计算机视觉监控中的运动目标分类算法研究.pdfVIP

计算机视觉监控中的运动目标分类算法研究 第1章引言 第1章 引言 本章主要阐述本文研究课题的学科背景、应用意义和学术意义，以及国内外 相关研究的现状，并简要介绍本文的创新点和内容安排。 I．I研究背景及意义 Vision．，cv) I．I．1计算机视觉(Computer 视觉是人类观察世界和认识世界的重要手段，是人类智能的重要组成部分。 人类从外界获取的信息，70％～80％来自视觉。视觉，不仅指对光信号的感受， 它包括了对视觉信息的获取、传输、处理、存储与理解的全过程【l】。人的眼睛 的功能与一台摄像机相似，其视野覆盖宽1600、高1350的区域【2】。在可见光的 照射下，外界的景象在人眼的视网膜上形成图像，由感光细胞转换成神经脉冲信 号，经神经纤维传入大脑皮层进行处理与理解【l】。 在计算机与信号处理理论出现以后，人们试图用摄像机获取环境图像并将其 转换为数字信号，用计算机实现对视觉信息处理的全过程，就形成了一门新兴的 学科一计算机视觉【l】。计算机视觉的研究目标是从二维图像恢复三维信息， 从原始的图像数值描述产生语义概念化的描述。 计算机视觉是一门交叉学科，涉及几何(射影几何、空间解析几何)、线性 代数、概率、随机过程、优化方法、信息论、光学、热力学、神经生理学、认知 科学等多门学科。同时，有不少学科的研究目标与计算机视觉相近或相关，包括 图像处理、模式识别或图像识别、景物分析、图像理解等。计算机视觉与计算机 图形学的本质差别在于，计算机图形学是从三维描述到二维图像显示，而计算机 视觉是从二维图像数据到三维描述。从一定意义上讲，计算机视觉是计算机图形 学的逆问题，两者从最初相互独立的平行发展到最近的融合是一大趋势。计算机 视觉与图像处理也不同，图像处理实现从输入图像到另一种图像的转换，人是最 1 计算机视觉监控中的运动目标分类算法研究 第1章引言 终的解释者；而在计算机视觉中，计算机是图像的解释者。模式识别与计算机视 觉密切相关。模式识别研究各种模式的分类，模式可以有不同的物理意义和表现 形式，图像模式的分类是计算机视觉中的一个重要问题，模式识别中的许多方法 可以应用于计算机视觉中。人工智能主要研究智能系统的设计和有关智能的计算 和行为(action)，因此计算机视觉经常被视为人工智能的一个分支。 自1965年Roberts进行第一个计算机视觉系统的实验以来，到80年代初 Mart首次从信息处理的角度，综合图像处理、心理物理学、神经生理学及临床 精神病学的研究成果，提出第一个较为完善的视觉系统框架【1】，再到近年随着 图像视频处理技术和人工智能技术的迅速发展，计算机视觉的研究快速发展。早 在1950年图灵就曾预言计算机将具有智能【3】，直至今天，计算机视觉仍然是信 息科学领域的一个重大挑战性问题，被图灵奖获得者Jim Gray列入12大信息科 aswellaS 学问题之一，即让计算机“see aperson”【4】。 Surveillance) 1．1．2计算机视觉监控(Visual 视觉监控是计算机视觉的一个新兴应用方向，它利用计算机视觉技术对视频 数据进行处理、分析和理解，并通过视觉监控系统，实现监控的智能化。 Surveillance，IVS)，这是为 视觉监控也称为智能视频监控(IntelligentVideo 了和传统的视频监控(VideoSurveillance)相区分。传统的视频监控是被动地依 靠人对存储在各种存储介质(如最早的模拟式磁带录像机，稍后的数字式视频录 像机，和现在的网络数字视频录像机)上的视频数据的监视、分析，来实现监控 的目的。传统的视频监控方式由于本身因素的制约，在监控的安全性、可靠性和 实用性等方面远远不能达到要求。一方面是“人自身因素的制约，在很多情况 下