交通場(chǎng)景中運(yùn)動(dòng)目標(biāo)檢測(cè)與分類算法研究.pdf

1、隨著我國(guó)經(jīng)濟(jì)的快速發(fā)展和人民生活水平的提高，人們對(duì)現(xiàn)代交通的要求也越來(lái)越高，因此智能交通系統(tǒng)(ITS)成為發(fā)展現(xiàn)代交通的重要趨勢(shì)。交通場(chǎng)景中的運(yùn)動(dòng)目標(biāo)檢測(cè)和分類技術(shù)是智能交通系統(tǒng)研究中的關(guān)鍵技術(shù)，其性能直接影響到對(duì)目標(biāo)后續(xù)處理的結(jié)果。
　　 本論文對(duì)運(yùn)動(dòng)目標(biāo)檢測(cè)算法和分類算法進(jìn)行了研究與分析。為了提高精度，對(duì)運(yùn)動(dòng)目標(biāo)檢測(cè)算法和基于支持向量機(jī)(SVM)的多類分類方法進(jìn)行了改進(jìn)，改造了分類器結(jié)構(gòu)，并且對(duì)交通場(chǎng)景中的運(yùn)動(dòng)目標(biāo)進(jìn)行分類。

2、
　　 根據(jù)使用獨(dú)立分量分析進(jìn)行目標(biāo)檢測(cè)的精度和速度與觀察信號(hào)的非高斯相關(guān)，將獨(dú)立分量分析和提升小波變換相結(jié)合用于對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行檢測(cè)。實(shí)驗(yàn)結(jié)果表明，該檢測(cè)算法能夠提高運(yùn)動(dòng)目標(biāo)檢測(cè)的精度和減少檢測(cè)時(shí)間。
　　 針對(duì)一對(duì)多SVM算法和一對(duì)一SVM算法中存在不可分區(qū)域以及二叉樹SVM算法中存在“誤差累積”現(xiàn)象，將一對(duì)多SVM多類分類算法和k近鄰(KNN)算法相結(jié)合應(yīng)用于多類分類。該算法首先對(duì)一對(duì)多SVM子分類器的訓(xùn)練樣本進(jìn)行初

3、選，通過選擇支持向量附近的樣本來(lái)減少分類器所用到的訓(xùn)練樣本，減少訓(xùn)練時(shí)間；然后將測(cè)試樣本輸入到一對(duì)多SVM子分類器中進(jìn)行分類；最后將訓(xùn)練樣本和通過一對(duì)多SVM子分類器已經(jīng)確定類別的測(cè)試樣本輸入到KNN子分類器進(jìn)行訓(xùn)練，訓(xùn)練后將通過一對(duì)多SVM子分類器而未能確定類別的測(cè)試樣本輸入到該分類器進(jìn)行再次分類，確定其類別。實(shí)驗(yàn)結(jié)果表明，該算法能夠具有較好的分類精度。
　　 將交通場(chǎng)景中運(yùn)動(dòng)目標(biāo)分為人、人群、客車、小轎車以及SUV或面包車等