的某些部分感兴趣，这些部分常被称为目标或对象。我们可以使用计算机提取图像信息，决定每个图像的点是否属于一个图像特征。特征提取的结果是把图像上的点分为不同的子集，这些子集往往属于孤立的点、连续的曲线或者连续的区域。圆是自然界和人造物体中出现频率最高的基本元素之一。由于圆常常投影为椭圆，圆形目标的提取问题往往转化为椭圆检测问题。椭圆是计算机视觉中常见的图像特征，在众多计算机视觉应用中，都需要对椭圆进行检测，自然界中有大量的圆形和椭圆形目标，如橘子、梨子、西瓜等水果，以及人和动物的肢节和显微图像中的细胞。采用图像分割技术提取自然场景中的多种椭圆形目标，对它们的位置、大小及主轴方向进行检测和计算，在生产和生活中有很多用途。比如，在水果生产线的传送带上根据检测出的水果大小及形状，估计水果的重量，可以方便水果下一步的包装。人体运动目标的检测与跟踪是人的行为分析的不可缺少的技术环节，在人体动作分析中，可以采用椭圆来拟合人体目标，描述人的头、躯干和四肢，并确定各肢节的位置及主轴，从而适用于运动员的训练指导、病人的治疗及康复、特定场合的监控等。当在军事重地、机场、银行、停车场、地铁等那些对安全要求敏感的场合中，可以通过计算机对摄像头捕获到的海量图像数据自动分析，过滤掉用户不关心的信息，通过检测跟踪其中的人体运动，分析理解其行为，智能化地为监控者提供有用的关键信息，以最少投入达到最优的利益保护。又如，生物医学中细胞显微图像的自动判读也需要对椭圆进行检测。首先，将图像中需要测量的细胞从背景中分割出来，再用计算机对分割出来的图形进行测定，采用椭圆拟合的方法，对细胞形状、大小、轮廓的规则程度进行定量描述，结合细胞中其它有效特征的提取，可以帮助区分出不同种类的细胞。因此，椭圆检测在基于图像的识别与测量领域中具有非常重要的意义。

2. 研究的基本内容与方案

基本内容:

当计算机采集到图像数据后，通过分析前景区域的特性，采用主元素法计算该区域的中心和主轴，在使用椭圆形轮廓拟合该区域的过程中采用基于统计分析设计的一种加权的em迭代算法，用于准确分析重叠区域中的椭圆数目及各椭圆的形状和大小。

技术方案:

3. 研究计划与安排

第1周-第4周:查阅资料和制定方案；

第5周-第8周:进行算法设计，并编写相应软件；

第9周-第13周:对系统进行调试；

4. 参考文献（12篇以上）

[1]刘志慧,夏勇.基于曲线弧分割的椭圆检测方法[j].计算机技术与发展,2015,25(10):19-23.

[2]宦海,黄凌霄,张雨,等.基于最大内切圆的椭圆孔组检测[j].计算机应用,2015,35(4):1101-1105.

[3]guan y,huang y.multi-posehumanheaddetectionandtrackingboostedbyefficient