基于视频的行人车辆检测与分类

杨 阳,唐慧明,2

(1.浙江大学信息与通信工程研究所,杭州310027;2.浙江省综合信息网技术重点实验室,杭州310027)

其中,β为相互作用系数;c表示领域Ni的子群;C表示子群集合;fNi表示像素点i周围点的映射关系。式(3)的作用在于计算周围像素点的映射与i点映射的相似性。

在传统混合高斯模型中,运动检测过程等同于求取后验概率p(xi/f(i))最大值的问题。对后验进行滤波:

基于视频的行人车辆检测与分类

杨 阳1,唐慧明1,2

(1.浙江大学信息与通信工程研究所,杭州310027;2.浙江省综合信息网技术重点实验室,杭州310027)

针对传统智能监控中行人车辆检测与分类算法存在目标分割不完整、分类准确率低等问题,提出一种基于视频的行人车辆检测与分类算法。利用领域信息动态调整置信区间构造混合高斯模型,采用卡尔曼滤波预测目标下一帧的位置。通过自适应EM聚类方法提取目标长宽比和面积作为特征,将目标分为行人和车辆。在模型估计过程中假设相邻帧目标做匀速直线运动,推导出目标面积变化满足线性关系,并对目标跟踪和分类进行修正,进一步提高检测准确性。实验结果表明,该算法的人车检测准确率达到90%以上,分类准确率达到80%以上。

行人车辆检测;智能监控;运动目标检测;目标跟踪;目标分类;模型估计

1 概述

智能监控系统［1］可不在人为干预情况下对摄像机记录的视频序列进行分析,并且对其中的行人和车辆等目标进行检测和分类,从而实现视频信息检索。目前常用的行人车辆检测分类方法可以分为:基于监督学习的方法和基于运动分割的方法。……