基于机器学习的运动目标识别与跟踪技术研究
文献类型：期刊论文
| 作者 | 李帅
|
| 刊名 | 中国科学院长春光学精密机械与物理研究所
 |
| 出版日期 | 2016-10-01 |
| 期号 | 6 |
| 关键词 | 码本算法 三帧差分法 HOG特征 SVM 并行协同化 |
| 中文摘要 | 智能视频监控技术是当今热门研究方向,广泛应用在交通视频监控、航天航空、机器人视觉、医学图像等诸多领域。很多学者对此课题研究已经做出大量的成果,但在实际应用中仍有一些问题有待解决。本文基于运动目标识别和跟踪技术展开研究,目的是实现更有实际应用意义和经济价值的智能视频监控系统。本文的主要目标在于实现复杂背景下抗干扰抗遮挡的特定运动目标自动检测与实时跟踪一体化,首先通过目标检测算法提取运动目标,再用机器学习对目标进行识别,最后利用并行协同工作策略进行实时跟踪。主要包括三个方面的工作:运动目标检测方面,通过比较传统算法,提出一种基于码本算法和三帧差分法相结合的运动目标检测算法,利用码本算法对背景图像进行学习,再利用三帧差分法对视频图像进行目标提取,并采用Log边缘检测和连通域填充得到目标前景,将码本算法得到的目标前景与该前景对象进行逻辑“与”运算,得到前景运动目标。该方法可以完整高效地从复杂背景中提取出运动目标,优化了运动目标检测的可靠性和准确度。运动目标识别方面,采用基于梯度方向直方图特征和支持向量机的行人和车辆分类识别方法。首先采集两类样本集,分别提取两类样本的Hog特征对SVM分类器进行训练,SVM通过对样本的学习找到特征向量样本中的支持向量,建立最优分类超平面。再将上述运动目标检测后得到的感兴趣区域作为测试样本,并提取它的Hog特征输入SVM,得到最终分类结果。运动目标跟踪方面,讨论了几种传统跟踪方法的基本原理,采用检测与跟踪并行协同化工作策略,将检测与跟踪分为两个线程同时进行,在感知节点处进行数据传输,定时检测得到的目标信息传送给跟踪线程进行实时跟踪,定时的检测用来不断校正目标以防遮挡及跟丢情况,最终实现了运动目标自动捕获并实时跟踪一体化。 |
| 语种 | 中文 |
| 源URL | [http://ir.ciomp.ac.cn/handle/181722/57566]  |
| 专题 | 长春光学精密机械与物理研究所_中科院长春光机所知识产出 |
| 推荐引用方式 GB/T 7714 | 李帅. 基于机器学习的运动目标识别与跟踪技术研究[J]. 中国科学院长春光学精密机械与物理研究所,2016(6). |
| APA | 李帅.(2016).基于机器学习的运动目标识别与跟踪技术研究.中国科学院长春光学精密机械与物理研究所(6). |
| MLA | 李帅."基于机器学习的运动目标识别与跟踪技术研究".中国科学院长春光学精密机械与物理研究所 .6(2016). |
入库方式： OAI收割
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。