基于图象处理的机器视觉与智能识别技术是图象处理的前沿和人工智能研究领域的重要分支,机器识别的方法在于研究合适的计算模型,然后利用机器来实现简单的智能判决。本文以“人”目标的检测为研究对象,采用归一化方案和主动轮廓算法提取采样图象中的目标信息,即图象特征,并利用一定的先验知识对该信息进行判断,达到检测和识别“人”目标的目的。目标检测是识别的前提工作,本文通过加权灰度分析寻找一个可以逼近我们感兴趣目标的图象点(即目标点),并在此基础上建立直角坐标系,分割采样图,解决多个目标检测的问题。目标匹配是目标跟踪,识别领域的基本思想,在本课题中鉴于采样图获取目标的位置,角度和形态差异,直接进行目标匹配显然是不可行的。本文采用归一化的思想,通过角度修正,坐标平移和坐标伸缩,得到目标的标准尺寸和形态。与传统归一化算法的区别在于,本文并不采用某个标准模板作为参考,因而可以防止非“人”目标在归一化之后具有和“人”目标相似的尺寸和形态。轮廓检测一直是目标的识别算法中最基本也最困难的问题,传统的轮廓检测方案往往受采样图的实际效果影响较大,造成提取轮廓模糊或存在断点乃至严重的轮廓失真。通常的解决方案是采用相应的后续修正算法,让目标轮廓尽量保持连续。本文在目标归一化的基础上,采用主动轮廓算法,较好的解决了轮廓对目标的贴近及其本身连续性问题,避免了复杂的后续修正工作。通常情况下的目标识别往往可以对识别过的目标进行标记或能很快提取其不变特征,不至于影响其他目标判断。然而“人”目标的形态会随时间发生随机的改变,不容易提取其不变性特征,鉴于人数统计的客观要求,不能容许对同一个人重复计数。本文通过对上一次目标检测和目标识别的结果以及当前目标检测结果进行综合验算的方法,来判断是否对当前采样图进行识别判断,在解决了重复计数问题的同时大大降低了系统的实时处理数据量。