学位论文 > 优秀研究生学位论文题录展示

基于形状特征的运动目标分类方法研究

作　者: 刘丽丽
导　师: 邹北骥
学　校: 湖南大学
专　业: 计算机应用技术
关键词: 目标分类 运动检测 目标跟踪 支持向量机 时间一致性约束 场景相关特征
分类号: TP391.41
类　型: 硕士论文
年　份: 2006年
下　载: 473次
引　用: 11次
阅　读: 论文下载
 

内容摘要


基于视频的运动分析主要针对包含各种运动目标的视频图像序列进行处理,从场景中检测、跟踪、分类识别目标,并对其行为进行理解和描述。其中,目标分类是基于视频的运动分析课题中的一个重要方面,其研究内容是对提取的运动目标进行语义上的分类,将不同的目标对应于不同的类别。目标分类研究主要应用于场景中的行为理解。解决多目标非线性分类问题,对于自动视频理解技术的发展有重要意义。本文研究基于静止单摄像机的普通户外场景下的运动目标分类技术,在总结分析目标分类研究现状和当前国内外已有算法的基础上,提出了一种基于形状特征和支持向量机的目标分类算法,将视频中检测到的目标分类为几种常见的目标类别:人、人群、车、自行车。主要工作如下:1.首先,对输入图像进行预处理,采用自适应高斯背景模型方法提取出运动的前景区域,对前景图像进行去噪,分割处理,确定目标区域并对目标进行跟踪。在此基础上,对运动目标进行特征提取,本文定义了几种简单有效的形状特征,可以较好的适应目标形状有一定变化的情况。2.构建了基于小样本学习理论的多类支持向量机分类器,用已标记样本对分类器进行训练,较好地解决了多类别非线性目标分类问题。训练好的分类器便可以用来对未知目标样本进行分类。3.研究了提高目标分类性能的一些方法。提出隔帧分类的思想,将每帧都进行的特征提取与分类处理改为隔帧处理,降低了分类算法的时间复杂度,并描述了利用时间一致性约束和场景相关特征提高分类效率的方法。实验结果表明,本文提出的方法可以较好地区分人、人群、车、自行车四种目标,并对目标多角度、姿态变化、目标含有少量影子、目标区域提取不太完整等形状变化有一定适应性,总体达到了98.73%的测试分类率。

全文目录


学位论文原创性声明和学位论文版权使用授权书  4-5
摘要  5-6
ABSTRACT  6-10
插图索引  10-12
附表索引  12-13
第1章 绪论  13-24
  1.1 研究背景及意义  13-14
  1.2 国内外研究现状  14-18
  1.3 涉及的学科领域  18-20
  1.4 视频运动分析技术的应用  20-22
  1.5 本文主要研究工作  22-23
  1.6 本文组织结构  23-24
第2章 目标分类理论基础及相关研究  24-38
  2.1 图像特征描述  24-31
    2.1.1 形状特征  25-27
    2.1.2 纹理特征  27-29
    2.1.3 颜色特征  29-31
  2.2 目标分类方法  31-35
    2.2.1 基于形状信息的分类  31-33
    2.3.2 基于运动特性的分类  33-35
    2.2.3 混合方法  35
  2.3 目标分类相关问题  35-37
    2.3.1 运动目标的定位问题  35-36
    2.3.2 有监督学习与半监督学习  36-37
    2.3.3 场景相关知识在分类中的作用  37
  2.4 本章小结  37-38
第3章 基于形状特征的目标分类算法  38-53
  3.1 目标分类问题描述  38-39
    3.1.1 本文目标分类问题描述  38
    3.1.2 目标分类问题尚未很好解决  38-39
    3.1.3 解决目标分类问题的价值  39
  3.2 算法思路及目标分类的预处理  39-43
    3.2.1 算法思路  39-40
    3.2.2 目标检测  40-43
    3.2.3 目标跟踪  43
  3.3 运动目标特征提取与表示  43-47
    3.3.1 视频图像的两种特征  44
    3.3.2 特征选择  44-47
  3.4 分类器构造  47-52
    3.4.1 支持向量机理论  47-50
    3.4.2 多类支持向量机  50-51
    3.4.3 特征训练  51-52
  3.5 本章小结  52-53
第4章 实验与分析  53-64
  4.1 引言  53
  4.2 实验步骤  53-54
  4.3 实验结果  54-57
  4.4 发现的问题  57-58
  4.5 提高目标分类性能的技术  58-62
    4.5.1 采用隔帧分类的思想  58-59
    4.5.2 利用时间一致性约束  59-60
    4.5.3 利用场景相关特征  60-62
  4.6 实验比较  62
  4.7 本章小结  62-64
结论与展望  64-66
参考文献  66-71
附录 A 攻读学位期间完成的论文和参加的项目  71-72
致谢  72

相似论文

  1. 基于SVM的常压塔石脑油干点软测量建模研究,TE622.1
  2. 基于SVM的高速公路路面浅层病害的自动检测算法研究,U418.6
  3. 基于PCA-SVM的液体火箭发动机试验台故障诊断算法研究,V433.9
  4. 带径向速度观测的跟踪算法研究,TN953
  5. 基于VRPF的机动目标跟踪的研究,TN957.52
  6. 空间目标ISAR成像仿真及基于ISAR像的目标识别,TN957.52
  7. 音乐结构自动分析研究,TN912.3
  8. 多传感器组网及反隐身、抗干扰接力跟踪技术研究,TN953
  9. 基于三维重建的焊点质量分类方法研究,TP391.41
  10. 胆囊炎和肾病综合症脉象信号的特征提取与分类研究,TP391.41
  11. 直推式支持向量机研究及其在图像检索中的应用,TP391.41
  12. 空间交会接近视觉测量方法研究,TP391.41
  13. 基于SVM的中医舌色苔色分类方法研究,TP391.41
  14. 基于嵌入式图像处理单元的运动目标跟踪系统研究,TP391.41
  15. 基于图像的路面破损识别,TP391.41
  16. 移动机器人视觉检测和跟踪研究,TP242.62
  17. 运动特征及地形约束的感知网目标跟踪算法及系统研究,TP212.9
  18. 基于支持向量机的故障诊断方法研究,TP18
  19. 过程支持向量机及其在卫星热平衡温度预测中的应用研究,TP183
  20. 基于粒子滤波的自主机器人视觉目标跟踪研究,TP242
  21. 基于监督流形学习算法的固有不规则蛋白质结构预测研究,Q51

中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理（信息加工） > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com