运动目标识别方.docVIP

说 明 书 摘 要 本发明公开了一种运动目标识别方法，该方法在场景模型提供的先验知识辅助下，从视频序列中识别出感兴趣的目标（例如，人和车），并描述其静态和运动信息（区域、轮廓、纹理、类别、运动轨迹、速度等等）。所述运动目标识别方法包括：目标检测、目标跟踪和目标分类。其中，目标检测用于从视频图像中提取感兴趣的区域；目标跟踪用于建立帧与帧之间所提取区域之间的关联性和一致性，形成目标；目标分类对区域和目标进行分类（如人和车），分类器包括区域分类器和目标分类器。根据本发明提供的方案，实现了运动目标的检测、跟踪和分类，解决了图像抖动、亮度变化、阴影、树叶摆动等问题。 摘 要 附 图 权 利 要 求 书 1、一种运动目标分类方法，其特征在于，该方法包括： A、目标检测，用于从视频图像中提取感兴趣的区域； B、目标跟踪，用于建立帧与帧之间所提取区域之间的关联性和一致性，形成目标； C、目标分类，对区域和目标进行分类（如人和车），分类器包括区域分类器和目标分类器。 2、根据权利要求1所述的方法，其特征在于，步骤A中所述目标检测进一步包括： 视频获取，获取视频内容，以得到场景图像； 图像预处理，用于消除其对背景模型的影响； 区域标记，用于对背景模型进行前景分割，并标记出一个一个连通区域； 系统状态维护，用于判定检测器模块当前所处的状态，做出相应处理，并且在必要时做异常检测； 区域增强，用于剔除阴影、高亮和树叶摆动等虚假区域； 区域分裂与合并，用于解决目标过分割和目标相互遮挡问题。 3、根据权利要求2所述的方法，其特征在于，所述图像预处理包括：滤波处理和全局运动补偿。 所述滤波处理是指对图像做噪声过滤、平滑等处理。滤波处理可以通过多种图像去噪、图像平滑处理方法实现。 所述全局运动补偿是指补偿由于相机轻微摆动而引起的图像全局运动。在全局运动补偿中，运动模型基本上就是反映摄像机的各种运动，包括平移、旋转、变焦等。 4、根据权利要求2所述的方法，其特征在于，所述区域标记进一步包括：前景分割；形态学处理；连通区域标记。 所述前景分割是指基于背景模型对场景图像进行分割，以得到前景的二值图像。 所述形态学处理是指使用数学形态学的方法处理所述的二值图像，以去除面积较小的虚假区域，并填充面积较大的区域。数学形态学的方法可以通过先腐蚀后膨胀的方法实现。 所述连通区域标记是指用连通域的方法标记同一场景中的不同区域，以区别不同的目标区域。连通区域标记方法可以通过四连通域方法、八连通域方法实现。 5、根据权利要求2所述的方法，其特征在于，所述系统状态维护包括：状态判定和异常检测 所述状态判定用于判定当前所处的状态，并做出相应处理。该方法主要是通过场景稳定时间、场景改变时间来判定的。当场景稳定时间超过此时间阈值，系统由初始化状态进入工作状态；当场景改变时间超过此时间阈值，系统由工作状态进入初始化状态。 当处于所述工作状态时，继续执行下一操作，背景模型不变。当处于所述初始化状态时，重新建立背景模型，并在必要时做出异常检测。所述重新建立背景模型可以通过帧间差分法实现。 所述异常检测，是在必要时执行，包括视频信号干扰严重，有人为的遮挡相机等情况。 6、根据权利要求2所述的方法，其特征在于，所述区域增强使用差分图像、边缘图像、区域形状纹理等特征以及跟踪器反馈数据，剔除阴影、高亮和树叶摆动等虚假区域，其包括：图像差分、边缘检测、阴影检测、高亮检测、树滤波。 7、根据权利要求6所述的方法，其特征在于，所述图像差分用于前景图像，可以通过帧间差分法或背景差分法实现。所述帧间差分法是利用相邻两帧之间的差来获得差分图像。 8、根据权利要求6所述的方法，其特征在于，所述边缘检测的基本思想是先检测图像中的边缘点，再按一定策略连接成轮廓，从而构成边缘图像 其中，为目标质心稳定运动多帧后的位移，为目标运动多帧所需的时间，为该目标稳定运动的平均速度。 根据所述平均速度预测的下一次位移为： 其中，为预测的目标时间，为目标质心稳定运动时间后的位移。 16、根据权利要求12所述的方法，其特征在于，所述目标匹配包括：跟踪匹配的稳定目标；滤除虚假目标。 17、根据权利要求16所述的方法，其特征在于，所述跟踪匹配的稳定目标的核心是判定检测区域与跟踪目标是否匹配。所述匹配的判定准则包括： 1）最小面积比率，要求检测区域与目标匹配成功的面积比率大于设定的最小面积比率； 2）最小距离比率，要求检测区域与目标匹配成功的距离大于设定的最小距离比率； 3）运动区域的最大匹配距离阈值，运动区域的匹配距离阈值（像素单位）小于设定的最大匹配距离阈值； 4）静止区域的最大匹配距离阈值，静止区域的匹配距离阈值（像素单位）小于设定的最大匹配距