基于視頻圖像序列的目標(biāo)檢測及跟蹤算法研究.pdf

1、視頻圖像序列的目標(biāo)檢測與跟蹤就是對連續(xù)圖像序列中的每幀圖像進(jìn)行目標(biāo)識別與定位。本文在對常見的神經(jīng)網(wǎng)絡(luò)模型進(jìn)行分析后，重點(diǎn)研究了兩種目標(biāo)檢測和跟蹤算法，分別是基于改進(jìn)SNoW(Sparse Network of Winnows)神經(jīng)網(wǎng)絡(luò)的目標(biāo)跟蹤算法和基于多特征融合的煙霧檢測算法。
　　本文提出的一種基于改進(jìn)SNoW神經(jīng)網(wǎng)絡(luò)的目標(biāo)跟蹤算法，改進(jìn)的SNoW神經(jīng)網(wǎng)絡(luò)改變了圖像尺寸標(biāo)準(zhǔn)化方式，并只訓(xùn)練正樣本，對 SNoW結(jié)果進(jìn)行加權(quán)處理以

2、及擴(kuò)張式學(xué)習(xí)訓(xùn)練方式，能夠克服傳統(tǒng)網(wǎng)絡(luò)不能靈活適應(yīng)各種尺寸圖像輸入，以及需要事先抽取大量訓(xùn)練樣本獲取先驗(yàn)知識的不足。大量實(shí)驗(yàn)證明，該算法不僅是可行的，而且具有一定的優(yōu)越性。
　　本文提出的一種基于多特征融合的煙霧檢測算法，利用電子穩(wěn)像技術(shù)和背景減除法獲得視頻序列圖的動態(tài)特征，在Lab空間中利用改進(jìn)的K-means聚類分割，并提取邊界鏈碼獲得其靜態(tài)特征，最后融合動態(tài)和靜態(tài)特征，獲取煙霧區(qū)域。該算法克服了依靠單一特征檢測煙霧圖像的不足