1、由于監(jiān)控環(huán)境的復(fù)雜性和不可預(yù)測(cè)性，采用現(xiàn)有的運(yùn)動(dòng)目標(biāo)檢測(cè)算法仍存在誤檢測(cè)，會(huì)對(duì)目標(biāo)跟蹤和識(shí)別產(chǎn)生影響;同時(shí)，基于步態(tài)特征的身份識(shí)別算法相比指紋、虹膜等具有遠(yuǎn)距離、非接觸的特點(diǎn)，但目前的步態(tài)特征身份識(shí)別算法還存在識(shí)別率不高等問(wèn)題。為了滿足監(jiān)控系統(tǒng)更高要求，本文在以下三個(gè)方面進(jìn)行了深入研究:
　　 （一）針對(duì)偏差均值混合高斯模型中只對(duì)單個(gè)像素獨(dú)立處理和偏差陷入偏小而容易造成誤檢測(cè)，利用像素之間相關(guān)性的特點(diǎn)，對(duì)不匹配的像素點(diǎn)利用鄰域相

2、關(guān)性進(jìn)一步進(jìn)行匹配判斷;閾值根據(jù)不同時(shí)刻圖像像素值的范圍而自動(dòng)調(diào)節(jié)。實(shí)驗(yàn)結(jié)果表明改進(jìn)后的算法能夠有效抵抗噪聲，減少背景像素誤判斷，提高前景目標(biāo)的檢測(cè)效果。
　　 （二）研究了幾何矩、復(fù)數(shù)矩和正交矩的性質(zhì)，得到了不同矩的不變性特征函數(shù)，利用該函數(shù)提取原圖像和幾何變換后圖像的不變性特征，分析得出不同特征函數(shù)對(duì)圖像的描述能力、抗噪性及信息冗余度。
　　 （三）為了有效地提高步態(tài)識(shí)別算法的識(shí)別率，提出了一種新的基于Radon變換

3、和解析Fourier-Mellin變換的步態(tài)識(shí)別算法。該算法將原圖像的旋轉(zhuǎn)變化和尺度變化分別轉(zhuǎn)化為相位變化和幅度變化，之后通過(guò)定義旋轉(zhuǎn)與尺度不變函數(shù)提取目標(biāo)圖像的不變性特征進(jìn)行分類識(shí)別。由于不需要對(duì)目標(biāo)圖像二值化和歸一化，從而可以保留圖像的更多細(xì)節(jié)信息，避免了重采樣與重量化誤差。實(shí)驗(yàn)結(jié)果表明，該算法應(yīng)用于步態(tài)識(shí)別有更高的識(shí)別率，可以達(dá)到更好的識(shí)別效果。
　　 本文的研究?jī)?nèi)容較好地解決了運(yùn)動(dòng)目標(biāo)誤檢測(cè)，有效地提高了步態(tài)特征的識(shí)別率