[發明專利]運動目標分類方法及其系統

有效

• 申請號: 200910077432.1
• 申請日: 2009-02-11
• 公開（公告）號: CN101739685A
• 公開（公告）日: 2010-06-16
• 發明（設計）人: 王正;曾建平;楊學超;菅云峰
• 申請（專利權）人: 北京智安邦科技有限公司
• 主分類號: G06T7/20
• 分類號: G06T7/20;G06K9/62;H04N5/14;H04N7/18
• 代理公司: 北京乾誠五洲知識產權代理有限責任公司 11042
• 代理人: 付曉青;楊玉榮

技術領域

本發明涉及視頻監控技術，特別是涉及一種智能視頻監控系統中 的運動目標分類方法及其系統。

背景技術

常規的智能視頻監控技術都包括一個運動目標分類技術。運動目 標分類與運動目標檢測、運動目標跟蹤相結合，可以構成視頻監控系 統中運動目標識別模塊。運動目標分類能否正確區分各類目標(如人 和車)，直接影響著視頻監控系統中的告警，因此成為智能視頻監控 技術研究中的關鍵之一。

為了實現運動目標分類，可以使用貝葉斯算法。貝葉斯算法是一 類利用概率統計知識進行分類的算法，可以運用到大型數據庫中，且 方法簡單、分類準確率高、速度快。這種方法的缺點是由于貝葉斯定 理假設一個屬性值對給定類的影響獨立于其它屬性的值，而此假設在 實際情況中經常是不成立的，因此其分類準確率可能會下降。

為了實現運動目標分類，可以使用神經網絡算法。神經網絡算法 能夠模擬人類大腦的機構和功能，采用各種學習算法從訓練樣本中學 習，并將獲取的知識存儲在網絡各單元之間的連接權中，能夠準確的 分類目標。神經網絡算法在1998年提出后，又出現許多變形，包括 替換的誤差函數、網絡拓撲的動態調整、學習率和要素參數的動態調 整。近年來，從神經網絡中提取規則受到越來越多的關注。這種方法 的缺點是由于要使用大量的訓練樣本，且在實際應用中要不斷地更新 樣本信息，因此運算量極大。

綜上所述，目前迫切需要提出更為有效的運動目標分類方法。

發明內容

有鑒于此，本發明的目的在于提供一個運動目標分類方法及其系 統。所述運動目標分類方法首先提取目標的空間特征和時間特征，然 后通過使用概率分類法根據提取的特征對目標進行分類。

為達到上述目的，本發明的技術方案是這樣實現的：

本發明提供了一種運動目標分類方法，所述運動目標分類方法包 括如下步驟：

提取特征，提取目標的空間特征和時間特征；

判定類型，判定目標的類型。所述判定類型包括每幀分類和整體 分類。

根據本發明，所述空間特征包括：區域輪廓擬合橢圓的長軸a、 區域輪廓擬合橢圓的短軸b、擬合短軸與水平方向夾角θ、區域輪廓 的類圓性ρ、區域的緊集度F、區域的面積A、區域的上部分與下部 分的面積比R；所述時間特征為目標的速度v。

其中，區域輪廓擬合橢圓的長軸a、區域輪廓擬合橢圓的短軸b、 擬合短軸與水平方向夾角θ通過如下所述的常規步驟確定：

1)計算輪廓點x，y坐標的平均值，公式如下：

meanx=1nΣi=1nxi]]>

meany=1nΣi=1nyi]]>

x₀＝mean_x，y₀＝mean_y

2)計算輪廓點x，y坐標的方差，協方差，公式如下：