智能視頻監(jiān)控系統(tǒng)中目標檢測分類及跟蹤研究.pdf

1、智能視頻監(jiān)控自誕生以來就一直是機器視覺領域的研究難點與熱點。智能視頻監(jiān)控研究的內(nèi)容包括運動目標檢測、目標分類、目標跟蹤、行為分析以及異常個體跟蹤。目前關于這幾個內(nèi)容的研究算法層出不窮，但都在實時性和精確性之間，很難找到最優(yōu)解。
　　 本文在前人的研究基礎上，以實時性和精確性為宗旨，重點對運動目標檢測、目標分類、目標跟蹤進入了深入研究。主要工作如下：
　　 在運動目標輪廓提取方面，在相鄰幀差法的優(yōu)劣分析基礎上，從系統(tǒng)整體效

2、率出發(fā)，采用了一種具有自適應幀間隔的自適應相鄰幀差方法來提取運動前景，其后采用高斯自適應閾值對檢測出的前景圖像進行二值化、膨脹、抽樣等處理，以及采用Suzuki算法進行運動目標輪廓提取。實驗表明，本文的方法能夠滿足視頻監(jiān)控系統(tǒng)對速度的要求，能夠適應不同環(huán)境下多目標的運動目標輪廓提取。
　　 在運動目標分類研究中，對運動目標區(qū)域特征的選擇進行了深入研究。分別對離散度、長寬比、占空比、運動目標高度寬度、形心坐標、以及Hu矩不變量中的

3、Hu1和Hu2進行了分析，發(fā)現(xiàn)長寬比、占空比和運動目標高度寬度能夠有效地應用到運動目標分類中。隨后，針對在實踐中難以確定分類參數(shù)最優(yōu)取值的難題，借助基于粗糙集的數(shù)據(jù)挖掘方法，得到了參數(shù)的最優(yōu)取值范圍。實驗表明，基于數(shù)據(jù)挖掘得出的參數(shù)知識能夠提高運動目標分類正確率。
　　 在運動目標跟蹤方面，根據(jù)分類出來的運動汽車和人這兩類運動目標的不同特性，提出采用不同的策略來進行目標跟蹤。對于汽車，采用基于形心坐標和Hu矩不變量構建特征矢量的