基于支持向量機(jī)的多攝像機(jī)協(xié)同下運(yùn)動(dòng)車輛識(shí)別.pdf

1、隨著社會(huì)經(jīng)濟(jì)的快速發(fā)展和現(xiàn)代科技的巨大進(jìn)步，智能監(jiān)控系統(tǒng)也迎來(lái)了其快速發(fā)展的新契機(jī)，現(xiàn)如今它已被廣泛的應(yīng)用于公共安全、交通、軍事等眾多領(lǐng)域。但是，現(xiàn)階段的智能監(jiān)控系統(tǒng)仍然存在許多關(guān)鍵技術(shù)問(wèn)題需要解決，比如遮擋問(wèn)題、實(shí)時(shí)性問(wèn)題等，特別是在交通擁擠或人流高峰情況下，遮擋問(wèn)題變得更加復(fù)雜，使得多個(gè)目標(biāo)的檢測(cè)、識(shí)別和跟蹤變得更加難以實(shí)現(xiàn)，這無(wú)疑大大增加了系統(tǒng)對(duì)高性能處理算法的需求。傳統(tǒng)的單攝像機(jī)監(jiān)控系統(tǒng)視角單一，對(duì)車輛的識(shí)別率低，若遇遮擋問(wèn)題，

2、則難以或無(wú)法進(jìn)行識(shí)別。針對(duì)上述問(wèn)題，本文采用以下幾種方法展開(kāi)研究:
　　首先，針對(duì)混合高斯模型(GMM)對(duì)噪聲敏感，更新率低的問(wèn)題，提出了一種將支持向量機(jī)（SVM）與混合高斯相結(jié)合的方法來(lái)進(jìn)行背景建模。本方法先通過(guò)混合高斯模型初步建立背景模型，然后通過(guò)一個(gè)模板窗口對(duì)當(dāng)前幀、前一幀以及由GMM獲取的背景圖像進(jìn)行掃描并計(jì)算對(duì)應(yīng)窗口內(nèi)的統(tǒng)計(jì)特征，并利用SVM對(duì)前景背景進(jìn)行分割，最后，融合兩者分割結(jié)果得出最終檢測(cè)結(jié)果。本方法能夠很好地降低

3、噪聲的影響;
　　其次，采用了基于運(yùn)動(dòng)目標(biāo)提取的車輛識(shí)別方法，本方法先用背景減法提取出運(yùn)動(dòng)目標(biāo)區(qū)域，然后利用基于特征融合SVM分類器對(duì)檢出區(qū)域進(jìn)行識(shí)別。本方法大大減少了被檢測(cè)區(qū)域，減少車輛識(shí)別的時(shí)間，同時(shí)減少了背景干擾，提高了系統(tǒng)實(shí)時(shí)性;
　　最后，針對(duì)遮擋問(wèn)題，采用了基于匹配的多攝像機(jī)協(xié)同的運(yùn)動(dòng)車輛識(shí)別方法。首先每個(gè)攝像機(jī)獨(dú)立的進(jìn)行運(yùn)動(dòng)車輛的檢測(cè)和識(shí)別，然后運(yùn)用區(qū)域匹配方法和DS證據(jù)理論將同一目標(biāo)在不同攝像機(jī)下的識(shí)別結(jié)果進(jìn)