基于圖像處理的目標(biāo)識(shí)別及檢測(cè)技術(shù).pdf

1、目標(biāo)識(shí)別及檢測(cè)技術(shù)涉及到計(jì)算機(jī)、信號(hào)處理和生理學(xué)等諸多學(xué)科，是機(jī)器視覺(jué)的核心技術(shù)之一，在智能交通系統(tǒng)、智能定位等研究領(lǐng)域都有重要應(yīng)用。本文受企業(yè)委托，在經(jīng)典算法的研究基礎(chǔ)上，針對(duì)基于靜態(tài)圖像的目標(biāo)識(shí)別技術(shù)與基于動(dòng)態(tài)視頻圖像的運(yùn)動(dòng)目標(biāo)檢測(cè)技術(shù)開展了如下研究工作：
　　(1)以 K-L變換、幀間差法、光流法、背景差分法等傳統(tǒng)算法為理論基礎(chǔ)，通過(guò)實(shí)驗(yàn)對(duì)比分析了經(jīng)典算法的特點(diǎn)及其適用環(huán)境。
　　(2)以車牌漢字識(shí)別為代表，針對(duì)光線變

2、化、污跡遮擋等造成車牌漢字模糊，加大車牌識(shí)別難度，嚴(yán)重影響違規(guī)車輛的有效稽查及跟蹤等問(wèn)題，研究了基于分類的目標(biāo)識(shí)別技術(shù)，本文提出一種結(jié)合高斯金字塔與梯度方向直方圖(HOG)特征的模糊車牌漢字識(shí)別算法。利用金字塔模型多尺度表達(dá)的方法，對(duì)車牌模糊漢字圖像建立兩層高斯金字塔模型，在描述模糊圖像細(xì)節(jié)特征的基礎(chǔ)上突出了主體特征；然后對(duì)兩層高斯金字塔模型提取 HOG特征，拓展了圖像的特征維數(shù)，提高特征對(duì)模糊漢字的識(shí)別能力。仿真結(jié)果顯示，在相同樣本空

3、間下，與 HOG特征法，K-L變換法相比，所提算法在識(shí)別率以及形近字區(qū)分方面均有明顯提高。
　　(3)以動(dòng)態(tài)視頻圖像為研究對(duì)象，研究了在光照、陰影變化等大范圍擾動(dòng)的復(fù)雜背景環(huán)境下，基于目標(biāo)幾何和統(tǒng)計(jì)特征分割的檢測(cè)問(wèn)題。針對(duì)傳統(tǒng)碼本算法(CB)在復(fù)雜背景下，碼本背景模型逐漸背離真實(shí)背景導(dǎo)致運(yùn)動(dòng)目標(biāo)誤判，且運(yùn)動(dòng)目標(biāo)檢測(cè)階段，難以處理目標(biāo)顏色與背景相近等問(wèn)題，本文提出一種改進(jìn)型運(yùn)動(dòng)目標(biāo)檢測(cè)碼本算法。該算法提出雙閾值-Surendra檢測(cè)

4、模型控制碼本模型的更新區(qū)域，解決碼本模型易偏離實(shí)際背景的問(wèn)題，并給出了相關(guān)閾值的選擇原則，進(jìn)一步有效減少運(yùn)動(dòng)目標(biāo)檢測(cè)時(shí)對(duì)前景的誤判；同時(shí)在降低運(yùn)算復(fù)雜度的情況下，結(jié)合YUV顏色空間計(jì)算像素亮度變化，使空間坐標(biāo)軸與亮度變化方向一致，更好的區(qū)分前景與背景顏色相近的情況。仿真結(jié)果表明，該算法在處理復(fù)雜背景環(huán)境下的運(yùn)動(dòng)目標(biāo)檢測(cè)問(wèn)題時(shí)，較傳統(tǒng)碼本算法具有較高的完整性與準(zhǔn)確性。
　　(4)本文基于運(yùn)動(dòng)目標(biāo)檢測(cè)技術(shù)開發(fā)了嵌入式目標(biāo)檢測(cè)系統(tǒng)，結(jié)合