智能監(jiān)控中運動目標識別與分類技術(shù)研究.pdf

1、智能監(jiān)控中的運動目標識別分類技術(shù)是計算機視覺領(lǐng)域的一個研究熱點,隨著科技的進步、社會的發(fā)展,各行各業(yè)對視頻監(jiān)控的需求不斷增強,使得視頻監(jiān)控系統(tǒng)不斷朝著智能化的方向發(fā)展,引起了國內(nèi)外越來越多的研究學者對智能監(jiān)控領(lǐng)域的高度關(guān)注.該技術(shù)綜合了計算機視覺、模式識別、圖像處理、人工智能等多門學科,其研究課題具有很大的挑戰(zhàn)性和巨大的潛力.
　　智能監(jiān)控的目的是使計算機自動地對得到的序列圖像進行分析,判斷其中的目標的行為,其主要的工作部分有,運

2、動目標檢測、運動目標識別分類、運動目標跟蹤、以及運動目標的行為理解分析等.目標識別分類是整個智能監(jiān)控系統(tǒng)中的重要部分,其目的是要對場景中的目標進行歸類,以預測其行為發(fā)展,在智能監(jiān)控、智能交通以及軍事等方面有著巨大的研究價值和廣泛的應用前景.目前該技術(shù)雖然已取得了一定成果和進步,但在應用上都還存在一些難題需要解決.
　　本文研究了圖像描述方法、圖像處理方法,以及目標分類的相關(guān)理論和常用算法,在分析當前方法和研究現(xiàn)狀的基礎(chǔ)上,提出了針

3、對靜止的單攝像機條件下,對生活中的普通場景下常見的步行者、騎自行車的人、小汽車、以及貨車四類目標進行識別分類的方法,其主要工作如下:
　　首先對獲得的序列圖像進行目標檢測和圖像預處理,通過混合高斯模型進行背景更新,利用背景差分法提取出目標區(qū)域,并將目標區(qū)域進行形態(tài)學去噪,分割圖像;
　　在以上操作的基礎(chǔ)上需要對目標區(qū)域進行特征提取,在特征選擇方面,研究了現(xiàn)有的特征描述方法,并根據(jù)應用場景以及運動目標的特點,采用了基于形狀的描

4、述方法,分別使用了目標外接矩形的長寬比、占空比、分散度特征,同時還引入了Krawtchouk矩不變量特征來表示目標;
　　在分類器的選擇上,建立了基于小樣本學習理論的支持向量機分類器,針對本文的多類識別問題,選擇有向無環(huán)圖的支持向量機來構(gòu)造分類器,首先對要選擇訓練樣本,并對其類別進行標記,然后對分類器進行訓練,以此得到的分類器就可用于對待測目標進行識別分類,該分類器較好地解決了非線性的多類別目標分類問題,同時只需利用較少的訓練樣本