視頻監(jiān)控中運動目標(biāo)分類方法研究.pdf

1、智能視頻監(jiān)控作為計算機視覺領(lǐng)域的一個新興的研究方向,在軍事和生活領(lǐng)域擁有廣闊的發(fā)展前景。智能視頻監(jiān)控的主要目的是對視頻圖像序列中的運動目標(biāo)進(jìn)行檢測、跟蹤、分類和行為分析。目標(biāo)分類作為智能視頻監(jiān)控的一個關(guān)鍵步驟,其目的是對提取的運動目標(biāo)進(jìn)行語義上的分類,為目標(biāo)跟蹤或行為分析提供信息。
　　 本文主要研究基于靜止單攝像機的普通戶外場景下的運動目標(biāo)分類。目標(biāo)分類的準(zhǔn)確性是由采集信息的質(zhì)量決定的。然而,在戶外場景下進(jìn)行信息采集時,難免會

2、受到光照變化、遮擋、天氣等外界因素的干擾。運動目標(biāo)自身姿勢、位置、角度的變化也會給信息的采集帶來困難。在這樣復(fù)雜的外界環(huán)境下,若要做到準(zhǔn)確的分類,同時滿足智能視頻監(jiān)控系統(tǒng)實時性的特點,必須選擇最能反映目標(biāo)本質(zhì)的特征集合,并且提高分類器的分類速度和性能。
　　 本文正是從這兩個方面著手,主要進(jìn)行了以下幾方面的工作:
　　 (1)在特征選擇方面,提出了一種新的構(gòu)造特征集合的算法。首先,提取運動目標(biāo)的多個特征,然后利用這種算法

3、對每一種特征的分類性能進(jìn)行評價,最后選出分類貢獻(xiàn)率最高的一組特征構(gòu)成特征集合。通過這種方法進(jìn)行特征選擇后,在保證分類精度的前提下提高了分類速度。
　　 (2)對局部二進(jìn)制模式(LBP)進(jìn)行改進(jìn),并將其用于視頻目標(biāo)分類。近年來,局部特征因其較強的魯棒性,成為研究熱點。局部特征在目標(biāo)識別和圖像匹配方面得到了廣泛的應(yīng)用,卻很少被用于視頻目標(biāo)分類,主要是因為其計算量較大,且對攝像頭的分辨率要求較高。LBP算子是一種有效的紋理描述子,而且