[發明專利]基于混沌特征量視頻運動模態分割和交通狀況識別的方法

無效

• 申請號: 201210399251.2
• 申請日: 2012-10-18
• 公開（公告）號: CN102930294A
• 公開（公告）日: 2013-02-13
• 發明（設計）人: 胡士強;王勇
• 申請（專利權）人: 上海交通大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 上海新天專利代理有限公司 31213
• 代理人: 張澤純

技術領域

本發明涉及的是一種計算機模式識別技術領域的分類方法，具體地說，涉及的是一種基于混沌特征量來對視頻分割和交通狀況識別的算法。?

背景技術

視頻分割是計算機視覺與模式識別領域的研究熱點。將視頻中不同的運動模式準確分類在民用和軍用上均具有廣泛的應用前景。如通過視頻監控，對不同的交通情況（擁塞，中度擁堵，車流較少）進行分類。針對視頻分割這個問題，國內外學者提出了很多方法。?

視頻分割的主要方法有基于運動信息，基于模型和基于時空信息的方法?；谶\動信息的有光流法和變化檢測法。光流法是通過計算幀與幀之間像素變化，來得到光流場。但是它受到局部運動約束，因此對于低紋理無紋理物體的運動，物體內部的運動場會丟失，即前后兩幀中原來被遮蓋的背景由于前景運動顯現出來，影響光流計算。變化檢測由全局運動估計模塊，自適應閾值決策模塊，基本分割模塊組成。?

基于模型的方法主要有混合高斯法，基于隨機場模型模型分割法。混合高斯法假設圖片背景的每個像素值是符合高斯分布的，因而可以計算出背景的均值和方差，從而建立起背景的高斯模型。當有運動物體進入圖像時，該物體的顏色值與背景有較大的差異，此時物體所在區域就不符合高斯模型，于是物體就可以當做前景分離出來?；陔S機場模型模型分割法是將最大后驗概率準則-馬爾科夫隨機場（MAP-MRF）的標記問題轉化為圖論的最小割問題。?

傳統的識別交通狀況的算法是通過對視頻里面車輛分割，跟蹤，通過得到視頻中車的數目以及車的速度來判斷交通狀況。這種方法的缺點是將車輛從視頻中一個個分割出來比較困難，特別是視頻低分辨率，氣候條件不好如雨天，或者車很多的時候等情況，這些都會影響到分割的結果。而車輛跟蹤并計算出車輛的速度這個問題也不容易解決。?

經對現有技術文獻的檢索發現，B.B.Chaudhuri等在《IEEE?Trans.on?Pattern?Analysis?and?Machine?Intelligence》（pp.72–77，1995）上發表“Texture?segmentation?using?fractal?dimension”（基于分形維數的紋理分割，IEEE智能分析和機器智能）和Antoni?B.Chan等在《IEEE?Trans.on?Pattern?Analysis?and?Machine?Intelligence》（pp.909-926,2008）上發表“Modeling,clustering,and?segmenting?video?with?mixtures?of?dynamic?textures”（基于混合動態紋理對視頻建模，分類和分割，IEEE智能分析和機器智能）。第一篇文章指出了可以用分形維數來對圖像分割。第二篇文章指出描述紋理的線性動態系統是可以用來對視頻分割的。?

線性系統受制于馬爾科夫性質，即當前狀態量只由前一時刻的狀態量決定。現實生活中很多系統并不是線性系統，這就限制了線性系統的應用?；煦缋碚撃軌蚋妹枋霈F實系統，而且已經應用在動作識別上，使用的混沌特征不變量是最大李雅普諾夫指數。但是最大李雅普諾夫指數不適合用來做視頻分割。?

發明內容

本發明的目的在于針對現有方法中存在的不足，提出一種改進的分割視頻的運動模式和識別交通狀況的算法，主要的創新點包括：1）將視頻每個位置隨時間變化的像素看作混沌時間序列。應用混沌理論來得到混沌時間序列的相關特征量，并組成一個新的特征向量來描述混沌時間序列。視頻就可以用一個特征矩陣來描述；2）通過實驗驗證，本文提出的特征向量能夠很好的用來描述視頻中的運動模式并分割視頻中的運動模式；3）我們采用isodata算法來對特征矩陣聚類。Iosdata算法是一種軟性分類，而傳統的聚類劃分是硬性的劃分。軟性分類可以認識到大多數分類對象在初始認知或者初始分類時不太可能顯示的最本質屬性。這種模糊聚類的過程以一種逐步進化的方式來逼近事物的本質，可以客觀的反映人們認識事物的過程，是一種更科學的聚類方式；4）用基于地球移動距離earth?mover’s?distance（EMD）來對特征向量聚類。EMD算法作為度量概率數據相似性的標準具有抗噪性好,對概率分布間的微小偏移不敏感等優良特性，廣泛的用于各種圖像分類，視頻檢索和視頻分類中。本發明是通過以下技術方案實現的，?

一種基于混沌特征量視頻運動模態分割和交通狀況的識別方法，其特點在于，該方法包括如下步驟：?