視頻序列中運動目標檢測和步態(tài)識別算法研究.pdf

1、由于監(jiān)控環(huán)境的復雜性和不可預測性，采用現(xiàn)有的運動目標檢測算法仍存在誤檢測，會對目標跟蹤和識別產(chǎn)生影響;同時，基于步態(tài)特征的身份識別算法相比指紋、虹膜等具有遠距離、非接觸的特點，但目前的步態(tài)特征身份識別算法還存在識別率不高等問題。為了滿足監(jiān)控系統(tǒng)更高要求，本文在以下三個方面進行了深入研究:
　　 （一）針對偏差均值混合高斯模型中只對單個像素獨立處理和偏差陷入偏小而容易造成誤檢測，利用像素之間相關(guān)性的特點，對不匹配的像素點利用鄰域相

2、關(guān)性進一步進行匹配判斷;閾值根據(jù)不同時刻圖像像素值的范圍而自動調(diào)節(jié)。實驗結(jié)果表明改進后的算法能夠有效抵抗噪聲，減少背景像素誤判斷，提高前景目標的檢測效果。
　　 （二）研究了幾何矩、復數(shù)矩和正交矩的性質(zhì)，得到了不同矩的不變性特征函數(shù)，利用該函數(shù)提取原圖像和幾何變換后圖像的不變性特征，分析得出不同特征函數(shù)對圖像的描述能力、抗噪性及信息冗余度。
　　 （三）為了有效地提高步態(tài)識別算法的識別率，提出了一種新的基于Radon變換

3、和解析Fourier-Mellin變換的步態(tài)識別算法。該算法將原圖像的旋轉(zhuǎn)變化和尺度變化分別轉(zhuǎn)化為相位變化和幅度變化，之后通過定義旋轉(zhuǎn)與尺度不變函數(shù)提取目標圖像的不變性特征進行分類識別。由于不需要對目標圖像二值化和歸一化，從而可以保留圖像的更多細節(jié)信息，避免了重采樣與重量化誤差。實驗結(jié)果表明，該算法應(yīng)用于步態(tài)識別有更高的識別率，可以達到更好的識別效果。
　　 本文的研究內(nèi)容較好地解決了運動目標誤檢測，有效地提高了步態(tài)特征的識別率