[发明专利]基于多特征融合的快速人车目标分类方法

说明书

技术领域

本发明属于图像处理、光电技术领域，具体涉及一种基于多特征融合的快速人车目标分类方法。

背景技术

在视频监控系统中，会出现大量的运动目标，而在全部的运动目标中，以人员目标和车辆目标为主，同时这两类目标也是监控的重点目标。由于对于人员目标和车辆目标的管理要求具有显著区别，因此在视频监控系统中存在人车目标分类的需求。

现有技术中的人车目标分类方法主要基于统计训练，需要收集大量的车辆和人员的图像样本，且识别速度慢、对运算设备需求较高，极大地影响了识别效果。

发明内容

本发明需要解决的技术问题为：现有技术中的人车目标分类方法主要基于统计训练，需要收集大量的车辆和人员的图像样本，识别效率低。

本发明的技术方案如下所述：

一种基于多特征融合的快速人车目标分类方法，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。

作为优选方案，本发明的方法包括以下步骤：

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：

FSk(i,j)=1FDk(i,j)≥Th0FDk(i,j)<Th]]>

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