基于轮廓特征的神经网络目标识别研究

摘要：

为了实现威胁源自动报警,使用BP神经网络构建自动报警系统.针对帧差法提取出的目标轮廓有重复和受变化背景影响的问题,提出了一种基于轮廓片段的目标特征提取方法.首先使用k-mediod聚类以剔除重复轮廓,再结合轮廓片段生长的方法,计算待识别轮廓和验证图片集的匹配代价以剔除背景轮廓,提取出匹配代价最小的轮廓生成轮廓片段字典.随后计算归一化的轮廓矩生成特征向量.最后将提取出的特征向量输入事先训练生成的BP神经网络进行分类.实验结果表明,算法适用于典型刚性目标识别,对于实验视频中枪支的平均识别率达到93.5％,单帧平均运算时间3.67 ms；对于Berkeley运动分割数据集中车辆的识别率达到98.2％,单帧平均运算时间5.26 ms.算法具有高实时性、高准确率的特点.

关键词：轮廓片段、K-mediod聚类、匹配代价、神经网络

所属期刊栏目：28

分类号：TN391(半导体技术)

资助基金：院地合作长吉图专项基金2011CJT0006

在线出版日期：2013-10-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：641-648