資源描述：
《基于粒度計(jì)算和ds證據(jù)決策融合人形識(shí)別方法的研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、江蘇人學(xué)碩士學(xué)位論文摘要隨著科技的飛速發(fā)展，視頻監(jiān)控技術(shù)也隨之成熟，而人形識(shí)別技術(shù)是現(xiàn)代視頻監(jiān)控系統(tǒng)的核心技術(shù)之一。人形識(shí)別對(duì)智能視頻監(jiān)控技術(shù)具有十分重要的理論價(jià)值和應(yīng)用意義，人們開(kāi)始同益重視人形識(shí)別的研究。人形識(shí)別是指將監(jiān)控視頻中的人形檢測(cè)出來(lái)并進(jìn)行統(tǒng)計(jì)，而人形識(shí)別的過(guò)程一般可分為三個(gè)部分，即視頻圖像預(yù)處理、人形特征的提取以及人形識(shí)別。本文首先綜述了課題的研究背景，分析了國(guó)內(nèi)外關(guān)于人形識(shí)別研究現(xiàn)狀與進(jìn)展并且闡明了課題的研究意義。在此基礎(chǔ)上，提出了基于算術(shù)平均數(shù)粒度計(jì)算的人形特征約簡(jiǎn)算法，即基于多核和D．S證據(jù)的人形識(shí)別算法，具體內(nèi)容如下：1)詳細(xì)闡述
2、了適合于視頻圖像幀的特征提取方法及特征融合技術(shù)，闡述了支持向量機(jī)理論、為新的算法提供理論支持。．2)提出了基于算術(shù)平均數(shù)粒度計(jì)算的人形特征約簡(jiǎn)算法，將基于粒度計(jì)算的屬性約簡(jiǎn)方法應(yīng)用于人形特征的篩選，避免了傳統(tǒng)方法難以準(zhǔn)確消除冗余的缺點(diǎn)。采用支持向量機(jī)對(duì)目標(biāo)圖片進(jìn)行人形識(shí)別，記錄不同特征參數(shù)下的識(shí)別率，求出其算術(shù)平均數(shù)，并與單個(gè)數(shù)據(jù)做比較，簡(jiǎn)化決策表后通過(guò)粒度計(jì)算的方法約簡(jiǎn)人形特征。將得到的約簡(jiǎn)特征與原始特征在相同測(cè)試集下做人形識(shí)別實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明，該方法能消除冗余，提高識(shí)別的性能，且該算法的健壯性較好。3)提出了基于D—S證據(jù)的人形決策融合識(shí)別算法。
3、采用D．S證據(jù)的思想，對(duì)相同的測(cè)試圖像樣本使用不同特征集進(jìn)行SVM分類，并用D．S證據(jù)的方法對(duì)各個(gè)識(shí)別結(jié)果進(jìn)行決策融合。實(shí)驗(yàn)結(jié)果表明，使用D．S證據(jù)的思想進(jìn)行人形決策融合識(shí)別可提高人形識(shí)別的識(shí)別率。4)將上述的各種方法進(jìn)行有機(jī)集成，并使用C++與Matlab聯(lián)合編程方式進(jìn)行編程開(kāi)發(fā)，實(shí)現(xiàn)了所提出方法的程序，并且最終集成實(shí)現(xiàn)了圖像中的人形識(shí)別原型系統(tǒng)，驗(yàn)證了所提出的方法的有效性和可用性。關(guān)鍵字：人形識(shí)別，算術(shù)平均數(shù)，粒度計(jì)算，支持向量機(jī)，D，S證據(jù)江蘇大學(xué)碩：E學(xué)位論文ABSTRACTWiththerapiddevelopmentoftechnology
4、，videomonitoringtechnologyisbecomingmoreandmoremature．Andmeanwhile，thetechnologyofhumanshaperecognitionisoneofthecoretechnologiesofvideomonitoringsystemnow．Peoplebegantopaymoreandmoreattentionontheresearchofhumanshaperecognition，becauseithasveryimportantacademicvalueandapplicati
5、onsignificancetointelligentvideosupervisingtechnology．Humanshaperecognitionmeansdetecthumanshapesfromsurveillancevideoandthenmakeastatistic．Theprocedureofhumanshaperecognitionhasthreesteps，theyarevideoimagepreprocess，featuresextractionofhumanshapeandhumanshaperecognition．Inthisp
6、aper,wefirstlydiscussthebackgroundandthenanalyzethepresentsituationofhumanshaperecognitionathomeandabroad．Thenweshowthesignificanceofthisstudy．Basedonthis，thispaperputsforwardahumanshapefeaturereductionbasedongranularcomputingofarithmeticaverageandahumanshaperecognitionbasedonmu
7、ltinuclearandD·Sevidence．Thecontentisasfollows：1)Thispaperexpoundsindetailtheimagefeaturessuitableforthevideoimageframeofhumanshape，thefeatureextractionandfusion．Theyprovidetheoreticalsupportforthenewalgorithm．2)Thispaperpresentamethodthatishumanshapefeaturereductionbasedongranu
8、larcomputingofarithmeticaverage．Theproposedalgo
