原文传递
复杂环境中运动人体图像分割与识别算法研究
| 论文题名： | 复杂环境中运动人体图像分割与识别算法研究 |
| 关键词： | 视频监控;二维Otsu法;量子粒子群;图像分割;特征提取;识别算法;运动人体 |
| 摘要： | 针对公路客运行业中客运车辆运营过程管理信息化、智能化程度低，司乘人员私自组客，私收票款，私拉乱运等问题，开展客运车辆运营过程的智能视频监控技术与方法的研究，以实现长途客运计价、核价的自动化，稽查的智能化。本文主要研究客运车辆运营过程智能视频监控中的运动人体图像分割和识别问题。 复杂交通环境中对运动目标被动定位的实时性要求高，因此，序列图像分割算法计算量要小，分割算法不宜太复杂。同时，特征向量的维数对运动人体识别的准确性、稳定性具有重要影响。本文针对车载监控视频中运动人体图像的分割与识别算法及涉及的相关问题进行研究，主要研究工作和创造性成果总结如下: (1)复杂环境中精确、快速分割算法的研究 针对使用二维Otsu法对运动人体图像分割时分割不准确和分割速度慢的问题进行改进研究，提出基于改进的二维Otsu法的运动人体图像分割方法。该算法在构造阈值识别函数的过程中，既利用了类内像素的内聚性，又考虑了目标类与背景类类间方差的最大性。然后，采用量子粒子群算法来寻求该阈值识别函数的最优阈值解。最后，使用该最优解实现分割精确、快速的图像分割。 (2)复杂环境中运动人体的识别方法研究 对二维非监督鉴别投影(2DUDP)特征提取方法进行了推广，提出了基于模块二维非监督鉴别投影(Modular2DUDP)的特征提取方法，提高了2DUDP方法的识别率。该方法先对原始图像灰度矩阵进行分块，然后分别对每个分块子图像应用2DUDP方法进行特征提取，再将各个分块的特征按照一定的次序组合起来作为该图像的特征。该方法保留了每个分块最优的局部信息集，因而提取的图像特征充分利用了具有良好鉴别能力的局部特征。采用该特征提取方法对运动人体图像分割处理后的人体头部图像提取头部特征，取得了良好的识别效果。 |
| 作者： | 冯芝丽 |
| 专业： | 计算机应用技术 |
| 导师： | 蒋加伏 |
| 授予学位： | 硕士 |
| 授予学位单位： | 长沙理工大学 |
| 学位年度： | 2013 |
| 正文语种： | 中文 |
检索历史
应用推荐
