基于视频的运动目标检测与识别

为了对目标进行跟踪和识别,针对固定场景提出一种基于视频的运动目标检测和识别算法。该方法采用改进的混合高斯模型为动态背景更新方法,并结合梯度背景差分方法及Otsu′s阈值分割法提取出运动目标,然后利用目标特征参数建立目标链,通过两条目标链间的目标特征匹配实现运动目标的快速跟踪与行为识别。该方法与传统方法相比具有更好的学习能力,提高了算法的场景适应性,从而有效地提高了运动目标检测的正确率和快速性。实验结果表明该方法具有良好的鲁棒性和自适应性。

基于帧间差分法和不变矩特征的运动目标检测与识别

针对视频监视的复杂背景,提出了一种基于帧间差分法和不变矩特征的运动目标检测与识别方法。在运动目标检测算法中,首先对定义的像素区域进行数据分析,然后通过帧间的数据差异产生运动信号,捕捉到场景中的运动目标。在目标识别方法中,首先提取运动目标区域的不变矩特征,并对其矢量进行标准化,然后利用遗传小波神经网络作为模式识别器,实现运动目标的自动识别。为验证该方法及网络模型的泛化能力,在Matalb7.0中对模型进行了仿真。

运动目标检测与识别算法的研究

传统的运动目标检测方法不能精确检测目标发生仿射形变,为此提出一种动态模板匹配改进算法。该算法首先利用改进后的瞬时差分算法对序列图像中的运动物体进行检测和定位,提高检测与识别的实时性;其次,采用仿射不变矩作为提取目标时的不变特征,从而克服不能有效检测与识别时发生仿射形变目标的缺点。实验仿真结果表明,该算法优于传统的动态模板匹配算法。