[发明专利]一种基于在线训练的视频运动目标分类方法与系统

摘要

本发明公开了一种基于在线训练的视频运动目标分类方法，包括以下步骤：(1)获取原始视频序列的所有运动目标；(2)对运动目标提取速度、面积等标记特征和高宽比等分类特征；(3)将速度特征大于速度高阈值的目标标记为“车辆”，速度特征小于速度低阈值的目标留作步骤(4)进行二次筛选；(4)对速度小于速度低阈值的目标中面积特征小于面积阈值的目标标记为“行人”；(5)将标记完毕的“车辆”目标和“行人”目标设为训练集，训练得到人车分类器；(6)将所有运动目标设为测试集输入分类器得到分类结果。本发明还提供了相应的分类系统。本发明中，由于标记和训练过程不依靠先验信息，对于行人的多态性和车辆的多样性具有较强的适应性。

主权项

一种基于在线训练的视频运动目标分类方法，其特征在于，包括以下步骤：(1)将原始视频中的图像序列进行分析，通过混合高斯模型建模得到图像序列中的运动目标，将检测到的运动目标通过基于位置特征的方法进行最近邻关联从而实现运动目标的跟踪，获得运动目标总数为TubeNum；(2)对原始视频中检测到的运动目标进行特征提取，提取的特征包括对运动目标筛选后标记所需的标记特征和训练分类器并对运动目标分类所需的分类特征，其中：标记特征包括速度特征V、面积特征S；分类特征包括高宽比特征Aspect、占空比特征Empty、离散度特征Disperse、梯度方向直方图特征；(3)将所有运动目标按速度特征V由小到大进行排序，根据速度高阈值ThHSpeed和低阈值ThLSpeed对排序后的运动目标进行筛选：将速度特征V从大到小的ThHSpeed*TubeNum个目标标记为“车辆”目标，将速度特征V从小到大的ThLSpeed*TubeNum个目标留作步骤(4)中进行二次筛选，将其余速度特征V在速度高阈值和低阈值中间的(1‑ThLSpeed‑ThHSpeed)*TubeNum个目标标记为“未分类样本”；(4)将速度特征V从小到大的ThLSpeed*TubeNum个运动目标按面积特征S从小到大进行排序，根据面积阈值ThArea对排序后的低速度目标进行二次筛选标记：将面积特征S从小到大的ThArea*(ThLSpeed*TubeNum)个低速度目标标记为“行人”目标，将其余低速度运动目标标记为“未分类样本”；(5)在分类器训练阶段，将标记为“车辆”及“行人”的运动目标设为训练集，将训练集中运动目标已提取的分类特征包括高宽比特征Aspect、占空比特征Empty、离散度特征Disperse和梯度方向直方图特征组合成训练集特征向量，将训练集与训练集特征向量输入支撑向量机进行训练，得到人车分类器；(6)在分类器测试阶段，将原始视频中检测到的所有运动目标作为测试集，将测试集中运动目标已提取的分类特征包括高宽比特征Aspect、占空比特征Empty、离散度特征Disperse和梯度方向直方图特征组合成测试集特征向量，将测试集特征向量输入人车分类器进行分类，通过判别公式得到输出结果为“行人”与“车辆”两类；为了避免部分物品由于视频场景原因被分类为“行人”或“车辆”，在分类器输出后遍历所有目标，根据目标外接矩形计算目标自起始至结束的质心位移参数dist以及矩形外形不变性参数repeatNum，若同时满足位移参数dist小于位移阈值ThDist并且不变性参数repeatNum大于不变性阈值ThRepeat，则将该目标作为“物品”分类。