一种基于不变矩和最小范数分类的图像识别方法的研究

An image recognition technique based on moment invariants and least norm assorting

图像识别与理解技术是一种应用广泛的人工智能和计算机视觉技术．基于视频图像的自动报警监控系统是一个非常有意义的研究领域,同传统的自动报警装置相比,其既可以防止误报,又可以防止漏报,还可以做到只记录有害异物入侵时的信息而不记录其它冗余信息,克服了传统报警装置的缺陷．特别是在无人值守或人不宜值守的场合,图像自动报警系统更显示出了极大的优越性．实现图像报警的关键是准确地进行异物识别．提出了一种基于不变矩(矩不变量)和最小范数分类识别异物入侵的一种方法．矩不变量不随图像平移、旋转和大小比例变化而改变,利用矩不变量的方法可以有效识别各类形状的物体和图形,解决了文献上仅利用异物面积大小来判断异物是否有害的方法所不能解决的图像面积和异物到摄像头距离有关的缺陷．矩的方法可以非常有效地判断具有固定形状的各类物体和图形,这些物体的共同特征是形状固定．提出了基于矩不变量的利用泛函分析中的有关理论对形状不固定的事物进行识别的方法．实例证明,该识别方法非常有效．

Auto-alarm monitoring and safety system based on image is a very active aspect, which has much advantage over traditional alarm system, especially in time and places no one works or stays. An effective images recognition method was introduced based on moment invariants and least norm assorting for automatic monitoring and safety. The experimental results show that the method is effective and of great value when putting into practice.