收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于支持向量机的视频对象自动分类方法研究

马力  
【摘要】: 智能视频监控是计算机视觉领域一个新兴的研究方向和备受关注的前沿课题,它利用计算机视觉和视频分析的方法对摄像机拍录的图像序列进行自动分析,实现对动态场景中目标的检测、识别和跟踪,并在此基础上分析和判断目标的行为,从而指导和规划行动,其研究成果可提高传统视频监控系统的自动化程度,对社会经济发展、国防建设、社会治安具有重要意义。 视频中运动目标的自动分类是智能视频监控不可或缺的环节。在智能视频监控系统中,将目标分为有语义信息的几种类别是非常重要的,尤其是对正确分析理解对象行为具有重要的指导和简化意义。本文主要研究了视频对象自动分类系统结构设计方法、视频对象分类特征选择技术以及基于支持向量机(SVM)的视频对象自动分类技术,并解决了以下几个关键问题: (1)设计了一个通用的视频对象自动分类系统的结构框架。系统主要由训练模块和分类模块组成。训练模块的主要功能是基于包含类别标签的视频对象样本,采用合适的机器学习方法训练得到分类器模型;分类模块的主要功能是基于训练模块获得的分类器模型对未知类别的视频对象进行类别判定。 (2)提出了一种基于Adaboost算法的视频对象分类特征选择方法。该方法利用Adaboost算法训练过程中产生的相关参数,给出了一种对于特征重要性的评价机制,基于特征重要性大小进行特征选择。 (3)将支持向量机方法用于视频对象分类,构建了基于支持向量机的视频对象分类模型,阐述了应用支持向量机分类器实现视频对象自动分类的具体方法和步骤。 (4)结合以上方法实现了视频对象自动分类。将视频对象分为“单个行人”、“人群”、“车辆”和“骑车(自行车或摩托车)的人”四类,验证了特征选择方法和基于支持向量机的视频对象分类模型的合理性和有效性。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 桂红霞;;基于遗传算法的加权支持向量机的短期电力负荷预测[J];工业控制计算机;2010年05期
2 戴平;李宁;;一种基于SVM的快速特征选择方法[J];山东大学学报(工学版);2010年05期
3 接标,刘冠晓,冯乔生;统计模式识别的研究[J];云南师范大学学报(自然科学版);2005年06期
4 李桂林;赵晖;;基于二次特征选择和支持向量机的面部表情识别[J];电脑知识与技术;2008年36期
5 于咏霞;杨阳;余生晨;;基于免疫算法和支持向量机的入侵检测研究[J];华北科技学院学报;2009年01期
6 李正;倪远平;刘迪;王海鹏;;实蝇图像识别中的形态特征提取研究[J];计算机仿真;2011年07期
7 李正;倪远平;刘迪;王海鹏;;实蝇图像识别中的形态特征提取研究[J];机械与电子;2010年S1期
8 蒋维;钟小强;陈开;李炎;;基于优化的支持向量机的机械设备多故障诊断模型[J];计算机应用与软件;2009年01期
9 郭璇;杨晓元;;一种综合使用支持向量机和遗传算法的隐藏图像检测方法[J];武警工程学院学报;2009年04期
10 张岐龙;单甘霖;段修生;刘谊露;;基于特征空间中类别可分性判据的特征选择[J];火力与指挥控制;2010年06期
11 蒋玉娇;王晓丹;王文军;毕凯;;一种基于PCA和ReliefF的特征选择方法[J];计算机工程与应用;2010年26期
12 王晓微;;两种分类方法特征选择的比较[J];电子技术;2007年Z3期
13 高众;卢官明;;基于支持向量机的新生儿疼痛表情识别[J];重庆科技学院学报(自然科学版);2009年02期
14 简清明;曾黄麟;叶晓彤;;粗糙集特征选择和支持向量机在入侵检测系统中的应用[J];四川理工学院学报(自然科学版);2009年05期
15 杨永生;张优云;;基于集成支持向量机的滚动轴承故障智能诊断研究[J];煤矿机械;2010年04期
16 易超群;李建平;朱成文;;一种基于分类精度的特征选择支持向量机[J];山东大学学报(理学版);2010年07期
17 张志强;张爱华;;电子线路性能检测的支持向量机方法[J];黑龙江科技学院学报;2011年02期
18 白妙青;郑家恒;;利用支持向量机实现动词-动词搭配的自动标注[J];计算机工程与应用;2005年35期
19 胥锋;薛质;李建华;;基于支持向量机的电子邮件过滤技术[J];电信快报;2006年10期
20 吴建斌;李太全;田茂;;改进的遗传算法在白细胞识别中的应用研究[J];计算机工程与应用;2007年27期
中国重要会议论文全文数据库 前10条
1 李占潮;陈超;周喜斌;邹小勇;;基于遗传算法和支持向量机预测蛋白质结构类[A];第九届全国计算(机)化学学术会议论文摘要集[C];2007年
2 王浩畅;赵铁军;刘延力;于浩;;生物医学文本中命名实体识别的智能化方法[A];2006年首届ICT大会信息、知识、智能及其转换理论第一次高峰论坛会议论文集[C];2006年
3 程国建;蔡磊;潘华贤;;核向量机在大规模机器学习中的应用[A];第十一届中国青年信息与管理学者大会论文集[C];2009年
4 李占潮;周漩;戴宗;邹小勇;;基于一级结构信息预测蛋白质与蛋白质相互作用[A];第十届全国计算(机)化学学术会议论文摘要集[C];2009年
5 林杰华;张斌;李冬森;宋华茂;余志强;王浩;;支持向量机在电力客户信用评级中的应用[A];全国第21届计算机技术与应用学术会议(CACIS·2010)暨全国第2届安全关键技术与应用学术会议论文集[C];2010年
6 蒋铁军;张怀强;李积源;;多变量系统预测的支持向量机方法研究[A];管理科学与系统科学研究新进展——第7届全国青年管理科学与系统科学学术会议论文集[C];2003年
7 邵小健;段华;贺国平;;一种改进的最少核分类器[A];中国运筹学会第七届学术交流会论文集(上卷)[C];2004年
8 黄淑云;孙兴玉;梁汝萍;邱建丁;;基于小波支持向量机预测蛋白质亚细胞定位研究[A];第十一届全国计算(机)化学学术会议论文摘要集[C];2011年
9 谢湘;匡镜明;;支持向量机在语音识别中的应用研究[A];现代通信理论与信号处理进展——2003年通信理论与信号处理年会论文集[C];2003年
10 涂冬成;薛龙;刘木华;赵进辉;沈杰;吁芳;;基于支持向量机的鹅肉肉色客观评定研究[A];中国农业工程学会电气信息与自动化专业委员会、中国电机工程学会农村电气化分会科技与教育专委会2010年学术年会论文摘要[C];2010年
中国博士学位论文全文数据库 前10条
1 燕忠;基于蚁群优化算法的若干问题的研究[D];东南大学;2005年
2 张颖;基于群集智能模式识别方法的研究[D];大连理工大学;2008年
3 陈祖云;煤与瓦斯突出前兆的非线性预测及支持向量机识别研究[D];中国矿业大学;2009年
4 曹葵康;支持向量机加速方法及应用研究[D];浙江大学;2010年
5 韦娜;基于内容图像检索关键技术研究[D];西北大学;2006年
6 吕铁军;通信信号调制识别研究[D];电子科技大学;2000年
7 杜小芳;基于CPFR的农产品采购模型研究[D];华中科技大学;2005年
8 刘育明;动态过程数据的多变量统计监控方法研究[D];浙江大学;2006年
9 栾锋;支持向量机(SVM)和径向基神经网络(RBFNN)方法在化学、环境化学和药物化学中的应用研究[D];兰州大学;2006年
10 孙薇;市场条件下抽水蓄能电站效益综合评价及运营模式研究[D];华北电力大学(河北);2007年
中国硕士学位论文全文数据库 前10条
1 马力;基于支持向量机的视频对象自动分类方法研究[D];国防科学技术大学;2007年
2 王燕;语音隐写分析技术研究[D];华北电力大学(河北);2009年
3 詹超;支持向量机在基因表达数据分类中的研究[D];武汉理工大学;2006年
4 高永岗;医学图像的语义标注技术研究与应用[D];西北大学;2009年
5 杜圣东;基于多类支持向量机的文本分类研究[D];重庆大学;2007年
6 付建文;小波域语音隐藏信息检测方法研究[D];华北电力大学(河北);2008年
7 宋羚;基于多目标遗传算法和SVM的特征选择方法[D];华中科技大学;2007年
8 马宏伟;基于SVM的中文文本分类系统的建模与实现[D];大连理工大学;2006年
9 张洪军;基于SVM的电子邮件分类系统研究[D];山东师范大学;2007年
10 杨霞;基于SVM和D-S理论的垃圾邮件过滤研究[D];江苏大学;2008年
中国重要报纸全文数据库 前10条
1 周晓娟;TD已过分水岭[N];通信产业报;2008年
2 天相投顾 闻群王聃聃;选基金需考虑风险承受力[N];中国证券报;2007年
3 孙志伟;刘刚检查城防林建设[N];齐齐哈尔日报;2008年
4 郑卫东;高产鹅选种方法和标准[N];中国畜牧兽医报;2007年
5 课题主持人 李心丹 课题协调人 上海证券交易所 施东晖 傅浩 课题研究员 宋素荣 查晓磊 宾红辉 张许宏 郭静静 黄隽 南京大学工程管理学院;内幕交易与市场操纵的行为动机与判别监管研究[N];中国证券报;2007年
6 海通证券 娄静吴先兴;把握风险收益特征选择最适合自己的基金[N];上海证券报;2007年
7 李水根;计算机详解配伍与药效关系[N];健康报;2005年
8 清华大学 苏光大;非接触式人脸识别技术[N];计算机世界;2006年
9 YMG记者 李仁 通讯员 曲华明 孙运智;我市九项目进入省“盘子”[N];烟台日报;2010年
10 张小明;如何选择供应链[N];现代物流报;2005年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978