基于多特征融合的特定區(qū)域內(nèi)運(yùn)動目標(biāo)分類算法研究.pdf

1、隨著計(jì)算機(jī)技術(shù)和監(jiān)控技術(shù)的發(fā)展，視頻監(jiān)控系統(tǒng)也在不斷加快智能化的步伐。智能視頻監(jiān)控所涉及的各項(xiàng)技術(shù)都對其智能化起著至關(guān)重要的作用。其中，運(yùn)動目標(biāo)分類技術(shù)扮演者承前啟后的重要角色，一方面它承接著目標(biāo)檢測的輸出，另一方面為目標(biāo)行為理解和分析提供必要輸入。目前，智能視頻監(jiān)控系統(tǒng)的應(yīng)用范圍不斷擴(kuò)大，基于語義的目標(biāo)分類技術(shù)已備受各界研究者們關(guān)注，它的研究發(fā)展在很大程度上決定著視頻自動理解技術(shù)的發(fā)展。所以，對運(yùn)動目標(biāo)分類技術(shù)的研究有著長遠(yuǎn)而深刻的意

2、義。
　　本文對現(xiàn)有的運(yùn)動目標(biāo)分類算法以及其所涉及的各項(xiàng)理論知識進(jìn)行了深入的學(xué)習(xí)和研究。由于目標(biāo)分類算法涉及一些不確定因素，所以在實(shí)現(xiàn)的時(shí)候需要做一些界定和說明，如針對的場景、待分類目標(biāo)類別以及采用的特征組合等等。本文針對的是固定攝像頭下的道路監(jiān)控場景，待分類的目標(biāo)類別為行人、自行車/電瓶車以及汽車三類目標(biāo)。并且選用靜態(tài)特征與所提動態(tài)特征相融合的特征項(xiàng)，還引入了對監(jiān)控畫面中手動框定的四邊形區(qū)域進(jìn)行分類的概念。該分類算法各個(gè)階段的工

3、作主要可以總結(jié)為以下幾個(gè)方面:
　　(1)對三種常用的運(yùn)動目標(biāo)檢測方法進(jìn)行研究，并描述了它們的算法原理和實(shí)現(xiàn)步驟。其中，著重介紹了背景差分法，對其背景建模算法給出了三種常見方法:簡單自適應(yīng)背景建模、單高斯背景建模以及混合高斯背景建模，并通過實(shí)驗(yàn)進(jìn)行了對比分析。最后，對各個(gè)目標(biāo)檢測算法的利弊以及適用范圍進(jìn)行了討論。
　　(2)運(yùn)用幾種常見的圖像處理方法來完善目標(biāo)的形狀、輪廓信息，實(shí)現(xiàn)目標(biāo)提取，其主要包括形態(tài)學(xué)操作、連通域標(biāo)識以

4、及團(tuán)塊合并和整理等。據(jù)此，得到較為完善的目標(biāo)區(qū)域信息，然后對其進(jìn)行特征提取。本文采用的是多特征融合的方法，將靜態(tài)特征與所提動態(tài)特征（低三分之一處寬高比變化量）相結(jié)合來識別目標(biāo)，有效地提高了目標(biāo)分類的準(zhǔn)確性。該動態(tài)特征根據(jù)目標(biāo)運(yùn)動的剛性、非剛性原理很好的反映了運(yùn)動的周期性規(guī)律。
　　(3)目標(biāo)分類技術(shù)的最后一個(gè)步驟是構(gòu)造分類器來得出分類結(jié)果。良好的分類算法可以根據(jù)有限的樣本和特征準(zhǔn)確識別出目標(biāo)類別。本文采用適用于小樣本分類的支持向量

5、機(jī)學(xué)習(xí)理論來構(gòu)造分類器。使用分類器進(jìn)行分類主要包括訓(xùn)練和測試兩個(gè)部分，經(jīng)過有監(jiān)督的學(xué)習(xí)后建立起可靠有效的分類面，然后對測試樣本進(jìn)行分類，得出分類結(jié)果。
　　(4)對于傳統(tǒng)的運(yùn)動目標(biāo)分類算法進(jìn)行實(shí)現(xiàn)后，考慮特殊場景的應(yīng)用需求，本文給出了一種基于特定區(qū)域下的運(yùn)動目標(biāo)分類算法。有時(shí)候?qū)τ趯拸V的監(jiān)控畫面，我們只想查看某一塊區(qū)域的目標(biāo)信息，這就使得本文的算法有了研究價(jià)值。該方法首先需要手動標(biāo)定感興趣區(qū)域，并設(shè)為檢測和分類范圍。然后對框定區(qū)域