視頻中多運(yùn)動(dòng)目標(biāo)分類的研究.pdf

1、隨著計(jì)算機(jī)技術(shù)、數(shù)字圖象處理技術(shù)的不斷發(fā)展,智能視頻監(jiān)控已經(jīng)成為計(jì)算機(jī)視覺(jué)領(lǐng)域的一個(gè)重要研究課題。運(yùn)動(dòng)目標(biāo)分類是智能視頻監(jiān)控的重要組成部分,是目標(biāo)行為分析與理解的基礎(chǔ)。本文在準(zhǔn)確地提取出視頻中的運(yùn)動(dòng)目標(biāo)后,提煉出幾個(gè)有效的目標(biāo)特征,實(shí)現(xiàn)人、汽車、自行車的準(zhǔn)確分類。
　　 在運(yùn)動(dòng)目標(biāo)檢測(cè)方面,本文采用基于幀差法與減背景法相結(jié)合的目標(biāo)檢測(cè)算法檢測(cè)目標(biāo),有助于較為完整地提取出運(yùn)動(dòng)目標(biāo),為運(yùn)動(dòng)目標(biāo)的準(zhǔn)確分類奠定基礎(chǔ)；利用surendra

2、背景更新算法解決了實(shí)驗(yàn)中出現(xiàn)的對(duì)運(yùn)動(dòng)目標(biāo)提取的干擾因素:背景中靜止目標(biāo)移動(dòng)以及前景運(yùn)動(dòng)目標(biāo)長(zhǎng)久停留在背景中的問(wèn)題。
　　 在運(yùn)動(dòng)目標(biāo)提取方面,本文采用基于類間最大方差法的動(dòng)態(tài)閾值分割算法二值化前景圖像,獲得較為完整的運(yùn)動(dòng)目標(biāo)像素；通過(guò)數(shù)學(xué)形態(tài)學(xué)濾波處理去除圖像中的噪聲,然后通過(guò)八連通域標(biāo)識(shí)算法和目標(biāo)碎片整理來(lái)分割得到完整的運(yùn)動(dòng)目標(biāo)。
　　 在運(yùn)動(dòng)目標(biāo)分類方面,本文對(duì)現(xiàn)有常用目標(biāo)特征進(jìn)行提煉,提出了基于長(zhǎng)寬比、空隙率、空隙

3、率變化量的靜態(tài)特征和動(dòng)態(tài)特征相結(jié)合的分類方法；并以DAG—SVM多類分類器作為分類器；針對(duì)人、汽車、自行車姿勢(shì)的多樣性,本文選取了包含各種目標(biāo)姿勢(shì)的訓(xùn)練樣本和測(cè)試樣本,用多類分類器對(duì)訓(xùn)練樣本進(jìn)行訓(xùn)練,并將測(cè)試樣本輸入到已經(jīng)訓(xùn)練好的多類分類器中進(jìn)行分類,得到最終的分類結(jié)果。本文選取的長(zhǎng)寬比、空隙率的變化量特征對(duì)空洞有一定的魯棒性,在出現(xiàn)無(wú)法解決的空洞問(wèn)題的情況下,仍然能夠較為準(zhǔn)確地實(shí)現(xiàn)目標(biāo)分類。
　　 實(shí)驗(yàn)表明,本文的方法能夠?qū)崿F(xiàn)