[发明专利]基于目标边缘方向的目标分类方法和系统

说明书

技术领域

本发明涉及视频图像处理领域，特别涉及监控视频中目标自动分类技术。

背景技术

目前，交通事故是导致行人死亡的一个主要因素之一，由于自行车骑车人和行人在交通事故中常常处于弱势地位，一旦与机动车发生交通事故，很容易受到伤害。因此，行人检测技术成为近年来智能分析领域研究中备受关注的研究方向，尤其对于智能交通视频分析领域，对目标的分类和检测，对道路的管理和交通安全有至关重要的作用，

本发明的发明人发现，目前目标分类的主要方法有如下相应不足之处：

1.背景提取和形状模型匹配的方法，该方法主要是通过对当前图像与参考背景的像素进行逐个做差来得到运动目标，通过运动目标与相应已知目标的形状模型进行匹配来进行判别。然而，行人具有的多态性和车辆的多样性决定了通过模型匹配不能达到较理想的结果。

2.应用Harr型特征的方法，该方法通过从大量训练样本中提取Haar型特征，对这些特征进行训练得到强分类器，最后通过强分类器来进行目标的识别和分类。Harr型特征检测方法成功的应用在人脸检测，速度很快，精度较高，已经广泛应用，但是行人检测不同于人脸检测，Harr特征主要是基于灰度分布的区域特征，人脸在这方面非常稳定，所以有很高的检测精度，但应用于户外公路行人和车辆时，由于色彩多样，光线、天气变化等因素影响，行人和车辆图像在灰度分布的区域上并没有明显的特征，因此利用Harr特征进行分类也不能达到很好的效果。

3.利用梯度方向直方图特征的方法，它提取了图像中局部区域的梯度方向直方图特征，通过对样本中该特征进行训练，然后用模式识别中的方法形成分类器，从而实现目标检测和分类。但在实际应用中，根据不同的场景和不同的实际情况，相机假设的高度，角度不尽相同，因此利用分类器鲁棒性不高，针对不同场景往往需要训练相应的训练器；在实际监控中需要实时对视频序列进行处理，并且需要对目标进行跟踪，利用分类器并不能很好的满足实时的要求，并且不同视频场景不同，无法确定统一的检测区域，在使用上带来不便。

所以，亟待提出一种简单有效，适应性更强，计算量更小的目标分类方法。

发明内容

本发明的目的在于提供一种基于目标边缘方向的目标分类方法和系统，根据目标边缘方向分布的特征对目标进行自动分类，使得运动目标分类容易实现，准确度高，计算复杂度低，实时性强，有效区别道路上的行人和车辆，帮助高速公路管理部门对道路智能管理，预防恶性事件的发生。

为解决上述技术问题，本发明的实施方式提供了一种监控视频中目标自动分类方法，包括以下步骤：

根据当前帧和背景图像的差获取当前图像中的运动目标区域；

对运动目标区域内的图像计算边缘梯度方向；

对边缘梯度方向按方向角度进行统计，得到方向直方图；

根据方向直方图确定运动目标的类型。

本发明的实施方式还提供了一种监控视频中目标自动分类系统，监控视频中目标自动分类系统，包括以下模块：

获取模块，用于根据当前帧和背景图像的差获取当前图像中的运动目标区域；

计算模块，用于对获取模块获取的运动目标区域内的图像计算边缘梯度方向；

统计模块，用于对计算模块计算的边缘梯度方向按方向角度进行统计，得到方向直方图；

分类模块，用于根据统计模块统计的方向直方图确定运动目标的类型。

本发明实施方式与现有技术相比，主要区别及其效果在于：

根据目标边缘方向分布的特征对目标进行自动分类，使得运动目标分类容易实现，准确度高，计算复杂度低，实时性强，有效区别道路上的行人和车辆，帮助高速公路管理部门对道路智能管理，预防恶性事件的发生。

进一步地，基于梯度和边缘检测算子的边缘检测方法，可以对图像噪声更为敏感，通过利用多高斯模型快速算法，图像边缘检测大幅度地减少了不相关的数据量，使得计算量减少，节省运算代价，并且剔除了可以认为不相关的信息，保留了图像中的运动目标区域内的图像边缘的结构属性，提高检测准确性。

进一步地，对边缘梯度方向直方图的归一化处理，可以消除“角度”这一量纲缩小量值，从而简化监控视频中目标自动分类的计算。