基于數(shù)據(jù)融合的運動目標識別方法研究.pdf

1、智能視頻監(jiān)控現(xiàn)已被廣泛地運用在安防系統(tǒng)當中，且主要安裝在倉庫、銀行、機場、交通路口等重要區(qū)域。因此提高視頻監(jiān)控中運動目標檢測識別的準確度成為我們當前研究的重點。
　　本文主要針對如何提高智能監(jiān)控系統(tǒng)中運動目標的檢測識別率問題，對現(xiàn)有的目標檢測識別技術進行系統(tǒng)的分析研究，并提出了改進方案，最后利用數(shù)據(jù)融合方法進一步提高了目標識別的精確度。主要研究內(nèi)容如下：
　　提出了一種基于自適應慣性權重優(yōu)化螢火蟲算法（IFA）改進的二維OT

2、SU圖像閾值分割法，在保證分割效果的前提下提高了二維OTSU閾值分割法的運算效率。在此基礎上，針對監(jiān)測運動目標獲得相對完整信息的需求，提出了一種結合基于IFA的二維OTSU閾值分割法改進三幀差法(ITFD)與光流法的運動目標檢測方法，使得整個檢測能夠達到實時性要求的同時取得更好的目標檢測效果。圍繞運動目標區(qū)域檢測結果，采用基于被檢測目標物理特征以及HOG特征結合支持向量機分類器的目標識別方法完成單目標識別，并通過運用“一對一”的方法實現(xiàn)

3、了多目標分類，從而有效的提高了系統(tǒng)的識別性能。針對單視角目標識別中出現(xiàn)誤判等問題，提出了基于多視角圖像決策層數(shù)據(jù)融合技術的目標識別決策融合方法，以獲取更加準確的類別判斷。
　　綜上所述，本文針對運動目標檢測識別中的閾值分割、運動目標檢測、單目標識別和誤判修正等問題提出了改進算法和實現(xiàn)策略，有效地提高了視頻監(jiān)控系統(tǒng)對多運動目標域的單體特征目標的識別精度。實驗驗證表明，本文提出的有關算法能夠準確的檢測和識別視頻圖像序列中的運動目標，較