[發明專利]一種目標特征檢測方法及裝置

有效

• 申請號: 201310421787.4
• 申請日: 2013-09-16
• 公開（公告）號: CN104463186B
• 公開（公告）日: 2018-09-11
• 發明（設計）人: 王非
• 申請（專利權）人: 王非
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 深圳中一專利商標事務所 44237
• 代理人: 張全文

本發明適用于計算機視覺技術領域，提供了一種目標特征檢測方法及裝置，所述方法包括：在視頻幀中提取局部二值模式LBP特征描述符；根據預設的簡化算法，在所述視頻幀中提取梯度方向直方圖HOG特征描述符；根據所述LBP特征描述符和所述HOG特征描述符，通過支持向量機SVM分類器識別出所述目標。本發明根據預設的簡化算法，提取視頻幀的LBP特征描述符和HOG特征描述符，組合成HOG_LBP特征描述符，并將該HOG_LBP特征描述符輸入SVM分類器，以識別出該視頻幀中特定的目標，所述方法適合應用于FPGA硬件電路，以滿足實時檢測的要求，提高了目標特征檢測的計算速度。

技術領域

本發明屬于計算機視覺技術領域，尤其涉及一種目標特征檢測方法及裝置。

背景技術

近年來，實時監控在智能交通和安防等領域得到了越來越廣泛的應用。例如，車載視頻監控系統能夠及時發現行人并提醒司機注意，以減少發生交通事故；在居民小區和交通道口安裝監控攝像機，記錄經過的行人和車輛等。這些應用對視頻數據的實時處理速度、存儲容量和視頻數據檢索的準確性都提出了很高的要求，由此，目標檢測和跟蹤成為計算機視覺技術領域的熱點和難點問題。

傳統的目標檢測是采用梯度方向直方圖(Histogram of Oriented Gradient，HOG)對目標進行特征提取，但是當背景非常嘈雜零亂時，檢測的準確性會降低。而在圖像的紋理特征方面，通常采用局部二值模式(Local Binary Pattern，LBP)對目標進行特征提取。將HOG與LBP結合對目標進行特征提取，可以提高檢測精度，但是由于計算的復雜度較高，難以達到實時檢測的要求。

發明內容

本發明的目的在于提供一種目標特征檢測方法，旨在提高目標特征檢測的計算速度。

本發明是這樣實現的，一種目標特征檢測方法，包括：

在視頻幀中提取LBP特征描述符；

根據預設的簡化算法，在所述視頻幀中提取HOG特征描述符；

根據所述LBP特征描述符和所述HOG特征描述符，通過支持向量機SVM分類器識別出所述目標。

本發明的另一目的在于提供一種目標特征檢測裝置，包括：

LBP特征描述符提取模塊，用于在視頻幀中提取LBP特征描述符；

HOG特征描述符提取模塊，用于根據預設的簡化算法，在所述視頻幀中提取所述HOG特征描述符；

識別模塊，用于根據所述LBP特征描述符和所述HOG特征描述符，通過支持向量機SVM分類器識別出所述目標。

在本發明中，根據預設的簡化算法，提取視頻幀的LBP特征描述符和HOG特征描述符，組合成HOG_LBP特征描述符，并將該HOG_LBP特征描述符輸入支持向量機(SupportVector Machine，SVM)分類器，以識別出該視頻幀中特定的目標，所述方法適合應用于現場可編程門陣列(Field Programmable Gate Array，FPGA)硬件電路，以滿足實時檢測的要求，提高了目標特征檢測的計算速度。

附圖說明

圖1是本發明實施例適用的系統結構；

圖2是本發明實施例提供的一種目標特征檢測方法的實現流程圖；

圖3是本發明實施例提供的提取LBP特征描述符的示意圖；

圖4是本發明實施例提供的一種擴展的LBP示意圖；

圖5是本發明實施例提供的從視頻流中提取3*3像素點單元的流水線結構示意圖；

圖6是本發明實施例提供的計算LBP直方圖的硬件電路設計示意圖；