復雜交通環(huán)境下的人體運動目標識別算法研究.pdf

1、復雜交通環(huán)境中基于視頻圖像序列的多目標跟蹤與識別技術是智能交通監(jiān)控系統(tǒng)領域近年來備受關注的熱點之一,其涉及的技術知識十分廣泛,包括計算機視覺、圖像處理與模式識別、人工智能、通信等技術的綜合應用。本文以實現(xiàn)智能視頻監(jiān)控系統(tǒng)的一個重要環(huán)節(jié)——多目標的識別為方向,針對車載監(jiān)控視頻中的人體運動目標的識別及涉及的相關問題進行深入研究。通過分析現(xiàn)有的目標識別技術,針對傳統(tǒng)目標識別方法和近年來王守覺院士提出的從人類認識事物角度出發(fā)的仿生模式識別法的比

2、較,本文提出基于模糊K.近鄰改進的高維仿生人體運動目標識別法和結合仿生模式識別和Adaboost的人體目標識別法,實驗結果驗證了兩種方法的有效性和優(yōu)越性。
　　 首先,本文研究了復雜交通環(huán)境下基于視頻圖像基礎處理技術。對視頻圖像進行預處理,包括圖像的去噪和增強處理,采用不同的方法進行實驗對比分析,選擇中值濾波和直方圖均衡化處理法作為本文的圖像預處理技術。通過分析復雜交通環(huán)境下的各種動態(tài)場景變化和多目標提取的難題,采用基于改進的自

3、適應混合高斯模型的背景差減法的運動目標提取法。在運動目標特征提取階段,詳細分析人體運動目標的特征,在運動目標輪廓圖像的基礎上,融合基于輪廓的邊界矩特征、形狀特征和梯度特征參數(shù)作為人體運動目標的特征值。
　　 在人體運動目標識別算法中,根據(jù)基于高維空間覆蓋的仿生模式識別理論及人體運動目標在特征空間中的分布,設計三角形神經元實現(xiàn)運動目標樣本的覆蓋。并針對覆蓋空間構造方法,提出基于密度選擇的三角形神經網絡空間覆蓋算法。在仿生模式識別算