智能監(jiān)控中運(yùn)動目標(biāo)識別與分類技術(shù)研究.pdf

1、智能監(jiān)控中的運(yùn)動目標(biāo)識別分類技術(shù)是計(jì)算機(jī)視覺領(lǐng)域的一個研究熱點(diǎn),隨著科技的進(jìn)步、社會的發(fā)展,各行各業(yè)對視頻監(jiān)控的需求不斷增強(qiáng),使得視頻監(jiān)控系統(tǒng)不斷朝著智能化的方向發(fā)展,引起了國內(nèi)外越來越多的研究學(xué)者對智能監(jiān)控領(lǐng)域的高度關(guān)注.該技術(shù)綜合了計(jì)算機(jī)視覺、模式識別、圖像處理、人工智能等多門學(xué)科,其研究課題具有很大的挑戰(zhàn)性和巨大的潛力.
　　智能監(jiān)控的目的是使計(jì)算機(jī)自動地對得到的序列圖像進(jìn)行分析,判斷其中的目標(biāo)的行為,其主要的工作部分有,運(yùn)

2、動目標(biāo)檢測、運(yùn)動目標(biāo)識別分類、運(yùn)動目標(biāo)跟蹤、以及運(yùn)動目標(biāo)的行為理解分析等.目標(biāo)識別分類是整個智能監(jiān)控系統(tǒng)中的重要部分,其目的是要對場景中的目標(biāo)進(jìn)行歸類,以預(yù)測其行為發(fā)展,在智能監(jiān)控、智能交通以及軍事等方面有著巨大的研究價值和廣泛的應(yīng)用前景.目前該技術(shù)雖然已取得了一定成果和進(jìn)步,但在應(yīng)用上都還存在一些難題需要解決.
　　本文研究了圖像描述方法、圖像處理方法,以及目標(biāo)分類的相關(guān)理論和常用算法,在分析當(dāng)前方法和研究現(xiàn)狀的基礎(chǔ)上,提出了針

3、對靜止的單攝像機(jī)條件下,對生活中的普通場景下常見的步行者、騎自行車的人、小汽車、以及貨車四類目標(biāo)進(jìn)行識別分類的方法,其主要工作如下:
　　首先對獲得的序列圖像進(jìn)行目標(biāo)檢測和圖像預(yù)處理,通過混合高斯模型進(jìn)行背景更新,利用背景差分法提取出目標(biāo)區(qū)域,并將目標(biāo)區(qū)域進(jìn)行形態(tài)學(xué)去噪,分割圖像;
　　在以上操作的基礎(chǔ)上需要對目標(biāo)區(qū)域進(jìn)行特征提取,在特征選擇方面,研究了現(xiàn)有的特征描述方法,并根據(jù)應(yīng)用場景以及運(yùn)動目標(biāo)的特點(diǎn),采用了基于形狀的描

4、述方法,分別使用了目標(biāo)外接矩形的長寬比、占空比、分散度特征,同時還引入了Krawtchouk矩不變量特征來表示目標(biāo);
　　在分類器的選擇上,建立了基于小樣本學(xué)習(xí)理論的支持向量機(jī)分類器,針對本文的多類識別問題,選擇有向無環(huán)圖的支持向量機(jī)來構(gòu)造分類器,首先對要選擇訓(xùn)練樣本,并對其類別進(jìn)行標(biāo)記,然后對分類器進(jìn)行訓(xùn)練,以此得到的分類器就可用于對待測目標(biāo)進(jìn)行識別分類,該分類器較好地解決了非線性的多類別目標(biāo)分類問題,同時只需利用較少的訓(xùn)練樣本