關(guān)于ATM機隔間內(nèi)尾隨檢測算法的研究.pdf

1、ATM機隔間內(nèi)尾隨檢測是智能視頻監(jiān)控系統(tǒng)的一個具體應(yīng)用，它是一種能夠?qū)⑹潞蠓治鲎兂墒虑邦A(yù)警和事中報警的模式，具有實際的研究意義和應(yīng)用價值。本文綜述了尾隨檢測相關(guān)技術(shù)的研究現(xiàn)狀，分析了影響尾隨檢測準確性的幾個難點，設(shè)計了一種對ATM機隔間內(nèi)尾隨事件進行檢測的算法，通過測試驗證了算法的可行性和準確性。主要完成的研究內(nèi)容如下:
　　1.使用差值平均的方法提取閾值圖像，改進了Surendra背景更新算法中使用的固定閾值。根據(jù)對圖像求平均能

2、在一定程度上減少噪聲的原理，計算動態(tài)閾值。對視頻序列中一段時間內(nèi)的所有幀圖像采用相鄰幀差法求差分圖像，然后再利用本文指出的求差分均值圖像的表達式對所有差分圖像求平均，最后得到的平均圖像就是閾值圖像。
　　2.利用局部梯度模式特征和二值化方向梯度直方圖特征，實現(xiàn)對人的頭肩部位進行檢測。本文使用兩種新的局部變換特征對人的頭肩部位進行檢測。其中一種為局部梯度模式，它不是直接利用鄰域內(nèi)像素的灰度值信息，而是利用梯度信息，這樣更能對紋理信息

3、進行描述。另外一種是二值化方向梯度直方圖，而每個塊(block)對應(yīng)的二值化方向梯度直方圖特征值都是一個8位的二進制數(shù)，這樣特征的維數(shù)降低許多，利于算法進行實時處理。
　　3.采用特征置信度的方法對訓(xùn)練后的兩種特征分類器進行評價選擇，實現(xiàn)最終根據(jù)哪個特征分類器對目標進行識別。本文利用支持向量機對樣本的局部梯度模式特征和二值化方向梯度直方圖特征分別進行學(xué)習(xí)訓(xùn)練，得出兩個特征分類器，最后提出使用特征置信度的方法來決定使用哪個特征分類器