智能多模式行為識(shí)別方法的研究.pdf

1、智能視頻跟蹤是近年來(lái)新興的一個(gè)研究方向,它融合了計(jì)算機(jī)視覺(jué)、模式識(shí)別、人工智能等學(xué)科的技術(shù),形成了一種能從圖像信號(hào)中實(shí)時(shí)地自動(dòng)識(shí)別目標(biāo)、提取和預(yù)測(cè)目標(biāo)位置信息、自動(dòng)跟蹤目標(biāo)運(yùn)動(dòng)的技術(shù),在安全監(jiān)控、智能交通、視頻壓縮與檢索等方面有廣闊的應(yīng)用前景。
　　 本文在研究了幾種常用的運(yùn)動(dòng)目標(biāo)檢測(cè)算法和運(yùn)動(dòng)目標(biāo)跟蹤算法的基礎(chǔ)上,設(shè)計(jì)并實(shí)現(xiàn)了一套智能視頻跟蹤系統(tǒng)。在運(yùn)動(dòng)目標(biāo)檢測(cè)方面,對(duì)基于高斯統(tǒng)計(jì)模型的背景減法進(jìn)行了改進(jìn),同時(shí)提出了一個(gè)將高斯

2、模型與幀差法相結(jié)合的檢測(cè)系統(tǒng)構(gòu)架,并針對(duì)高斯模型檢測(cè)結(jié)果易受陰影影響的問(wèn)題,通過(guò)對(duì)光照模型和顏色特性的分析,改進(jìn)了基于HSV顏色空間檢測(cè)陰影的算法。
　　 卡爾曼濾波計(jì)算快速準(zhǔn)確,但是要求運(yùn)動(dòng)目標(biāo)的狀態(tài)演變要滿足線性高斯的條件(比如在短時(shí)間內(nèi)目標(biāo)運(yùn)動(dòng)是勻速的);粒子濾波能適用于非線性非高斯的系統(tǒng),但是計(jì)算和存儲(chǔ)的要求相對(duì)比較高。采用Comaniciu等人提出的Mean Shift跟蹤算法,這種方法依賴于由目標(biāo)區(qū)域得到的灰度分布并

3、計(jì)算出圖象空間中目標(biāo)中心的位移,能適應(yīng)目標(biāo)運(yùn)動(dòng)較快且形狀和亮度不斷變化的情況。由于視頻跟蹤的特性,文中實(shí)驗(yàn)部分所用Mean Shift算法與原始的Mean Shift跟蹤算法而言稍做了改進(jìn)。實(shí)驗(yàn)中進(jìn)行核密度估計(jì)的核是Epanechnikov核,通過(guò)當(dāng)前密度估計(jì)與候選密度估計(jì)的比較,來(lái)判定跟蹤的下一幀的位置。實(shí)驗(yàn)表明,該算法能有效的、準(zhǔn)確地跟蹤視頻中的運(yùn)動(dòng)目標(biāo),計(jì)算量小,可以滿足實(shí)時(shí)性要求高的場(chǎng)合。
　　 最后,建立了面向復(fù)雜條件