| 主权项 |
1.一种视频监控系统中运动目标的检测与识别方法，其特征是基于分块的帧间差分与背景减除相结合的运动目标检测：采用基于分块的帧间差分，即前后两帧各子块相减，与背景减除相结合的运动目标检测方法，分两步进行，首先对视频图像进行分块，然后用帧间差分方法对每个子块进行差分运算；根据差分结果实现对运动图像进行粗分割，分离出背景区域和前景区域；背景区域用来构造和更新背景模型；背景图像构造完成后，利用背景图像对每帧图像中粗分割出的运动区域进行差分，差分图像中灰度值满足一定阈值，阈值在20～40之间，满足阈值的像素点被认为是运动目标的像素点，然后对所有运动目标像素点进行聚类，并利用在HSV空间中阴影的特征进行阴影处理，最终获取视频图像中精确的运动目标；基于粗糙集预处理的支持向量机运动目标识别方法是在识别阶段时，根据检测目标的轮廓提取目标的各种特征信息，包括长宽比、形状简单度以及多个方向的轮廓图像的重心点到图像边界的距离；获取的这些特征利用粗糙集理论进行约简，提取出对分类有利的特征；最后采用多类的支持向量机，构造一个多目标分类器，对检测出运动目标进行快速识别；在目标识别阶段，采用心形形状特征识别方法，依次每隔一定角度<maths num="0001"><![CDATA[<math><mrow><mi>α</mi><mo>=</mo><mfrac><mrow><mn>2</mn><mi>π</mi></mrow><mi>d</mi></mfrac><mo>,</mo></mrow></math>]]></maths>取从目标轮廓图像的重心点到图像边界的距离作为一个特征分量r<sub>i</sub>，i＝1，2，...，d，；这些分量间隔呈放射状分布，指向目标的轮廓线；如果某个向量不止一次穿过目标轮廓的边界，则选择距离最远的，将各向量的长度按顺序表示为目标形状的特征向量；并对上述特征进行规一化，即<maths num="0002"><![CDATA[<math><mrow><msubsup><mi>r</mi><mi>i</mi><mo>*</mo></msubsup><mo>=</mo><mfrac><msub><mi>r</mi><mi>i</mi></msub><mrow><munder><mi>max</mi><mrow><mi>j</mi><mo>=</mo><mn>1,2</mn><mo>,</mo><mo>,</mo><mi>d</mi></mrow></munder><mrow><mo>{</mo><msub><mi>r</mi><mi>j</mi></msub><mo>}</mo></mrow></mrow></mfrac></mrow></math>]]></maths>把<img file="C200710020067C00023.GIF" wi="32" he="55" />仍记做r<sub>1</sub>；做规一化处理，使特征向量具有伸缩不变性；从特征向量的抽取过程中可以看出，特征向量只与目标的轮廓有关；把长宽比、边界复杂度特征与表示目标轮廓形状特征r<sub>i</sub>，i＝1，2，...，d一起作为目标分类特征，记做：F＝(f<sub>h/w</sub>，f<sub>c</sub>，r<sub>1</sub>，r<sub>2</sub>，...，r<sub>d</sub>)；该特征向量维数为d+2；利用粗糙集方法对目标特征进行约简：分别把需要分类的四类目标表示为1、2、3、4：1表示单个行人，2表示车辆，3表示人群，4表示自行车；然后从包含n个样本集中提取特征，构造一个信息表，然后利用粗糙集方法对该信息表进行特征约简，最终获得一个约简后的信息表，该表中已包含较少的k个特征分量和m个样本数据，即m≤n，并且k≤d+2。 |
