基于形狀特征的運動目標分類方法研究.pdf

1、基于視頻的運動分析主要針對包含各種運動目標的視頻圖像序列進行處理，從場景中檢測、跟蹤、分類識別目標，并對其行為進行理解和描述。其中，目標分類是基于視頻的運動分析課題中的一個重要方面，其研究內容是對提取的運動目標進行語義上的分類，將不同的目標對應于不同的類別。目標分類研究主要應用于場景中的行為理解。解決多目標非線性分類問題，對于自動視頻理解技術的發(fā)展有重要意義。 本文研究基于靜止單攝像機的普通戶外場景下的運動目標分類技術，在總結分

2、析目標分類研究現狀和當前國內外已有算法的基礎上，提出了一種基于形狀特征和支持向量機的目標分類算法，將視頻中檢測到的目標分類為幾種常見的目標類別：人、人群、車、自行車。主要工作如下： 1.首先，對輸入圖像進行預處理，采用自適應高斯背景模型方法提取出運動的前景區(qū)域，對前景圖像進行去噪，分割處理，確定目標區(qū)域并對目標進行跟蹤。在此基礎上，對運動目標進行特征提取，本文定義了幾種簡單有效的形狀特征，可以較好的適應目標形狀有一定變化的情況。

3、 2.構建了基于小樣本學習理論的多類支持向量機分類器，用已標記樣本對分類器進行訓練，較好地解決了多類別非線性目標分類問題。訓練好的分類器便可以用來對未知目標樣本進行分類。 3.研究了提高目標分類性能的一些方法。提出隔幀分類的思想，將每幀都進行的特征提取與分類處理改為隔幀處理，降低了分類算法的時間復雜度，并描述了利用時間一致性約束和場景相關特征提高分類效率的方法。 實驗結果表明，本文提出的方法可以較好地區(qū)分人、人群