[發明專利]基于支持向量機的運動目標分類方法

有效

• 申請號: 201611263597.4
• 申請日: 2016-12-30
• 公開（公告）號: CN106650824B
• 公開（公告）日: 2019-08-13
• 發明（設計）人: 王俊平;郭佳佳;李超;董慶寬;胡靜;李勇
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/00
• 代理公司: 陜西電子工業專利中心 61205
• 代理人: 田文英;王品華

1.一種基于支持向量機的運動目標分類方法，包括如下步驟：

(1)利用攝像頭讀取待分類運動目標的彩色紅綠藍RGB視頻；

(2)逐幀讀取待分類運動目標的彩色紅綠藍RGB視頻，得到彩色視頻幀圖像；

(3)在彩色視頻圖像中隨機讀取一幀圖像，得到一幀待處理彩色視頻圖像；

(4)預處理；

(4a)按照下式，計算待處理彩色視頻幀圖像轉換成灰度圖像中每一像素點的灰度值，將計算后的灰度值組成灰度圖像：

Gray_i,j＝0.299R_i,j+0.587G_i,j+0.114B_i,j

其中，Gray_i,j表示灰度圖像中第i行，第j列像素點的灰度值，R_i,j表示彩色視頻幀圖像中第i行，第j列的像素點的紅色分量值，G_i,j表示彩色視頻幀圖像中第i行，第j列像素點的綠色分量值，B_i,j表示彩色視頻幀圖像中第i行，第j列像素點的藍色分量值；

(4b)采用混合高斯背景建模建立背景圖像，保存該混合高斯背景建模得到的最終背景圖像；

(4c)用灰度圖像減去最終背景圖像，得到運動目標圖像；

(4d)利用二值化運動目標圖像的公式，對運動目標圖像進行二值化，得到二值化運動目標圖像；

(4e)對二值化運動目標圖像進行形態學濾波，得到濾波后的運動目標圖像；

(5)提取濾波后的運動目標圖像的邊緣、信源熵和梯度三個特征；

(5a)利用Canny算子，提取濾波后的運動目標圖像的邊緣強度，將所提取的邊緣強度作為邊緣強度特征值；

(5b)利用梯度強度公式，提取濾波后的運動目標圖像的梯度強度；

(5c)利用信源熵公式，提取濾波后的運動目標圖像的信源熵；

(6)判斷是否讀取完所有的彩色視頻幀圖像，若是，則執行步驟(7)，否則，執行步驟(3)；

(7)將所有運動目標圖像的特征組成目標特征集；

(8)用目標特征集訓練支持向量機；

(8a)將目標特征集均分為兩部分，一部分作為訓練特征集，一部分作為測試特征集；

(8b)將訓練特征集投入到支持向量機中訓練，得到檢測模型分類器；

(8c)將測試特征集放入檢測模型分類器中，得到與檢測模型分類器的分類模式對應的分類結果；

(9)輸出分類結果。

2.根據權利要求1所述的基于支持向量機的運動目標分類方法，其特征在于，步驟(4b)中所述采用混合高斯背景建模建立背景圖像的具體步驟如下，

第1步,在彩色視頻圖像中隨機讀取視頻圖像的一幀圖像，將所讀取的彩色視頻幀圖像作為參考幀圖像，用參考幀圖像初始化混合高斯背景模型，得到初始化背景圖像；

第2步，在彩色視頻幀圖像中讀取一幀沒有讀取過的彩色視頻幀，根據所讀取的彩色視頻幀圖像的像素點之間的關聯程度，對該彩色視頻幀圖像進行抖動預判斷和穩健處理，得到處理后的彩色視頻幀圖像；

第3步，對比初始化背景圖像與處理后彩色視頻幀圖像的相似度，將初始化背景圖像與處理后彩色視頻幀圖像的相似度小于85％時的處理后彩色視頻幀圖像，作為參考幀圖像，將該參考幀圖像放入高斯模型中更新該高斯模型；

第4步，判斷是否讀取完所有的彩色視頻幀，若是，則執行第5步，否則，執行第2步；

第5步，將高斯模型更新后的最后一幅圖像作為最終背景圖像。

3.根據權利要求1所述的基于支持向量機的運動目標分類方法，其特征在于，步驟(4d)所述的二值化運動目標圖像的公式如下：

其中，M(x,y)表示二值化運動目標圖像在像素點(x,y)的像素值，D(x,y)表示運動目標圖像在像素點(x,y)的像素值，x表示運動目標圖像的橫坐標，y表示運動目標圖像的縱坐標，T表示二值化的閾值，其大小為196。