1、視頻序列分析是機器視覺領(lǐng)域中的一個十分活躍的分支，它的一個土要應(yīng)用就是視頻序列中運動目標的檢測、跟蹤和識別，利用視頻成像技術(shù)獲得目標序列圖像，再從序列圖像中分割出運動信息，對諸如飛機、車輛和行人等運動目標進行實時分割、定位、跟蹤和識別。由于視頻運動目標檢測與跟蹤在國民經(jīng)濟和軍事領(lǐng)域的許多方面有著廣泛的應(yīng)用，所以它的研究受到各國科學家的普遍關(guān)注。同時，運動目標分析的關(guān)鍵技術(shù)也是機器視覺的其它應(yīng)用領(lǐng)域如視頻檢索和視頻壓縮編碼等技術(shù)的基礎(chǔ)。

2、 運動目標的檢測、識別在機器視覺中起著承上啟下的作用。本文針對運動目標檢測、跟蹤和識別中存在的關(guān)鍵問題如運動目標分割、陰影去除、跟蹤和識別，進行了相關(guān)的理論研究，并將研究結(jié)果應(yīng)用到實際的ITS系統(tǒng)中。本文主要完成了以下有特色的研究工作： (1)在對幀間差方法、光流場方法以及背景重建方法等運動目標分割的相關(guān)理論進行研究的基礎(chǔ)上。著重研究了利用高斯混合模型背景重建分割運動目標的方法。提出了在象素級、區(qū)塊級和幀級利用顏色和紋理信

3、息從視頻圖像序列中提取運動目標的算法。算法在象素級利用基于YUV顏色空間的高斯混合模型進行背景估計，為了使算法適應(yīng)交通繁忙區(qū)域的情況，結(jié)合幀間差方法自適應(yīng)地調(diào)節(jié)學習速率α；在區(qū)塊級利用圖像的結(jié)構(gòu)信息來濾除區(qū)域亮度變化對目標分割的影響；在幀級進行圖像幀之間的亮度比較，從而消除環(huán)境亮度的突然變化對目標分割造成的影響。 (2)針對混合高斯模型建立初始背景慢的缺點，本文提出了采用稀疏貝葉斯結(jié)合光流場和差分信息進行背景初始化的方法，大大地

4、加快了高斯混合模型建立初始背景的速度。 (3)運動陰影檢測是目標正確分割、識別的關(guān)鍵。本文在分析了陰影的光學特性的基礎(chǔ)上，提出了一種基于YUV色彩空間的陰影快速檢測算法。這種算法無需知道光源位置、場景幾何特性以及運動目標模型等參數(shù)，具有計算速度快，對室外環(huán)境適應(yīng)性強的特點。它利用當前幀與背景進行差分，提取出序列中的運動部分，然后利用陰影區(qū)域的亮度和色度變化規(guī)律去除掉陰影部分。此方法與基于其他顏色空間的檢測算法的對比實驗表明該方法

5、具有較高的檢測速度和較好的檢測效果。 (4)稀疏貝葉斯學習方法是一種統(tǒng)計模式識別方法，它可以在小樣本的情況下，取得較好的分類識別效果，它不僅具有支持向量機的避免過學習的優(yōu)點，而且比支持向量機使用較少的核函數(shù)。本文在深入研究稀疏貝葉斯理論的基礎(chǔ)上，分別提出基于稀疏貝葉斯方法的目標跟蹤和人車分類識別方法?；谙∈柝惾~斯匹配的跟蹤方法克服了SSD算法中對光照變化比較敏感的缺點，同時又比支持向量機跟蹤算法(SVT)具有較高的運算速度和較

6、穩(wěn)定的運算結(jié)果。 (5)將視頻運動目標的分割、識別理論應(yīng)用到ITS中。設(shè)計并實現(xiàn)了一個基于PC平臺的視頻流量檢測系統(tǒng)，該系統(tǒng)能夠進行車流量、車速、排隊長度等交通流量的檢測，并通過了室外長時間的檢測。為了識別出車型信息，提出了基于稀疏貝葉斯的車型檢測方法；為了降低成本，還用單片機和FPGA實現(xiàn)了一個交通流量檢測系統(tǒng)的硬件系統(tǒng)；設(shè)計并實現(xiàn)了一個車牌識別系統(tǒng)，它用紋理和色彩信息相結(jié)合的方法來進行車牌的定位，用稀疏貝葉斯方法對車牌字符進