智能交通中運動目標(biāo)跟蹤與SVM識別方法研究.pdf

1、智能交通系統(tǒng)（ITS）是未來交通系統(tǒng)的發(fā)展方向，具有極其重要的科學(xué)意義和廣闊的應(yīng)用前景，這一領(lǐng)域的研究核心是基于視頻的運動目標(biāo)檢測、跟蹤和識別。它融合了先進的計算機技術(shù)、圖像處理、機器視覺、人工智能和模式識別等多個領(lǐng)域的高技術(shù)課題，從而建立的一種實時、準(zhǔn)確、高效的綜合管理系統(tǒng)。
　　本文介紹了視頻序列圖像中運動目標(biāo)的檢測、跟蹤與識別的基本理論和關(guān)鍵技術(shù)，重點研究了實時跟蹤與基于支持向量機的交通視頻運動目標(biāo)的識別。
　　在運動

2、目標(biāo)檢測方面，首先對目前常用的三大檢測方法（即背景差分、幀間差分、光流場法）進行了介紹和歸納，給出了相應(yīng)的實驗結(jié)果，并分析了各自的優(yōu)缺點。然后對基于自適應(yīng)背景建模的目標(biāo)檢測方法做了簡要的概述。為了較準(zhǔn)確地提取運動目標(biāo)，在實驗后期進行了中值濾波、數(shù)學(xué)形態(tài)學(xué)處理等操作。
　　在目標(biāo)跟蹤方面，提出了CamShift算法和Kalman濾波器相結(jié)合的方法。首先根據(jù)OpenCV提供的函數(shù)類庫、數(shù)據(jù)結(jié)構(gòu)和一些基本的框架，從而搭建一個運動目標(biāo)跟蹤

3、系統(tǒng)，該系統(tǒng)包括以下模塊：圖像幀預(yù)處理模塊、運動目標(biāo)的前景檢測模塊及運動目標(biāo)的跟蹤模塊，實驗的跟蹤效果比較理想。
　　最后在目標(biāo)的識別方面，首先對支持向量機（Support Vector Machine，SVM）圖像處理的方法進行了研究。綜合分析了運動目標(biāo)的形狀特征、面積特征和矩特征，將提出的特征向量通過SVM的離線訓(xùn)練，得到分類器，然后將測試樣本的特征數(shù)據(jù)作為測試集，并將其應(yīng)用于人與車、車與車之間的分類識別中。仿真實驗結(jié)果表明了