学位论文 > 优秀研究生学位论文题录展示

视频序列中的目标检测和分类研究

作　者: 董智超
导　师: 赵亦工
学　校: 西安电子科技大学
专　业: 模式识别与智能系统
关键词: 运动检测目标分类支持向量机规范化的视向距离
分类号: TP391.41
类　型: 硕士论文
年　份: 2012年
下　载: 31次
引　用: 1次
阅　读: 论文下载

内容摘要

随着网络、通信和微电子技术的飞速发展，具有特定功能的视觉分析系统以其直观、方便和内容丰富等特点，受到人们越来越多的关注，其中交通监控领域应用最为广泛。然而，全天候监控捕获的大量视频信息，若采用人工搜索方法来寻找目标，不仅效率低下，由人为因素造成的失误亦是难以避免。因此，人们希望计算机能具有类似人类视觉系统的能力，可以分析、理解图像或视频的内容，以实现视频分析系统的智能化、实用化，视频分析技术应运而生。视频分析技术主要是处理包含各种运动目标的视频序列，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，其研究内容是在运动检测和跟踪的基础上，依据提取的运动目标区域形状特征和运动属性，对运动目标区域进行语义上的分类。目标分类技术研究对更高层次的视频理解技术的发展有重要意义。本文对基于静止摄像机的运动目标分类算法进行了研究，并实现了对视频序列中行人和车辆的分类。提出了一种新的形状特征：规范化的视向距离，通过结合该特征和一些常用特征，使用基于背景建模和支持向量机(Support VectorMachine，SVM)的运动目标识别系统对每一帧的目标进行分类。最终的结果表明，本文的算法能够有效的识别视频中的行人和车辆，对背景遮挡和背景扰动具有较强的鲁棒性。

全文目录

摘要  3-4
ABSTRACT  4-7
第一章绪论  7-11
  1.1 引言  7
  1.2 研究背景和意义  7-8
  1.3 研究现状  8-9
  1.4 主要研究工作和论文安排  9-11
第二章运动目标检测  11-25
  2.1 引言  11
  2.2 光流法  11-13
  2.3 帧间差分法  13-16
  2.4 背景差分法  16-18
    2.4.1 影响背景建模的因素  16-17
    2.4.2 背景建模  17-18
  2.5 结合帧间差分的高斯背景模型  18-20
  2.6 前景处理和运动目标分割  20-25
    2.6.1 形态学滤波  21-22
    2.6.2 连通性分析和 Blob 划分  22-25
第三章运动目标分类  25-41
  3.1 运动特征  25-26
  3.2 静态特征  26-35
    3.2.1 颜色特征  26-30
    3.2.2 纹理特征  30-31
    3.2.3 形状特征  31-35
  3.3 一种新的形状特征  35-39
  3.4 基于形状特征的目标分类  39-41
第四章支持向量机模式识别  41-51
  4.1 机器学习和统计学习理论  41-45
    4.1.1 机器学习  42
    4.1.2 统计学习理论  42-45
  4.2 支持向量机理论  45-51
    4.2.1 支持向量机模型  46-48
    4.2.2 多类情况下的 SVM  48-51
第五章试验结果与结论  51-57
  5.1 基于 SVM 的分类系统  51
  5.2 试验结果  51-55
  5.3 总结和展望  55-57
致谢  57-59
参考文献  59-61
在读期间研究成果  61-62

视频序列中的目标检测和分类研究

内容摘要

全文目录

相似论文