智能多模式行為識別方法的研究.pdf

1、智能視頻跟蹤是近年來新興的一個研究方向,它融合了計算機(jī)視覺、模式識別、人工智能等學(xué)科的技術(shù),形成了一種能從圖像信號中實時地自動識別目標(biāo)、提取和預(yù)測目標(biāo)位置信息、自動跟蹤目標(biāo)運(yùn)動的技術(shù),在安全監(jiān)控、智能交通、視頻壓縮與檢索等方面有廣闊的應(yīng)用前景。
　　 本文在研究了幾種常用的運(yùn)動目標(biāo)檢測算法和運(yùn)動目標(biāo)跟蹤算法的基礎(chǔ)上,設(shè)計并實現(xiàn)了一套智能視頻跟蹤系統(tǒng)。在運(yùn)動目標(biāo)檢測方面,對基于高斯統(tǒng)計模型的背景減法進(jìn)行了改進(jìn),同時提出了一個將高斯

2、模型與幀差法相結(jié)合的檢測系統(tǒng)構(gòu)架,并針對高斯模型檢測結(jié)果易受陰影影響的問題,通過對光照模型和顏色特性的分析,改進(jìn)了基于HSV顏色空間檢測陰影的算法。
　　 卡爾曼濾波計算快速準(zhǔn)確,但是要求運(yùn)動目標(biāo)的狀態(tài)演變要滿足線性高斯的條件(比如在短時間內(nèi)目標(biāo)運(yùn)動是勻速的);粒子濾波能適用于非線性非高斯的系統(tǒng),但是計算和存儲的要求相對比較高。采用Comaniciu等人提出的Mean Shift跟蹤算法,這種方法依賴于由目標(biāo)區(qū)域得到的灰度分布并

3、計算出圖象空間中目標(biāo)中心的位移,能適應(yīng)目標(biāo)運(yùn)動較快且形狀和亮度不斷變化的情況。由于視頻跟蹤的特性,文中實驗部分所用Mean Shift算法與原始的Mean Shift跟蹤算法而言稍做了改進(jìn)。實驗中進(jìn)行核密度估計的核是Epanechnikov核,通過當(dāng)前密度估計與候選密度估計的比較,來判定跟蹤的下一幀的位置。實驗表明,該算法能有效的、準(zhǔn)確地跟蹤視頻中的運(yùn)動目標(biāo),計算量小,可以滿足實時性要求高的場合。
　　 最后,建立了面向復(fù)雜條件