智能視頻監(jiān)控中基于多特征的運(yùn)動目標(biāo)分類.pdf

1、社會經(jīng)濟(jì)不斷發(fā)展的同時，人類能夠活動范圍也隨之變廣，產(chǎn)生的監(jiān)控視頻數(shù)據(jù)也上升為海量級別。這使得對視頻中的圖像數(shù)據(jù)進(jìn)行處理與分析，并提取其中的有用信息的智能視頻監(jiān)控系統(tǒng)得到越來越廣泛使用。在這種背景下，如何能將檢測到的運(yùn)動目標(biāo)按照預(yù)計(jì)的分類進(jìn)行準(zhǔn)確分類，已在智能視頻監(jiān)控系統(tǒng)中表現(xiàn)得尤為突出，如在公共場合安全監(jiān)控、智能交通監(jiān)控等處得到極大關(guān)注。智能視頻監(jiān)控主要包括對視頻圖像序列中的運(yùn)動目標(biāo)進(jìn)行檢測、跟蹤、分類和行為分析等處理過程。通過對現(xiàn)有

2、的運(yùn)動目標(biāo)檢測方法進(jìn)行比較與研究，選擇基于隨機(jī)樣本的背景建模方法作為研究基礎(chǔ)。運(yùn)動目標(biāo)的跟蹤算法中學(xué)習(xí)了簡單的最近鄰跟蹤，并在此方法之上提出基于線性預(yù)測的最近鄰跟蹤。
　　運(yùn)動目標(biāo)分類技術(shù)不僅能減少監(jiān)控人員的工作量，也為運(yùn)動目標(biāo)的后續(xù)分析處理提供依據(jù)。在前一步工作的基礎(chǔ)上，首先對現(xiàn)今常用目標(biāo)特征進(jìn)行分析。并學(xué)習(xí)了SVM及K-means的分類方法，在此基礎(chǔ)上提出了基于SVM與K-means的在線半監(jiān)督分類方法。此算法不僅能根據(jù)已有的