视频监控系统中运动目标识别方法研究探究researchonm资料.pdfVIP

视频监控系统中运动目标识别方法研究 兰利宝，董慧颖，高岚 （沈阳理工大学信息科学与工程学院沈阳 110168） 摘 要：运动目标识别是对场景实现有效视频监控的必要环节。本文结合自适应背景更新算法和加权增强阈值选择 方法有效地分割运动目标，选用区分性好且易于提取的面积、复杂度、长宽比、速度作为目标的识别特征。采用模 糊识别方法和BP神经网络识别方法对利用静止的摄像机从高处俯视采集的目标进行仿真，其结果表明：两种方法均 具有较高的识别率，分别为94.58%和98.75%；BP神经网络识别方法识别率较模糊识别方法高，但模糊识别方法运算 简单、识别速度快。 关键词：运动目标分割；特征提取；模糊识别；BP神经网络识别 Research on moving object recognition algorithms in video-based monitoring system LAN Li-bao ，DONG Hui-ying ，GAO Lan （ School of Information Science and Engineering, Shenyang Ligong University, Shenyang 110168, China） Abstract: Moving object recognition is a necessary step in video-based monitoring system. Self-adaptive background update algorithm combining with the weighted enhanced threshold selection method can segment the moving objects effectively. We choose area, shape complexity, length-width ratio, velocity as recognition features because of their easy extraction and good distinction. Fuzzy recognition algorithm and BP neural network recognition method are used to acquisit objects identity. The experiment results show that both methods have a high recognition rate. The rates were 94.58% and 98.75% respectively. The recognition rate of BP neural network method is higher. But fuzzy recognition algorithm is easier and faster. Key words: segmentation of moving object; feature extraction; fuzzy recognition; BP nueral network recognition 1 引言 视频监控系统是图像处理、人工智能、模式识别、计算机技术的综合应用，在近二十年里得到 了很大的发展。对路段进行视频监控能及时掌握准确的交通信息，当交通目标发生违规行为时自动 做出判断和响应，能大大减少人的工作量。目前的交通视频监控系统主要针对车辆的检测和识别， 往往对行人、自行车/摩托车不加考虑，对车辆、行人、自行车/摩托车的识别研究很少。 车辆、摩托车／自行车、行人的识别分类是一个复杂的过程，传统的模板匹配识别方法计算量 大，很难满足实时有效的监控要求。模糊识别方法最大的优点就是建模简单、计算量小,能够充分利 用各个特征的特点实现目标信息的有效融合。人工神经网络具有很强的自组织、自学习能力,对网络 进行充分的训练和学习后，就可以用它对未学习过的模式进行快速、准确的识别[1,2] 。两种方法都具 有较强的抗干扰能力。 基金项目：国防预研课题：基于多模信息融合的目标识别技术和跟踪技术研究. 作者简介：兰利宝（1982－），女，湖南，硕士研究生，主要研究图像处理、模式识别