张壮暑，蔡晓东，张学敏

(桂林电子科技大学信息与通信学院，广西 桂林 541004)

责任编辑:任健男

随着交通智能监控系统的快速发展，对监控视频运动目标的分类越来越受到重视，目标分类是对目标分析理解的基础。目前智能交通系统主要的监控目标是行人和车辆，例如车辆的类型、大小、速度等。目标快速准确分类可以进行实时交通数据统计，例如交通事故统计、人车流量统计、停车统计、行人穿马路等。目标分类主要包含目标的特征提取和分类器的选择两个方面［1］。特征提取的主要任务就是找到一组对分类可靠有效的特征。目前常用的特征有几何特征和运动特征，目标的形状特征主要有轮廓、面积、长宽比、离散度、质心、外接矩形等，基于运动的特征主要包括运动方向、速度等［2－3］。

不变矩是提取具有平移、旋转、缩放不变性的图像特征，已被广泛应用于图像识别中的字符识别、遥感图像匹配等领域。目前被应用于图像识别的矩特征主要有Hu矩、Zerniker矩等。M.K.Hu在1961年首先提出不变矩的概念，并将几何矩(Geometric Moments，GMg)用于图像描述。图像低阶几何矩与图像的整体特征有关，不包含太多的图像细节信息，而高阶几何矩易受噪声影响。Zerniker矩是根据多项式正交理论提出的，与Hu矩相比，Zerniker矩在抗噪声能力，信息灵敏度以及图像描述能力都优于Hu 矩［4－5］。

本文以背景差分方法进行目标检测，充分利用矩的不变特性，提取运动目标的Zerniker高阶矩、长宽比和占空比组成特征向量，构造支持向量机(SVM)分类器进行人车分类识别，实验结果证明，本文方法具有较高的运动目标识别分类准确率。……