基于核方法的視頻運(yùn)動(dòng)目標(biāo)檢測(cè)與特征提取研究.pdf

1、視頻運(yùn)動(dòng)目標(biāo)檢測(cè)與特征提取是計(jì)算機(jī)視覺(jué)技術(shù)研究中的基本內(nèi)容，隨著社會(huì)和科技的發(fā)展，在人工智能、人機(jī)交流應(yīng)用領(lǐng)域中起著極其重要的作用，其涉及了視頻圖像處理和模式識(shí)別等技術(shù)，在指紋識(shí)別、人臉識(shí)別、車牌檢測(cè)跟蹤識(shí)別等得到了廣泛的應(yīng)用，因此具有重要的研究?jī)r(jià)值。目前，核方法得到了廣泛的應(yīng)用，本文結(jié)合核方法，對(duì)視頻運(yùn)動(dòng)目標(biāo)檢測(cè)與特征提取進(jìn)行了研究。
　　本文針對(duì)視頻運(yùn)動(dòng)目標(biāo)檢測(cè)中前景遮擋部分背景而造成的前后景存在相關(guān)性問(wèn)題，提出了基于核獨(dú)立分

2、量分析的視頻運(yùn)動(dòng)目標(biāo)檢測(cè)方法，最小化分量在高維特征空間中的典型相關(guān)性以此來(lái)分離前景核背景。獨(dú)立分量分析假設(shè)了前后景獨(dú)立，逃避了相關(guān)性問(wèn)題。本文中，基于核的獨(dú)立分量分析方法利用了非線性問(wèn)題在高維空間中可能會(huì)變成線性問(wèn)題這一前提，將樣本數(shù)據(jù)映射到高維特征空間，并利用典型相關(guān)分析來(lái)討論分離分量在高維特征空間中的典型相關(guān)性。由此，引出了基于核的獨(dú)立分量分析的兩種目標(biāo)函數(shù)：基于核典型分量分析的核獨(dú)立分量分析（KCCA）和基于廣義方差的核獨(dú)立分量分

3、析（KGV）。KCCA是典型相關(guān)分析在核方法中的應(yīng)用，討論的是分離分量高維映射的第一典型相關(guān)性，而 KGV討論的是分量分量在高維空間中的典型相關(guān)性的整個(gè)頻譜。無(wú)論是KCCA還是KGV都提高了運(yùn)動(dòng)目標(biāo)檢測(cè)的精度。
　　本文在廣義Fock空間中（GF空間），將特征提取問(wèn)題轉(zhuǎn)化成的Volterra級(jí)數(shù)的參數(shù)優(yōu)化問(wèn)題。通過(guò)粒子群優(yōu)化算法優(yōu)化 Volterra級(jí)數(shù)參數(shù)，根據(jù)實(shí)際需要，增強(qiáng)有用特征，減弱無(wú)用特征，使得特征不僅僅滿足模式識(shí)別的要