图像处理算法1_多类别运动目标分类.doc

基于随机森林的多类别运动目标分类算法 一、算法设计 1.1 目标定位 为了描述目标，首先需要确定图像中有可能对应于目标区域的像素集合，即目标定位。目标定位通常有两种常用的处理方法，基于运动的方法和特定目标检索的方法，这两种方法在一定程度上有互补性。 基于运动的方法假定是在静止摄像机或静止背景情况下，检测出场景中与背景有相对运动的像素集合，并对这些像素进行去噪、分割等处理以确定可能对应于目标的前景区域。目前，通常运用背景减除法、帧差分法提取出视频图像中的运动区域；跟踪检测到的运动区域；然后对跟踪区域执行分类算法以确定它们的类别。基于运动的目标定位方法主要是根据目标相对于背景运动这一特性来检测目标区域。这种方法的特点是几乎不需要场景中目标类别的任何先验知识，而对检测到的运动区域进行目标分类的工作可以留到分类算法中实现。运动检测处理后，对于提取到的运动目标需要进一步抽取特征，设计分类器以实现目标分类算法。 基于图像的特定目标检测方法，不依赖于目标运动，直接在整幅图像中进行全局搜索，判断图像中是否包含属于特定类别的目标。每一幅图像以整体作为输入，然后在整个图像空间中寻找符合感兴趣目标典型特征的像素区域，即比较所有可能的待检测区域与目标模板的匹配度，例如人脸、车辆或花朵等。这种特定目标模板需要事先利用一组属于此类目标的已标记样本进行训练得到。这种方法使用时通常结合边界、小波特征等低级特征和矩