復(fù)雜背景視頻中目標(biāo)檢測(cè)的特征提取與分類算法研究.pdf

1、復(fù)雜背景視頻序列中微動(dòng)目標(biāo)的特征提取與分類算法研究，在運(yùn)動(dòng)目標(biāo)的檢測(cè)與提取的研究領(lǐng)域中，有著十分重要的地位。在對(duì)該領(lǐng)域的研究中，已有的算法大多是基于運(yùn)動(dòng)特征或能量等對(duì)前后幀存在關(guān)聯(lián)關(guān)系的視頻進(jìn)行研究，而對(duì)微動(dòng)目標(biāo)的分割與提取的相關(guān)算法研究較少，本文將研究微動(dòng)目標(biāo)的分割與提取算法，具有重要的理論意義和應(yīng)用價(jià)值。
　　 本文研究復(fù)雜背景視頻中目標(biāo)檢測(cè)的相關(guān)技術(shù):復(fù)雜背景視頻中的目標(biāo)特征提取技術(shù)和目標(biāo)特征分類技術(shù)，以及基于這些技術(shù)下的

2、系統(tǒng)驗(yàn)證和性能分析，主要工作包括:
　　 ①本文對(duì)基于復(fù)雜視頻背景中的目標(biāo)檢測(cè)的特征提取與分類算法下的目標(biāo)檢測(cè)與分割提取算法的國(guó)內(nèi)外研究現(xiàn)狀進(jìn)行闡述，描述特征提取與分類算法的一些理論概念和原理，并進(jìn)行分析總結(jié)。
　　 ②本文對(duì)特征的提取算法進(jìn)行深入研究，對(duì)基于邊緣特征和基于SURF算法的圖像特征提取技術(shù)分別進(jìn)行研究和分析，并總結(jié)兩種算法性能，提出適合本文研究需要的基于邊緣特征的目標(biāo)提取算法。
　　 ③本文對(duì)特征的

3、分類算法進(jìn)行深入的研究，對(duì)基于K-means算法和Adaboost算法進(jìn)行原理分析和算法的流程設(shè)計(jì)，根據(jù)算法的特性，提出基于K-means和Adaboost算法的特征分類算法，使得既能滿足處理時(shí)間效率的要求又能夠防止閉合區(qū)域等孔洞現(xiàn)象，達(dá)到性能效果上的可行性。
　　 ④本文對(duì)多線程下復(fù)雜背景視頻中目標(biāo)檢測(cè)與提取系統(tǒng)進(jìn)行了研究和設(shè)計(jì)，使得在時(shí)間處理上能夠得到有效提高，同時(shí)能夠滿足并發(fā)要求。最終設(shè)計(jì)并要實(shí)現(xiàn)復(fù)雜視頻背景中微動(dòng)目標(biāo)的檢