基于特征融合和支持向量机的多摄像机下目标匹配技术研究.pdf

基于特征融合和支持向量机的多摄像机下目标匹配技术研究.pdf

ID:50116658

大小:5.07 MB

页数:85页

时间:2020-03-05

基于特征融合和支持向量机的多摄像机下目标匹配技术研究.pdf_第1页
基于特征融合和支持向量机的多摄像机下目标匹配技术研究.pdf_第2页
基于特征融合和支持向量机的多摄像机下目标匹配技术研究.pdf_第3页
基于特征融合和支持向量机的多摄像机下目标匹配技术研究.pdf_第4页
基于特征融合和支持向量机的多摄像机下目标匹配技术研究.pdf_第5页
资源描述:

《基于特征融合和支持向量机的多摄像机下目标匹配技术研究.pdf》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、单位代码;在密级:—_:苗:I^!'…./.i該氏為^4靖式;:硕女缘健给A義惠E.為;VsM^J:'.i1斬,.vInf/'/辨’::嘗哪禱循?!端.這蠻庐V:'、>论文题目:基于特征融合和支持向量化的《摄像机下占目标匹配巧术研究?-!-,京—^.終>^%一.幕藏兴;町巧’片>'..^,条.续户.、■■■取載兴,■4三'。,;.岭\、";2Q1Q607‘M.:学号-A扣苗:!豊金山;V/姓名芒載

2、j‘授臂、_____胡株教导肺科专业值畳皇ilAiMI/学知班苗扭苗硏究方向_國盛处_理与多媒体通信:邊片今节;-上王堂硕申请学位类别''论交提交口期—.^MziSMEM-rViJ],g;i%象:屬哪式.霸锭J南京邮电大学学位论文原创性声明本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研巧成果。尽我所知,除了文中特别加W标注和致谢的地方外,论文中不包含其他人已经发表或撰写过的研巧成果,也不包含为获得南京邮电大学或其它教育机

3、构的学位或证书而使用过的材料。与我一同工作的同志对本研巧所做的任何贡献均已在论文中作了明确的说明并表示了谢意。一本人学位论文及涉及相关资料若有不实,愿意承担切相关的法律责任。研巧生签名:端.日期:7八!['中.南京邮电大学学位论文使用授权声明本人授权南京邮电大学可臥保留并向国家有关部口或机构送交论文的复印件和电子文档可;允许论文被查阅和借阅;可将学位论文的全部或部分内容编入有关数据库进行检索;W采用影印、缩印或扫描等复制手段保存、汇编本学位论文。本文电子文档的内容和纸质一理论文的内

4、容相致。论文的公布(包括刊登)授权南京邮电大学研究生院办。涉密学位论文在解密后适用本授权书。'研究生签名:馬表^导师签名:日期:心ResearchonObjectMatchingwithMultipleCamerasBasedonFeaturesFusionandSVMThesisSubmittedtoNanjingUniversityofPostsandTelecommunicationsfortheDegreeofMasterofEngineeringByCaoJinshanSupervisor:

5、Prof.HuDongApril2015摘要随着信息社会的日益发展,智能监控系统已经在人类生活的各个方面发挥着重要的作用。特别是目前成为国内外研究热点的多摄像头、多目标跟踪技术。相对于技术已经相对成熟的单摄像机的目标跟踪,多摄像机下目标跟踪技术的实现则较为困难。目标匹配在目标跟踪过程中起着承上启下的作用,这使得行人目标匹配是智能监控系统中多摄像机协同的关键技术之一,提高目标匹配的效率和准确率成为智能监控中的研究热点。本文研究适合在多摄像机监控场景下,融合目标的颜色特征和局部特征的行人目标匹配技术。主要内容和创新点如

6、下:(1)研究了基于局部特征HOG的目标匹配技术。针对HOG特征提取过程复杂耗时,做出如下两点改进。首先,提出了一种基于sub-cell结构的HOG特征快速算法,对其中运算量最大的三线性插值过程进行了改进,通过区域再划分有效降低了插值的复杂性,并保证了特征的有效性。另外,针对彩色图像,提出了一种结合人眼视觉特性的G-HOG方法。(2)研究了融合局部特征和全局特征的目标匹配技术。为了适应多摄像机下不同环境的匹配需求,提出了多模式多尺度的HOG特征(MultiLevel-HOG)与带有空间分布信息的颜色聚合向量特征的融

7、合方法,提高了目标匹配的鲁棒性和准确性。(3)研究了基于BPSO和SVM联合优化的目标匹配技术。针对上述特征融合之后带来的维数过高的问题,本文将支持向量机同二进制的粒子群优化相结合,对融合特征进行特征选择。进一步地,本文在此基础上提出一种多次特征选择算法。首先利用SVM结合BPSO算法分别对HOG特征和颜色特征进行特征选择,得到了两种特征的二进制特征掩码。然后将两种特征被选择出来的特征子集相融合,再次利用SVM结合BPSO算法对融合特征进行特征选择,进一步提高了效率。论文对以上研究的算法进行了仿真实验分析,验证了算

8、法的正确性和可行性。论文最后对全文工作进行了总结,并对该课题进一步的研究工作进行展望。关键词:目标匹配,特征选择,方向梯度直方图,二进制粒子群优化,支持向量机IAbstractWiththedevelopmentofinformationsociety,intelligentmonitoringsystemhasplayedanimportantrolein

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。