智能交通中運(yùn)動(dòng)目標(biāo)跟蹤與SVM識(shí)別方法研究.pdf

1、智能交通系統(tǒng)（ITS）是未來(lái)交通系統(tǒng)的發(fā)展方向，具有極其重要的科學(xué)意義和廣闊的應(yīng)用前景，這一領(lǐng)域的研究核心是基于視頻的運(yùn)動(dòng)目標(biāo)檢測(cè)、跟蹤和識(shí)別。它融合了先進(jìn)的計(jì)算機(jī)技術(shù)、圖像處理、機(jī)器視覺(jué)、人工智能和模式識(shí)別等多個(gè)領(lǐng)域的高技術(shù)課題，從而建立的一種實(shí)時(shí)、準(zhǔn)確、高效的綜合管理系統(tǒng)。
　　本文介紹了視頻序列圖像中運(yùn)動(dòng)目標(biāo)的檢測(cè)、跟蹤與識(shí)別的基本理論和關(guān)鍵技術(shù)，重點(diǎn)研究了實(shí)時(shí)跟蹤與基于支持向量機(jī)的交通視頻運(yùn)動(dòng)目標(biāo)的識(shí)別。
　　在運(yùn)動(dòng)

2、目標(biāo)檢測(cè)方面，首先對(duì)目前常用的三大檢測(cè)方法（即背景差分、幀間差分、光流場(chǎng)法）進(jìn)行了介紹和歸納，給出了相應(yīng)的實(shí)驗(yàn)結(jié)果，并分析了各自的優(yōu)缺點(diǎn)。然后對(duì)基于自適應(yīng)背景建模的目標(biāo)檢測(cè)方法做了簡(jiǎn)要的概述。為了較準(zhǔn)確地提取運(yùn)動(dòng)目標(biāo)，在實(shí)驗(yàn)后期進(jìn)行了中值濾波、數(shù)學(xué)形態(tài)學(xué)處理等操作。
　　在目標(biāo)跟蹤方面，提出了CamShift算法和Kalman濾波器相結(jié)合的方法。首先根據(jù)OpenCV提供的函數(shù)類庫(kù)、數(shù)據(jù)結(jié)構(gòu)和一些基本的框架，從而搭建一個(gè)運(yùn)動(dòng)目標(biāo)跟蹤

3、系統(tǒng)，該系統(tǒng)包括以下模塊：圖像幀預(yù)處理模塊、運(yùn)動(dòng)目標(biāo)的前景檢測(cè)模塊及運(yùn)動(dòng)目標(biāo)的跟蹤模塊，實(shí)驗(yàn)的跟蹤效果比較理想。
　　最后在目標(biāo)的識(shí)別方面，首先對(duì)支持向量機(jī)（Support Vector Machine，SVM）圖像處理的方法進(jìn)行了研究。綜合分析了運(yùn)動(dòng)目標(biāo)的形狀特征、面積特征和矩特征，將提出的特征向量通過(guò)SVM的離線訓(xùn)練，得到分類器，然后將測(cè)試樣本的特征數(shù)據(jù)作為測(cè)試集，并將其應(yīng)用于人與車、車與車之間的分類識(shí)別中。仿真實(shí)驗(yàn)結(jié)果表明了