1、近年來，對(duì)于傳統(tǒng)視頻監(jiān)控系統(tǒng)的智能化水平的提高成為視頻監(jiān)控系統(tǒng)中的技術(shù)升級(jí)的核心任務(wù)。而對(duì)于運(yùn)動(dòng)目標(biāo)的分類識(shí)別技術(shù)及基于規(guī)則的運(yùn)動(dòng)目標(biāo)行為分析技術(shù)的研究成為了視頻監(jiān)控智能化的重要研究內(nèi)容之一。它們屬于高層次圖像語義分析，目前還面臨許多難點(diǎn)，最主要還是因?yàn)榈蛯哟魏椭袑哟蔚膱D像信息源帶來的影響。本文重點(diǎn)研究了基于幾何特征的運(yùn)動(dòng)目標(biāo)分類識(shí)別技術(shù)及基于絆線檢測規(guī)則的運(yùn)動(dòng)目標(biāo)行為分析技術(shù)，主要的工作有：
　?。?）針對(duì)運(yùn)動(dòng)目標(biāo)外輪廓對(duì)目標(biāo)分

2、類識(shí)別中的幾何特征提取的影響，設(shè)計(jì)了一種精度更高的運(yùn)動(dòng)目標(biāo)外輪廓提取方法。首先通過GMM前景檢測方法得到粗步確定的運(yùn)動(dòng)目標(biāo)區(qū)域，然后通過含標(biāo)記的分水嶺方法進(jìn)行外輪廓區(qū)域粗步定位，最后通過基于HSV空間陰影去除方法及目標(biāo)重構(gòu)方法進(jìn)行外輪廓區(qū)域精確定位，從而提取出精確的外輪廓。實(shí)驗(yàn)結(jié)果表明，能夠得到更精確的外輪廓。
　　（2）為提高基于幾何特征的目標(biāo)分類識(shí)別方法的平均識(shí)別率，設(shè)計(jì)了一種改進(jìn)方法。首先，在模式類的預(yù)定義上，依據(jù)目標(biāo)的外輪

3、廓形態(tài)差異，將預(yù)定義的模式類進(jìn)一步細(xì)分成子模式類；其次，在特征提取上，先提取出高維度特征，再使用偽劃分的方式形成子特征向量組來多角度描述目標(biāo)；最后在分類器分類策略上利用上述子特征向量組的分類結(jié)果綜合判定得到最終分類結(jié)果。實(shí)驗(yàn)結(jié)果表明，該方法對(duì)預(yù)定義的4個(gè)模式類（人、小汽車、電動(dòng)車、小人群）有好的結(jié)果，平均識(shí)別率達(dá)到了99.48％，相對(duì)于傳統(tǒng)方法提高了1.8%到4.0%左右。
　?。?）針對(duì)當(dāng)前絆線檢測方法的智能化水平較低的情形，設(shè)