一種基于微小運動的目標識別算法設(shè)計

張路+張蓓+沈曉舟+韓江寧

摘要：針對計算機技智能識別應用中存在的問題，研究基于微小運動目標的視頻跟蹤對策，分析了智能識別應用的兩個主要的功能，一是基于計算機輔助視覺實現(xiàn)對周邊環(huán)境的感知判定，另外一個是對既定目標的跟蹤與檢測。圍繞基于微小運動目標的檢測算法進行深入分析和實驗，以理論推導為依據(jù)，對實際應用進行仿真，最終設(shè)計了一種基于微小運動目標的檢測過程和算法設(shè)計。

關(guān)鍵詞：微小運動目標；目標識別；二元樹復小波變換

中圖分類號：TP311 文獻標識碼：A 文章編號：1009-3044（2017）27-0188-02

通信領(lǐng)域中研究基于微小運動目標的視頻跟蹤對策是計算機技術(shù)智能識別的一個重要應用，由于微小運動目標的形狀、顏色等信息存在一定的差異，因此研究不同環(huán)境進行圖像的分割，并進行圖像的識別有著重要意義。

1 一維二元樹復小波變換

一維二元樹復小波變換，濾波器經(jīng)過變換后分解過程將分為多級，與實部相對應的是a樹小波變換對應復數(shù)的小波，與虛部相對應的是b樹復數(shù)的小波，如圖1所示。

為了更好的建造使之滿足二元樹復小波的變換，以實現(xiàn)對希爾伯特變換特征為目的進行設(shè)計，最終滿足小波變換需求。因此要綜合判斷變換特征，在進行a樹低通濾波器[h0（n）]和b樹低通濾波器[g0（n）]的設(shè)計時圍繞實現(xiàn)條件設(shè)定來進行。

2 二維二元樹復小波變換

二維二元樹復小波變換是一維雙樹復小波推廣

T=1.1其實代表的是一個相似性闕值。假設(shè)有[x∈cm]，那么此時的[Pmax=1]就成為微小運動目標類別的輸出值。如果非如此，則可以斷定感興趣區(qū)域并非是正確結(jié)果，此時也不會產(chǎn)生相應的輸出結(jié)果信息。

參考文獻：

[1] 明安龍，馬華東.多攝像機之間基于區(qū)域SIFT描述子的目標匹配[J].自動化與儀器儀表，2014，31（4）：650-661.

[2] Bahlmann C， Zhu Y， Ramesh V， et al. A system for traffic sign detection， tracking and recognition using color，shape，and motion information[C]//IEEE Proceedings. Intelligent Vehicles Symposium， 2015.IEEE，2015：255-260.

[3] Ruta A， Li Y， Liu X. Real-time traffic sign recognition from video by class-specific discriminative features[J].Pattern Recognition，2010，43（1）：416-430.

[4] 齊朗曄，張重陽，何成東，等.基于多特征組合的微小運動目標識別[J].計算機工程與科學，2015，37（4）：776-782.

[5] 劉獻如，蔡自興.UKF 與 Mean shift 算法相結(jié)合的實時目標跟蹤[J].中南大學學報：自然科學版， 2011，42（5）：166-171.

[6] 王長軍，朱善安.微小運動目標識別算法的核心問題與多跟蹤[J].微電子學與計算機，2014，12（8）：168-171.endprint