[发明专利]基于差分链码直方图的目标分类方法及装置

说明书

本发明公开了一种基于差分链码直方图的目标分类方法及装置，所述方法包括：对训练图像集进行离线分类器训练，得到相应的目标类别判别函数及其参数；对输入的视频序列图像进行前景目标检测；对检测的前景目标进行目标特征提取；将提取的目标特征作为输入，并利用训练得到的目标类别判别函数及其参数对视频序列图像中的前景目标进行在线类别判定。本发明通过提取前景目标的一阶差分链码直方图特征，计算量少，而且该特征具有目标平移、尺度和旋转不变性。

技术领域

本发明属于模式识别领域，涉及图像处理和计算机视觉技术领域，具体而言，尤其涉及一种视频监控中的基于差分链码直方图的目标分类方法及装置。

背景技术

目标分类是智能视频分析技术中的一个重要内容，智能只能视频分析的实际应用场合中，视频序列图像中的不同前景区域可能对应不同的运动目标，为了更好的理解不同目标的行为，就需要正确地将类别标志与目标区域联系起来，例如，为了理解停车场人的行为，或计算高速公路上不同类型车辆的流速等。

目前，目标分类在智能安全监控、交通道路监管、虚拟现实、运动分析等方面有广泛的应用。例如，在智能安全监控系统中，为监视区域报告感兴趣目标的活动，首先需要将检测到的目标进行分类，然后根据目标类别的不同做相应的处理，实现监控系统的自动化与智能化，从而节省了安检人员很大一部分工作量。基于此，准确的目标分类是有针对性地对目标进行行为分析的前提，是智能视频监控系统完全必要的基础工作。因此，要使计算机理解真实环境中的目标行为及事件，目标的分类与识别是第一步。

目标分类主要是对特征的理解，特征提取的好坏决定了分类准确度的高低。本发明的发明人在对现有技术进行研究时发现：在以目标形状的高宽比、轮廓周长比率等为特征的目标分类方法中，通常会在视频捕捉设备发生视觉改变时，某一程度上影响了目标类型的区分性；另外，在以Hu不变矩等以矩为特征的目标分类方法中，虽然其具有较强的平移、尺度和旋转不变性，但其运算复杂，某一程度上影响了视频分析的实时性。

所以，目前亟待提出一种运算量即不复杂、目标类型区分性良好、同时又能使目标具有平移、尺度和旋转不变性的目标分类方法。

发明内容

为了得到一种运算即不复杂，又能提高目标类型的区分性，同时还具有目标平移、尺度和旋转不变性的目标分类方法，本发明提供了一种基于差分链码直方图的目标分类方法及装置。

为了达到本发明的目的，本发明采用以下技术方案实现：

一种基于差分链码直方图的目标分类方法，包括：

对训练图像集进行离线分类器训练，得到相应的目标类别判别函数及其参数；

对输入的视频序列图像进行前景目标检测；

对检测的前景目标进行目标特征提取；

将提取的目标特征作为输入，并利用训练得到的目标类别判别函数及其参数对视频序列图像中的前景目标进行在线类别判定。

优选地，对训练图像集进行离线分类器训练以得到相应的目标类别判别函数及其参数的步骤包括：

对训练图像集中的每一个前景目标进行目标特征提取；

对训练图像集中的每一个前景目标进行目标类别符标定；

将标定好的目标类别符及其相应的目标特征作为输入参数，进行离线训练，从而得到相应的目标类别判别函数及其参数。

优选地，对检测的前景目标进行目标特征提取的步骤包括：

对前景目标进行边界链码表达；

对链码进行一阶差分；

对一阶差分链码进行直方图统计；

对统计出的直方图中每一分量进行归一化；