基于特征信息提取的目標(biāo)識(shí)別算法研究.pdf

1、目標(biāo)識(shí)別是計(jì)算機(jī)視覺中一個(gè)重要的研究領(lǐng)域。經(jīng)過幾十年的研究和發(fā)展，目標(biāo)識(shí)別算法已經(jīng)取得了顯著的理論成果并且廣泛應(yīng)用于社會(huì)的各個(gè)領(lǐng)域，很大程度地提高了人們的生活質(zhì)量。隨著城市交通設(shè)施的不斷完善，交通工具數(shù)量日益增加，交通壓力急劇增大，事故發(fā)生率顯著上升，智能交通監(jiān)控勢(shì)在必行。而智能交通監(jiān)控是以交通目標(biāo)識(shí)別為前提的，鑒于交通目標(biāo)識(shí)別算法的重要作用和重大價(jià)值，對(duì)交通目標(biāo)識(shí)別算法的研究和改進(jìn)具有深遠(yuǎn)的意義。
　　 針對(duì)交通目標(biāo)的特點(diǎn)，本

2、文展開了對(duì)特征提取函數(shù)的分析。在此基礎(chǔ)之上，進(jìn)而深入研究了基于SVM的目標(biāo)識(shí)別算法和基于特征點(diǎn)匹配的目標(biāo)識(shí)別算法。
　　 由于交通場景的復(fù)雜性及交通目標(biāo)運(yùn)動(dòng)的特殊性，分析并比較了多種適合對(duì)交通目標(biāo)進(jìn)行特征提取的函數(shù)。在深入研究支持向量機(jī)方法理論和應(yīng)用原理之后，完成了基于SVM的目標(biāo)識(shí)別算法設(shè)計(jì)，構(gòu)造了SVM交通多模式類分類器，通過該SVM多模式類分類器實(shí)現(xiàn)對(duì)交通目標(biāo)的識(shí)別。實(shí)驗(yàn)結(jié)果表明該方法有良好的識(shí)別效果。此外，實(shí)驗(yàn)中還比較了

3、不同特征對(duì)目標(biāo)識(shí)別的貢獻(xiàn)，這為有效特征的選擇提供了依據(jù)。在此基礎(chǔ)上，提出了一種基于目標(biāo)識(shí)別的卡爾曼多目標(biāo)跟蹤算法，通過目標(biāo)識(shí)別算法解決了卡爾曼多目標(biāo)跟蹤中的質(zhì)心參數(shù)更新的問題，提高了卡爾曼多目標(biāo)跟蹤的準(zhǔn)確率。
　　 在基于SVM的目標(biāo)識(shí)別算法的實(shí)驗(yàn)中，目標(biāo)識(shí)別的效果會(huì)受目標(biāo)檢測(cè)結(jié)果的影響。為了避免目標(biāo)檢測(cè)不準(zhǔn)確導(dǎo)致目標(biāo)識(shí)別效果變差的問題，研究了不依賴于目標(biāo)檢測(cè)結(jié)果的目標(biāo)局部特征——特征點(diǎn)的提取方法，完成了基于SIFT特征匹配的目