遠程實時運動目標識別技術(shù)的研究.pdf

1、隨著多媒體技術(shù)的發(fā)展和計算機性能的提高，基于圖像處理的智能監(jiān)控系統(tǒng)有很大的需求并得到了越來越廣泛的應用，比如交通、公安、醫(yī)療、軍事、電信、金融等系統(tǒng)、領(lǐng)域的安全監(jiān)控、自動監(jiān)控和遠程監(jiān)控。 運動目標的檢測、識別是智能監(jiān)控系統(tǒng)中的一個重要的研究課題。本論文從算法分析和實驗研究兩個角度，對智能圖像監(jiān)控系統(tǒng)中的關(guān)鍵技術(shù)——運動目標檢測與識別技術(shù)及其實時處理方法進行了研究。在滿足實時性要求的前提下，解決了目標檢測、目標分割精度和識別準確性

2、的問題。 具體地說，本論文的研究內(nèi)容主要包括圖像預處理、目標運動信息提取、圖像分割、目標識別幾個部分： 首先采用快速中值濾波和線性灰度變換對圖像進行預處理，提高了圖像的質(zhì)量；然后采用基于序列圖像差分的鄰域比較方法獲取目標的運動信息，該方法簡單、易實現(xiàn)，并有一定的降噪功能，增強了系統(tǒng)的抗干擾能力。 在圖像分割中采用了由粗到精的兩步分割的策略。特別地，在目標精分割中，本論文提出了一種基于一維最大類間方差和區(qū)域生長法的

3、新的分割算法，算法中對區(qū)域生長法作了改進，提出了一種帶約束條件的生長規(guī)則和一種新的生長策略，降低了算法的復雜度，減小了運算量，克服了因目標圖像模糊或目標的灰度不均勻造成的分割失敗，實現(xiàn)了跟蹤過程中目標圖像的快速、準確分割。 針對運動目標準確識別的難題，提出了兩種識別方法：即基于目標整體形狀的BP神經(jīng)網(wǎng)絡識別方法和基于目標頭肩區(qū)域形狀特征的遺傳神經(jīng)網(wǎng)絡識別方法。采用遺傳神經(jīng)算法能夠克服以往神經(jīng)網(wǎng)絡設(shè)計時，人為確定帶來的弊病，有效縮