計算機視覺監(jiān)控中的運動目標分類算法研究.pdf

1、本文的課題來源于臺灣致伸科技股份有限公司與中山大學圖形圖像技術實驗室的合作項目：視頻索引與檢索的關鍵技術。 動態(tài)場景的視覺監(jiān)控，是近幾年計算機視覺研究中最為活躍的研究方向之一。單個攝像頭的視覺監(jiān)控系統(tǒng)一般包括以下階段：環(huán)境建模，運動檢測，運動目標分類，跟蹤，行為理解和描述，以及人身份鑒別等。其中，運動目標分類是把檢測到的運動區(qū)域進行歸類，或者說是為原始視頻數(shù)據(jù)中的運動目標賦予“類別語義”。運動目標分類問題本質上是一個模式識別問題

2、。 本文重點研究基于形狀分析技術的運動目標分類算法，在經(jīng)典的基于半徑序列、自我回歸模型和隱馬爾可夫模型的二維形狀分類技術的基礎上，通過分析其優(yōu)點和缺點，提出了基于曲率系數(shù)和隱馬爾可夫模型的運動目標分類算法。算法采用曲率系數(shù)序列作為形狀表示，用隱馬爾可夫模型從曲率系數(shù)序列中訓練隱含的類別模式。采用輪廓的曲率系數(shù)序列來描述運動目標有以下優(yōu)點：（1）平移不變性，曲率系數(shù)序列不會因為運動目標的平移而改變；（2）目標的旋轉等價于曲率信號的