基于圖像處理的目標(biāo)識別及檢測技術(shù).pdf

1、目標(biāo)識別及檢測技術(shù)涉及到計算機、信號處理和生理學(xué)等諸多學(xué)科，是機器視覺的核心技術(shù)之一，在智能交通系統(tǒng)、智能定位等研究領(lǐng)域都有重要應(yīng)用。本文受企業(yè)委托，在經(jīng)典算法的研究基礎(chǔ)上，針對基于靜態(tài)圖像的目標(biāo)識別技術(shù)與基于動態(tài)視頻圖像的運動目標(biāo)檢測技術(shù)開展了如下研究工作：
　　(1)以 K-L變換、幀間差法、光流法、背景差分法等傳統(tǒng)算法為理論基礎(chǔ)，通過實驗對比分析了經(jīng)典算法的特點及其適用環(huán)境。
　　(2)以車牌漢字識別為代表，針對光線變

2、化、污跡遮擋等造成車牌漢字模糊，加大車牌識別難度，嚴(yán)重影響違規(guī)車輛的有效稽查及跟蹤等問題，研究了基于分類的目標(biāo)識別技術(shù)，本文提出一種結(jié)合高斯金字塔與梯度方向直方圖(HOG)特征的模糊車牌漢字識別算法。利用金字塔模型多尺度表達(dá)的方法，對車牌模糊漢字圖像建立兩層高斯金字塔模型，在描述模糊圖像細(xì)節(jié)特征的基礎(chǔ)上突出了主體特征；然后對兩層高斯金字塔模型提取 HOG特征，拓展了圖像的特征維數(shù)，提高特征對模糊漢字的識別能力。仿真結(jié)果顯示，在相同樣本空

3、間下，與 HOG特征法，K-L變換法相比，所提算法在識別率以及形近字區(qū)分方面均有明顯提高。
　　(3)以動態(tài)視頻圖像為研究對象，研究了在光照、陰影變化等大范圍擾動的復(fù)雜背景環(huán)境下，基于目標(biāo)幾何和統(tǒng)計特征分割的檢測問題。針對傳統(tǒng)碼本算法(CB)在復(fù)雜背景下，碼本背景模型逐漸背離真實背景導(dǎo)致運動目標(biāo)誤判，且運動目標(biāo)檢測階段，難以處理目標(biāo)顏色與背景相近等問題，本文提出一種改進(jìn)型運動目標(biāo)檢測碼本算法。該算法提出雙閾值-Surendra檢測

4、模型控制碼本模型的更新區(qū)域，解決碼本模型易偏離實際背景的問題，并給出了相關(guān)閾值的選擇原則，進(jìn)一步有效減少運動目標(biāo)檢測時對前景的誤判；同時在降低運算復(fù)雜度的情況下，結(jié)合YUV顏色空間計算像素亮度變化，使空間坐標(biāo)軸與亮度變化方向一致，更好的區(qū)分前景與背景顏色相近的情況。仿真結(jié)果表明，該算法在處理復(fù)雜背景環(huán)境下的運動目標(biāo)檢測問題時，較傳統(tǒng)碼本算法具有較高的完整性與準(zhǔn)確性。
　　(4)本文基于運動目標(biāo)檢測技術(shù)開發(fā)了嵌入式目標(biāo)檢測系統(tǒng)，結(jié)合