论文部分内容阅读
本文采用背景差分法分割出运动目标,在背景差分时使用Surendra算法获取自适应的背景图像,并进行一系列后续处理,大大减少了复杂场景下运动目标检测提取过程中常见的空洞问题。然后提出了基于长宽比、空隙率、空隙率变化量的静态特征和动态特征相结合的分类方法,并采用有向无环图SVM多类别分类器进行分类。实验证明该方法对运动目标的姿势有较强的鲁棒性,并且能对存在轻微空洞的运动目标进行准确分类。