交通視頻中視點無關目標分類與檢索方法研究.pdf

1、隨著網(wǎng)絡、通信和微電子技術的飛速發(fā)展，一些特定功能的視覺分析系統(tǒng)以其直觀、方便和內(nèi)容豐富等特點，日益受到人們的親睞，其中交通監(jiān)控領域應用最為廣泛。然而，全天候監(jiān)控捕獲的大量視頻信息，若采用人工搜索方法來尋找目標，不僅低效，由人為因素造成的失誤亦是難以避免。因此，人們希望計算機能具有類似人類視覺系統(tǒng)的能力，可以分析、理解圖像或視頻的內(nèi)容，以實現(xiàn)視頻分析系統(tǒng)的智能化、實用化，視頻分析技術應運而生。
　　 視頻分析技術主要是處理包含各

2、種運動目標的視頻序列，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(nèi)容是在運動檢測和跟蹤的基礎上，依據(jù)提取的運動目標區(qū)域形狀特征和運動屬性，對運動目標區(qū)域進行語義上的分類。目標分類技術研究對更高層次的視頻理解技術的發(fā)展有重要意義。
　　 目前國外研究機構和國內(nèi)高校在目標分類技術上取得了一定進展，但仍存在一些應用上的限制和不足，其中目標分類的視點依賴性問

3、題是影響分類穩(wěn)定性的主要因素。所謂視點依賴性是指目標的2D特征在投影到圖像平面時發(fā)生了透視形變，從而導致其無法準確的用于分類。本文圍繞運動目標分類及其在交通視頻目標檢索中的應用這一課題，重點闡述分類過程中視點依賴性問題的解決方法，并對各類相關技術進行了研究，具有重要的理論意義和實際價值。
　　 本文的工作主要分以下幾個部分：
　　 (1)介紹目標分類領域基礎理論及相關研究，包括目標的特征表達、目標分類方法、運動目標檢測

4、與跟蹤以及場景知識在目標分類中的作用。
　　 (2)提出了一種基于kalman預估模型和最大化后驗概率匹配的粘連目標跟蹤方法，實現(xiàn)了目標相互遮擋時連續(xù)穩(wěn)定跟蹤。
　　 (3)針對目標分類中遇到的視點依賴性問題，介紹當前具有代表性的三種目標2D特征透視變形的矯正方法，并提出了基于地平面矯正的目標2D特征恢復算法。在標準化后特征的基礎上，采用多類支持向量機實現(xiàn)視點無關運動目標分類。
　　 (4)研究基于目標特征