智能視頻監(jiān)控中的目標(biāo)檢測及分類技術(shù)研究.pdf

1、近年來，對于傳統(tǒng)視頻監(jiān)控系統(tǒng)的智能化水平的提高成為視頻監(jiān)控系統(tǒng)中的技術(shù)升級的核心任務(wù)。而對于運動目標(biāo)的分類識別技術(shù)及基于規(guī)則的運動目標(biāo)行為分析技術(shù)的研究成為了視頻監(jiān)控智能化的重要研究內(nèi)容之一。它們屬于高層次圖像語義分析，目前還面臨許多難點，最主要還是因為低層次和中層次的圖像信息源帶來的影響。本文重點研究了基于幾何特征的運動目標(biāo)分類識別技術(shù)及基于絆線檢測規(guī)則的運動目標(biāo)行為分析技術(shù)，主要的工作有：
　?。?）針對運動目標(biāo)外輪廓對目標(biāo)分

2、類識別中的幾何特征提取的影響，設(shè)計了一種精度更高的運動目標(biāo)外輪廓提取方法。首先通過GMM前景檢測方法得到粗步確定的運動目標(biāo)區(qū)域，然后通過含標(biāo)記的分水嶺方法進行外輪廓區(qū)域粗步定位，最后通過基于HSV空間陰影去除方法及目標(biāo)重構(gòu)方法進行外輪廓區(qū)域精確定位，從而提取出精確的外輪廓。實驗結(jié)果表明，能夠得到更精確的外輪廓。
　?。?）為提高基于幾何特征的目標(biāo)分類識別方法的平均識別率，設(shè)計了一種改進方法。首先，在模式類的預(yù)定義上，依據(jù)目標(biāo)的外輪

3、廓形態(tài)差異，將預(yù)定義的模式類進一步細(xì)分成子模式類；其次，在特征提取上，先提取出高維度特征，再使用偽劃分的方式形成子特征向量組來多角度描述目標(biāo)；最后在分類器分類策略上利用上述子特征向量組的分類結(jié)果綜合判定得到最終分類結(jié)果。實驗結(jié)果表明，該方法對預(yù)定義的4個模式類（人、小汽車、電動車、小人群）有好的結(jié)果，平均識別率達到了99.48％，相對于傳統(tǒng)方法提高了1.8%到4.0%左右。
　?。?）針對當(dāng)前絆線檢測方法的智能化水平較低的情形，設(shè)