[发明专利]一种目标特征检测方法及装置

说明书

本发明适用于计算机视觉技术领域，提供了一种目标特征检测方法及装置，所述方法包括：在视频帧中提取局部二值模式LBP特征描述符；根据预设的简化算法，在所述视频帧中提取梯度方向直方图HOG特征描述符；根据所述LBP特征描述符和所述HOG特征描述符，通过支持向量机SVM分类器识别出所述目标。本发明根据预设的简化算法，提取视频帧的LBP特征描述符和HOG特征描述符，组合成HOG_LBP特征描述符，并将该HOG_LBP特征描述符输入SVM分类器，以识别出该视频帧中特定的目标，所述方法适合应用于FPGA硬件电路，以满足实时检测的要求，提高了目标特征检测的计算速度。

技术领域

本发明属于计算机视觉技术领域，尤其涉及一种目标特征检测方法及装置。

背景技术

近年来，实时监控在智能交通和安防等领域得到了越来越广泛的应用。例如，车载视频监控系统能够及时发现行人并提醒司机注意，以减少发生交通事故；在居民小区和交通道口安装监控摄像机，记录经过的行人和车辆等。这些应用对视频数据的实时处理速度、存储容量和视频数据检索的准确性都提出了很高的要求，由此，目标检测和跟踪成为计算机视觉技术领域的热点和难点问题。

传统的目标检测是采用梯度方向直方图(Histogram of Oriented Gradient，HOG)对目标进行特征提取，但是当背景非常嘈杂零乱时，检测的准确性会降低。而在图像的纹理特征方面，通常采用局部二值模式(Local Binary Pattern，LBP)对目标进行特征提取。将HOG与LBP结合对目标进行特征提取，可以提高检测精度，但是由于计算的复杂度较高，难以达到实时检测的要求。

发明内容

本发明的目的在于提供一种目标特征检测方法，旨在提高目标特征检测的计算速度。

本发明是这样实现的，一种目标特征检测方法，包括：

在视频帧中提取LBP特征描述符；

根据预设的简化算法，在所述视频帧中提取HOG特征描述符；

根据所述LBP特征描述符和所述HOG特征描述符，通过支持向量机SVM分类器识别出所述目标。

本发明的另一目的在于提供一种目标特征检测装置，包括：

LBP特征描述符提取模块，用于在视频帧中提取LBP特征描述符；

HOG特征描述符提取模块，用于根据预设的简化算法，在所述视频帧中提取所述HOG特征描述符；

识别模块，用于根据所述LBP特征描述符和所述HOG特征描述符，通过支持向量机SVM分类器识别出所述目标。

在本发明中，根据预设的简化算法，提取视频帧的LBP特征描述符和HOG特征描述符，组合成HOG_LBP特征描述符，并将该HOG_LBP特征描述符输入支持向量机(SupportVector Machine，SVM)分类器，以识别出该视频帧中特定的目标，所述方法适合应用于现场可编程门阵列(Field Programmable Gate Array，FPGA)硬件电路，以满足实时检测的要求，提高了目标特征检测的计算速度。

附图说明

图1是本发明实施例适用的系统结构；

图2是本发明实施例提供的一种目标特征检测方法的实现流程图；

图3是本发明实施例提供的提取LBP特征描述符的示意图；

图4是本发明实施例提供的一种扩展的LBP示意图；

图5是本发明实施例提供的从视频流中提取3*3像素点单元的流水线结构示意图；

图6是本发明实施例提供的计算LBP直方图的硬件电路设计示意图；