基于特征信息提取的目標識別算法研究.pdf

1、目標識別是計算機視覺中一個重要的研究領(lǐng)域。經(jīng)過幾十年的研究和發(fā)展，目標識別算法已經(jīng)取得了顯著的理論成果并且廣泛應(yīng)用于社會的各個領(lǐng)域，很大程度地提高了人們的生活質(zhì)量。隨著城市交通設(shè)施的不斷完善，交通工具數(shù)量日益增加，交通壓力急劇增大，事故發(fā)生率顯著上升，智能交通監(jiān)控勢在必行。而智能交通監(jiān)控是以交通目標識別為前提的，鑒于交通目標識別算法的重要作用和重大價值，對交通目標識別算法的研究和改進具有深遠的意義。
　　 針對交通目標的特點，本

2、文展開了對特征提取函數(shù)的分析。在此基礎(chǔ)之上，進而深入研究了基于SVM的目標識別算法和基于特征點匹配的目標識別算法。
　　 由于交通場景的復雜性及交通目標運動的特殊性，分析并比較了多種適合對交通目標進行特征提取的函數(shù)。在深入研究支持向量機方法理論和應(yīng)用原理之后，完成了基于SVM的目標識別算法設(shè)計，構(gòu)造了SVM交通多模式類分類器，通過該SVM多模式類分類器實現(xiàn)對交通目標的識別。實驗結(jié)果表明該方法有良好的識別效果。此外，實驗中還比較了

3、不同特征對目標識別的貢獻，這為有效特征的選擇提供了依據(jù)。在此基礎(chǔ)上，提出了一種基于目標識別的卡爾曼多目標跟蹤算法，通過目標識別算法解決了卡爾曼多目標跟蹤中的質(zhì)心參數(shù)更新的問題，提高了卡爾曼多目標跟蹤的準確率。
　　 在基于SVM的目標識別算法的實驗中，目標識別的效果會受目標檢測結(jié)果的影響。為了避免目標檢測不準確導致目標識別效果變差的問題，研究了不依賴于目標檢測結(jié)果的目標局部特征——特征點的提取方法，完成了基于SIFT特征匹配的目