基于圖像序列的運動目標分類研究.pdf

1、基于視頻序列圖像的目標分類識別，是實現(xiàn)智能監(jiān)控的重要內(nèi)容。它通過運動目標檢測提取研究對象，并且對檢索出來的運動對象進行特征提取與描述，分析出物體本身所具備的特征，以進行接下來的針對運動對象的分類識別，并且針對特定的環(huán)境進行相應(yīng)的應(yīng)用。視頻監(jiān)控智能化的實現(xiàn)不僅節(jié)省了大量的人力物力，同時也帶來了更大的經(jīng)濟利潤，為社會的科學(xué)技術(shù)和經(jīng)濟發(fā)展起到了強勁的推進作用。
　　 在本文中，主要研究了固定的單目攝像機背景下的運動目標檢測與識別、運動

2、目標特征提取及目標分類方法、改進及其仿真分析等問題。并圍繞其做了以下幾方面工作:
　　 1.運動目標檢測方面，通過對現(xiàn)有的運動目標檢測方法的綜合比較，利用基于混合高斯背景建模的背景差分法來進行運動目標的提取，并通過基本數(shù)學(xué)形態(tài)學(xué)濾波操作消除噪聲及目標“空洞”，得到較為準確的運動目標。最后通過輪廓分析來對運動目標的特征進行提取。
　　 2.在目標分類方面，對SVM基本原理及基本訓(xùn)練方法進行學(xué)習(xí)，且對支持向量的解結(jié)構(gòu)及空間位

3、置結(jié)構(gòu)進行分析，并在此基礎(chǔ)上結(jié)合模糊向量機確定隸屬度的方法改進了一種基于類中心的SVM訓(xùn)練樣本縮減策略。通過去掉與支持向量無關(guān)的非支持向量樣本，及對支持向量起反作用的噪聲樣本，從而縮減訓(xùn)練樣本集，提高SVM訓(xùn)練速度。
　　 3.針對非線性特征空間中因缺乏映射變化(φ)(x)的具體表達式，從而導(dǎo)致類中心無法直接通過計算得到的問題，采用了一種利用特征空間中尋找最小超球的球心來近似替代類中心的替代策略，從而簡化了運算，減少了時間開銷。