視頻監(jiān)控中運動目標的檢測、分類識別與跟蹤.pdf

1、隨著時代的進步和發(fā)展，人們對社會安全問題越來越重視。視頻監(jiān)控在其中發(fā)揮了重要的作用。隨著計算機技術(shù)和硬件技術(shù)的不斷發(fā)展更新，為視頻監(jiān)控技術(shù)的智能化發(fā)展提供了充分的硬件平臺和技術(shù)支持。而對視頻中的運動目標進行檢測和分析是智能監(jiān)控的關(guān)鍵技術(shù)之一。在實際生活中，視頻中大部分有意義的信息都包含在運動目標當中，而智能視頻監(jiān)控就是希望通過計算機來完成運動信息的處理。
　　本文對智能視頻系統(tǒng)中的三個部分作了相關(guān)研究，包括運動目標的檢測技術(shù)、運動

2、目標的跟蹤技術(shù)和運動目標的分類識別技術(shù)。對各部分進行研究的主要內(nèi)容如下：
　　1．針對自適應(yīng)混合高斯背景建模學習較慢的問題，本文提出了一種新的學習因子，該學習因子的學習速率隨著權(quán)重的變化而變化。通過實驗對比，證明了該學習因子能夠加快均值和方差的學習。由于檢測出來的目標存在陰影，本文陰影在HSV(Hue，H；Saturation,S;value,V)空間的特點，提出了一個基于自適應(yīng)混合高斯模型的陰影檢測方法。該檢測方法是通過對S、V

3、分量的控制實現(xiàn)陰影檢測。通過實驗對比，證明該檢測模型的時間消耗相對較少且能夠有效的消去目標存在的陰影。
　　2．為了能夠更為準確的提取出目標特征，提出了一個加權(quán)“均值”，采用該“均值”替代其核Fisher判別分析中的類樣本均值進行目標分類識別。該“均值”是對每類的每一幅圖像進行加權(quán)平均，隨著每類圖像的不斷輸入權(quán)重不斷減小。采用該算法進行了兩組對比實驗，實驗一是對視頻中的運動目標進行分類識別，實驗二是對人臉進行識別。經(jīng)實驗證明該算法