文档介绍：声明本学位论文是我在导师的指导下取得的研究成果,尽我所知,在本学位论文中,除了加以标注和致谢的部分外,不包含其他人已经发表或公布过的研究成果,也不包含我为获得任何教育机构的学位或学历而使用过的材料。与我一同工作的同事对本学位论文做出的贡献均已在论文中作了明确的说明。研究生签名: w/≥年≥月夕日学位论文使用授权声明南京理工大学有权保存本学位论文的电子和纸质文档,可以借阅或上网公布本学位论文的部分或全部内容,可以向有关部门或机构送交并授权其保存、借阅或上网公布本学位论文的部分或全部内容。对于保密论文,按保密的有关规定和程序处理。研究生签名:鸷 V廖年弓月f7日硕士论文视频图像目标检测与识别算法优化摘要视频图像目标检测与识别作为计算机视觉领域的重要部分,在最近一些年已经受到了人们的普遍重视,并且已有较为广泛的应用。本文对运动目标检测以及行人识别的算法进行了比较详细深入的研究,在此基础上提出了一种更准确的运动目标检测方法,并且对于目前行人识别领域最常用的HOG描述符给出了一种优化方法。首先,本文总结了国内外视频图像目标检测与识别领域的发展现状,对现有的一些通用的,经典的目标检测和行人识别算法、流程进行了研究和总结。其次,本文描述了在研究中提出的运动目标检测算法。该算法以混合高斯模型为基础,先是综合了背景差分法和帧间差法去除部分图像噪声,而后采用边缘高斯模型建模方法减少光照变化影响,最后结合形态学方法综合处理,得到了一种在复杂噪声或光照突变情况下依然能够对运动目标进行较为准确检测的检测算法。然后,本文对HOG行人识别算法进行了深入研究。通过分析HOG描述符的内在特点,对描述符进行选择性降维处理,从而有效降低分类器训练以及判断的时间。之后, 通过实验,验证了这种改进方法的准确性和速度优势。最后,本文将运动目标检测部分的算法进行优化,完成了向DSP上的移植。关键词:目标检测,行人识别,混合高斯模型,HoG描述符 Abs仃佻t 硕士论文 Abstract As an importallt part puter vision,video hage obj ects detection and recogIl“ion has been也e general attention ofthe people in recent years as weU aS谢dely thisthesis,moving objects detection aIldpedestriaIl recogIlition algorimm is deeply more accurate moving objects detection metllod amore optimizational metllod forHOG descriptor,wmch mollly used inpedestrian recogIlition field,isgiVen. Firstlvthe山esis sl】mmarizes t11es协tus ofme deVelopment ofVideo image objects detection a11dreco鲥tion fields athome a11dabroad. Secondly,this thesisproposes analgorithm which can effectiVely resolVe theproblems of dismaIlces causedby noise锄dill啪ination mmat溉 Edge GauSsi眦mixture model fEGMM)method bined惭th a11improved Neighborhood-baSed difI’erencemethod in t11ispaper tosolvemeseproblems and improVe themoVing objects detection· Thirdly,HOG descriptor isdeeply studied in也is doing dimensionali够 reduction process,time ofclassifiertrailling a11djudgment can beeffectiVely experiments proved thatthespeed advaultages oftheimproVed memod. Finally,algoritllm ofmoving objects detection part isoptimized and仃allsplamed t