[发明专利]基于多特征融合的快速人车目标分类方法

权利要求书

1.一种基于多特征融合的快速人车目标分类方法，其特征在于：包括如下步骤： 

获取监控视频图像，对相邻两帧图像进行帧间差分，得到差分图像；采用最大类间方差法确定阈值，对差分图像进行图像分割；去除分割图像中的噪点，填补空洞，形成目标图像；对目标图像进行像素统计，去除目标图像像素值低的区域，形成目标区域，依据目标区域像素横纵坐标的最大值和最小值，构造该区域的外接矩形，计算目标图像中每个目标区域的面积、外接矩形的面积、质心坐标和矩形饱和度；将相邻两帧图像中面积差异小、质心坐标欧氏距离最近的两个目标区域判定为同一目标；若同一目标稳定出现若干帧以上，依据该目标的面积、速度和矩形饱和度，判断该目标为人员或车辆。 

2.根据权利要求1所述的基于多特征融合的快速人车目标分类方法，其特征在于：包括以下步骤： 

步骤1. 

获取监控视频图像，第k帧图像记为F_k；对相邻两帧图像进行帧间差分：取相邻两帧图像相应像素值差值的绝对值，逐像素差分后，得到差分图像FD_k； 

步骤2. 

计算差分图像FD_k均值μ和标准差σ，针对差分图像FD_k中大于μ+σ的像素值，以最大类间方差准则计算最优分割阈值Th，根据阈值Th对差分图像FD_k进行图像分割，形成分割图像FS_k： 

其中， 

FD_k(i,j)表示差分图像FD_k第i行第j列像素的像素值； 

FS_k(i,j)表示分割图像FS_k第i行第j列像素的像素值； 

步骤3 

采用形态学操作去除分割图像中的噪点，填补空洞，形成目标图像FM_k； 

步骤4 

将目标图像FM_k中像素值为1的连通区域进行像素数统计，去除像素数小于N1的区域，对保留下的目标区域，依据像素横纵坐标的最大值和最小值，形成该区域的外接矩形，用以标识该目标区域，计算出图像中每个目标区域的面积S、外接矩形的面积RS、质心坐标(x,y)和矩形饱和度R,

步骤5 

对监控视频的每一帧图像进行上述步骤1～步骤4，统计每一帧图像目标区域的面积、目标区域外接矩形的面积和目标区域质心坐标等特征，根据特征进行目标关联：设第k帧中有N个目标区域，对于其第n个目标区域，在第k-1帧中，在满足面积差异小于10%的条件下质心距离第k帧第n个目标区域欧氏距离最小的目标区域，判定为同一目标； 

步骤6 

若同一目标稳定出现N2帧以上，则通过多特征识别判断该目标为人员或车辆： 

其中， 

d_s、d_v、d_r依次为面积特征加权系数、速度特征加权系数、矩形饱和度特征加权系数； 

ThS₁、ThS₂依次为目标面积高、低阈值； 

ThV₁、ThV₂依次为目标速度高、低阈值； 

ThR₁、ThR₂依次为目标矩形饱和度高、低阈值； 

S_n为第k帧第n个目标区域的面积； 

V_n为第k帧第n个目标区域的速度； 

R_n为第k帧第n个目标区域的矩形饱和度； 

ThS₁、ThS₂、ThV₁、ThV₂、ThR₁、ThR₂数值根据监控场景具体设定； 

设定阈值Th₀，若F_n≥Th₀，判定该目标为车辆；若F_n<Th₀，判定该目标为人员。