基于特征融合和支持向量機(jī)的多攝像機(jī)下目標(biāo)匹配技術(shù)研究.pdf

1、隨著信息社會(huì)的日益發(fā)展，智能監(jiān)控系統(tǒng)已經(jīng)在人類生活的各個(gè)方面發(fā)揮著重要的作用。特別是目前成為國(guó)內(nèi)外研究熱點(diǎn)的多攝像頭、多目標(biāo)跟蹤技術(shù)。相對(duì)于技術(shù)已經(jīng)相對(duì)成熟的單攝像機(jī)的目標(biāo)跟蹤，多攝像機(jī)下目標(biāo)跟蹤技術(shù)的實(shí)現(xiàn)則較為困難。目標(biāo)匹配在目標(biāo)跟蹤過(guò)程中起著承上啟下的作用，這使得行人目標(biāo)匹配是智能監(jiān)控系統(tǒng)中多攝像機(jī)協(xié)同的關(guān)鍵技術(shù)之一，提高目標(biāo)匹配的效率和準(zhǔn)確率成為智能監(jiān)控中的研究熱點(diǎn)。
　　本文研究適合在多攝像機(jī)監(jiān)控場(chǎng)景下，融合目標(biāo)的顏色特征

2、和局部特征的行人目標(biāo)匹配技術(shù)。主要內(nèi)容和創(chuàng)新點(diǎn)如下：
　?。?）研究了基于局部特征HOG的目標(biāo)匹配技術(shù)。針對(duì)HOG特征提取過(guò)程復(fù)雜耗時(shí)，做出如下兩點(diǎn)改進(jìn)。首先，提出了一種基于sub-cell結(jié)構(gòu)的HOG特征快速算法，對(duì)其中運(yùn)算量最大的三線性插值過(guò)程進(jìn)行了改進(jìn)，通過(guò)區(qū)域再劃分有效降低了插值的復(fù)雜性，并保證了特征的有效性。另外，針對(duì)彩色圖像，提出了一種結(jié)合人眼視覺(jué)特性的G-HOG方法。
　?。?）研究了融合局部特征和全局特征的目

3、標(biāo)匹配技術(shù)。為了適應(yīng)多攝像機(jī)下不同環(huán)境的匹配需求，提出了多模式多尺度的HOG特征（MultiLevel-HOG）與帶有空間分布信息的顏色聚合向量特征的融合方法，提高了目標(biāo)匹配的魯棒性和準(zhǔn)確性。
　?。?）研究了基于BPSO和SVM聯(lián)合優(yōu)化的目標(biāo)匹配技術(shù)。針對(duì)上述特征融合之后帶來(lái)的維數(shù)過(guò)高的問(wèn)題，本文將支持向量機(jī)同二進(jìn)制的粒子群優(yōu)化相結(jié)合，對(duì)融合特征進(jìn)行特征選擇。進(jìn)一步地，本文在此基礎(chǔ)上提出一種多次特征選擇算法。首先利用SVM結(jié)合B