智能視頻監(jiān)控平臺中運動目標(biāo)分類的研究與實現(xiàn).pdf

1、智能視頻監(jiān)控平臺的相關(guān)研究是機器視覺領(lǐng)域的一個重要研究方向。隨著經(jīng)濟的快速發(fā)展，科技、社會都在不斷進步，人們的生活水平也在隨之提高，因而各行各業(yè)對智能視頻監(jiān)控的需求也在不斷增強，這使得越來越多的國內(nèi)外學(xué)者投身到智能視頻監(jiān)控平臺的相關(guān)研究工作中。智能視頻監(jiān)控平臺的主要作用是對監(jiān)控視頻中的特定目標(biāo)進行檢測、分類、跟蹤和行為理解。其中，目標(biāo)分類是智能視頻監(jiān)控平臺搭建過程中的一個重要步驟，目標(biāo)分類是對前期檢測出來的感興趣的運動目標(biāo)按照特定需求進

2、行歸類，以支持后期繼續(xù)的目標(biāo)跟蹤和行為理解。
　　本文主要是對智能視頻監(jiān)控平臺中運動目標(biāo)的分類的研究與實現(xiàn)，本文所使用的算法是利用概率決策樹框架搭配Adaboost分類算法。該算法的主要步驟是先對多種特征以及特征提取方案進行研究，對比確定Haar-like作為本算法所需的特征。隨后將所有待訓(xùn)練的正、負(fù)樣本集進行特征提取，把提取的特征值進行Adaboost訓(xùn)練，將訓(xùn)練得到的強分類器作為概率決策樹的一個節(jié)點，并繼續(xù)對子集再進行Adab

3、oost訓(xùn)練，形成一個子節(jié)點，直到錯誤率為零或者樣本數(shù)量小于20訓(xùn)練結(jié)束，通過每一個節(jié)點構(gòu)成一棵概率決策樹。最后計算判決概率，以實現(xiàn)對視頻場景中的運動目標(biāo)分類識別。
　　與傳統(tǒng)的Adaboost分類算法不同的是，本文將傳統(tǒng)Adaboost分類算法與概率決策樹（PBT）框架相結(jié)合，概率決策樹的每一個節(jié)點都是一個用Adaboost算法訓(xùn)練出來的強分類器，對分類的結(jié)果不斷再進行Adaboost分類，直到得到正確分類結(jié)果。此外，本文還提出