Research on Recognition and Track Technology of Object

在模式识别领域，由于计算机的应用和发展，其理论和方法都取得了巨大的突破，并推动了人工智能的发展。但是，由于模式识别研究对象特有的复杂性，使得现有的理论和方法尚不能形成一套完整的体系结构。目前，通常针对不同的对象类型及条件，采用不同的识别理论及方法。本文主要针对工程中的实际应用需要，研究不同条件下的目标识别方法。，首先，根据目标快速搜索的需要，着重研究了目标区域的快速搜索算法，提出了四叉树法和模板膨胀法两种快速算法，并给出了效率比较：其次，对复杂背景下的目标识别跟踪方法进行了细致的研究，这也是模式识别在现实环境中应用的一个难题，一直得到广泛的关注。本文提出了基于自适应特征区域相关匹配的复杂背景中目标识别跟踪技术，提出了新的目标特征区域的降维转换算法及权值选取方法，基本上清除了目标周围复杂背景的影响。实现了较好的识别跟踪效果；随后，对于在运动中发生了衰变的目标识别，提出了基于神经网络的识别技术。最后，对于在二维空问发生尺度及旋转变化的刚性物体，提出了提取具有二维旋转尺度不变性特征矢量的方法，并给出相似度判定标准，从而实现对于在二维空间运动变化的刚性目标物体的识别。本文通过实验进行了分析、验证，证明上述方法在快速搜索和约束条件下的目标识别方面取得了较好的效果