[發明專利]一種基于在線訓練的視頻運動目標分類方法與系統

有效

• 申請號: 201410228426.2
• 申請日: 2014-05-27
• 公開（公告）號: CN104050684A
• 公開（公告）日: 2014-09-17
• 發明（設計）人: 何翼;桑農;高常鑫;李冠萍;徐俊;劉海斌;劉潔
• 申請（專利權）人: 華中科技大學
• 主分類號: G06T7/20
• 分類號: G06T7/20;G06K9/66;H04N7/18
• 代理公司: 華中科技大學專利中心 42201
• 代理人: 梁鵬

1.一種基于在線訓練的視頻運動目標分類方法，其特征在于，包括以下步驟：

(1)將原始視頻中的圖像序列進行分析，通過混合高斯模型建模得到圖像序列中的運動目標，將檢測到的運動目標通過基于位置特征的方法進行最近鄰關聯從而實現運動目標的跟蹤，獲得運動目標總數為TubeNum；

(2)對原始視頻中檢測到的運動目標進行特征提取，提取的特征包括對運動目標篩選后標記所需的標記特征和訓練分類器并對運動目標分類所需的分類特征，其中：

標記特征包括速度特征V、面積特征S；

分類特征包括高寬比特征Aspect、占空比特征Empty、離散度特征Disperse、梯度方向直方圖特征；

(3)將所有運動目標按速度特征V由小到大進行排序，根據速度高閾值ThHSpeed和低閾值ThLSpeed對排序后的運動目標進行篩選：

將速度特征V從大到小的ThHSpeed*TubeNum個目標標記為“車輛”目標，將速度特征V從小到大的ThLSpeed*TubeNum個目標留作步驟(4)中進行二次篩選，將其余速度特征V在速度高閾值和低閾值中間的(1-ThLSpeed-ThHSpeed)*TubeNum個目標標記為“未分類樣本”；

(4)將速度特征V從小到大的ThLSpeed*TubeNum個運動目標按面積特征S從小到大進行排序，根據面積閾值ThArea對排序后的低速度目標進行二次篩選標記：

將面積特征S從小到大的ThArea*(ThLSpeed*TubeNum)個低速度目標標記為“行人”目標，將其余低速度運動目標標記為“未分類樣本”；

(5)在分類器訓練階段，將標記為“車輛”及“行人”的運動目標設為訓練集，將訓練集中運動目標已提取的分類特征包括高寬比特征Aspect、占空比特征Empty、離散度特征Disperse和梯度方向直方圖特征組合成訓練集特征向量，將訓練集與訓練集特征向量輸入支撐向量機進行訓練，得到人車分類器；

(6)在分類器測試階段，將原始視頻中檢測到的所有運動目標作為測試集，將測試集中運動目標已提取的分類特征包括高寬比特征Aspect、占空比特征Empty、離散度特征Disperse和梯度方向直方圖特征組合成測試集特征向量，將測試集特征向量輸入人車分類器進行分類，通過判別公式得到輸出結果為“行人”與“車輛”兩類；

為了避免部分物品由于視頻場景原因被分類為“行人”或“車輛”，在分類器輸出后遍歷所有目標，根據目標外接矩形計算目標自起始至結束的質心位移參數dist以及矩形外形不變性參數repeatNum，若同時滿足位移參數dist小于位移閾值ThDist并且不變性參數repeatNum大于不變性閾值ThRepeat，則將該目標作為“物品”分類。