基于數字識別的分布式多運動物體檢測研究.pdf

1、隨著計算機對數據處理性能的大幅提升，很多基于機器視覺的應用取得巨大的發(fā)展。視頻圖像處理是機器視覺中比較重要的一種應用研究，也是圖像處理領域中非常重要的研究部分。在基于視頻的多目標檢測與跟蹤的應用中，針對具體和特殊的應用場景，根據識別目標的特性不同，有許多基于不同特征的視頻處理應用，例如基于人臉識別的視頻跟蹤，基于輪廓檢測的視頻跟蹤，基于顏色直方圖的視頻跟蹤算法等。但是，視頻具有很高的復雜性和運動目標本身不確定性，多目標的視頻跟蹤還有很大

2、的研究空間和研究價值。
　　在本文的應用場景中，視頻檢測的對象為農場內的同種動物，例如一片區(qū)域內的雞或者鴨，它們具有3個主要的特點:類型相同;自身特征差異不明顯;數量較多。由于類型相同，不能靠動物的不同形態(tài)特征進行區(qū)分;由于動物之間的特征差異不明顯，不能很容易得通過顏色、輪廓或者臉部特征等特征進行區(qū)分識別;由于數量較多，若找出微小的差異作為特征進行識別，那么算法的復雜度會比較高，在數量較多時，就會嚴重影響識別速度且正確率不能保證。

3、
　　因此本文采用了基于數字識別的檢測方法，即在動物身上貼上數字作為記號，通過識別不同數字，達到順利檢測動物的目的。利用數字作為輔助特征進行識別可以降低對動物本身特征提取的復雜度，減小了計算量，從而可以提高識別的效率。
　　本文研究內容來源于某農場對動物運動情況監(jiān)測的實際需求。將基于視頻的多目標檢測與跟蹤技術應用在農場動物上主要是為了監(jiān)測動物的健康狀況。動物的健康狀況與其運動狀態(tài)有比較密切的聯(lián)系，通過視頻跟蹤，監(jiān)測到每個動物

4、的運動狀態(tài)，對每個動物的運動量和運動時間進行后續(xù)分析，可以初步發(fā)現(xiàn)可能存在問題的動物，便于用戶及時進行問題動物的篩查，減少養(yǎng)殖過程中的損失。
　　本論文的主要研究工作及創(chuàng)新點如下:
　　1.對于同類型多目標的檢測，提出了利用數字作為識別特征進行檢測的方法，可以有效地對同種類型特征區(qū)別不明顯的多物體進行識別，且識別數量增大時，只需要增加數字的編號，不需要重新尋找特征進行算法修改，非常方便高效。
　　2.對于數字識別的算法

5、，創(chuàng)新性地提出了算法仲裁的思想，結合了多種特征進行數字識別，對基于穿越線特征、基于模板匹配和基于SVM(Support VectorMachines)的數字識別的結果進行仲裁，最終得出數字的結果，降低了數字的誤識別率。
　　3.由于數字跟隨動物運動，數字的方向具有隨意性。因此本文提出了利用仿射變換進行數字旋轉矯正的方法，將數字在方向矯正之后進行識別。
　　4.針對數字重疊以及圖像中存在與數字相似的區(qū)域的干擾問題，本文創(chuàng)新性地