關(guān)于運動目標特征提取以及車輛顏色識別算法的研究.pdf

1、運動目標特征提取是實現(xiàn)目標分類、識別以及跟蹤的重要手段，也是智能視頻監(jiān)控系統(tǒng)完成更高級別行為理解的前提條件。隨著視頻監(jiān)控技術(shù)的發(fā)展，特征提取在后續(xù)處理中變得關(guān)鍵，相應(yīng)算法成為計算機視覺及模式識別領(lǐng)域的重要研究內(nèi)容。
　　良好的運動目標特征量應(yīng)具有可區(qū)分性、可靠性、獨立性以及數(shù)量少等特點。本文研究了幾種常用的目標特征量，包括Hu不變矩、仿射不變矩、形狀特征、紋理特征、顏色信息、小波矩以及SIFT特征等。重點討論了各不同特征信息在目標

2、分類及目標匹配方面的性能。仿真表明：在對人和車輛進行的分類中，就單個特征而言，目標的體態(tài)比、面積、Hu矩、仿射矩、角二階矩和相關(guān)性（根據(jù)灰度共生矩陣統(tǒng)計得到），以及SIFT特征作用明顯；而在目標匹配方面，借鑒混合高斯模型為每個目標建立模板后再做匹配的方法，與SIFT特征匹配算法都取得了較好的效果，對于顏色單一的車輛，提取顏色信息并計算相似度的方法也可初步實現(xiàn)目標匹配。
　　在交通管理系統(tǒng)中，監(jiān)視人員往往對車輛的顏色較為敏感，因此，

3、車輛的顏色識別就成為車輛管理系統(tǒng)中的重要內(nèi)容。實際環(huán)境中，受室外場景顏色非恒定因素的影響，車輛顏色的識別較為困難。對此，本文研究了一種基于HSL空間的顏色識別算法。其主要思想是：通過劃分HSL顏色空間對顏色進行量化，以此計算車輛區(qū)域的累積顏色直方圖，再根據(jù)一定的門限規(guī)則最終判斷車輛的顏色。針對原始算法的不足，本文做了兩點改進：一是細化顏色，以擴展識別的顏色種類；二是根據(jù)圖像亮度自適應(yīng)的選擇判斷門限，以消減光照變化的影響。算法中，計算累積