[發明專利]基于安防視頻中行人和車輛的實時檢測方法和系統及設備

有效

• 申請號: 201710671429.7
• 申請日: 2017-08-08
• 公開（公告）號: CN107704797B
• 公開（公告）日: 2020-06-23
• 發明（設計）人: 閆瀟寧
• 申請（專利權）人: 深圳市安軟慧視科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06K9/48
• 代理公司: 深圳市深軟翰琪知識產權代理有限公司 44380
• 代理人: 徐翀

1.一種基于安防視頻中行人和車輛的實時檢測方法，其特征在于，包括：

采用運動目標檢測算法進行粗略目標選取，采用輪廓提取算法對粗略目標進行方向梯度直方圖HOG特征提取，將提取的HOG特征向量輸入支持向量機SVM模型進行分類，從而識別粗略目標的類型是行人或車輛；

其中，采用輪廓提取算法對粗略目標進行HOG特征提取的過程中，在進行梯度計算時，設定一個與粗略目標的圖像同心且小于粗略目標的矩形框作為外圈，僅對粗略目標的位于外圈以外的圈外圖像進行梯度計算。

2.根據權利要求1所述的方法，其特征在于，還包括：

采用輪廓提取算法對粗略目標的圖像進行HOG特征提取的過程中，省略顏色空間歸一化的步驟。

3.根據權利要求2所述的方法，其特征在于，還包括：

采用輪廓提取算法對粗略目標的圖像進行HOG特征提取的過程中，在將粗略目標的圖像劃分為多個細胞格時，將細胞格的大小設定為2×2像素。

4.根據權利要求3所述的方法，其特征在于，所述采用輪廓提取算法對粗略目標進行HOG特征提取包括以下步驟：

將粗略目標的圖像灰度化；

計算圖像中每個像素的梯度；

將圖像劃分為多個細胞格；

統計每個細胞格的梯度直方圖，形成每個細胞格的特征描述器；

將每幾個細胞格組成一個區塊，一個區塊內所有細胞格的特征描述器串聯起來便得到該區塊的HOG特征描述器；

將圖像內的所有區塊的HOG特征描述器串聯起來得到粗略目標的HOG特征描述器，作為可供分類使用的HOG特征向量。

5.根據權利要求1至4中任一所述的方法，其特征在于，所述采用運動目標檢測算法進行粗略目標選取包括：

接收視頻流，對視頻流中間隔一定距離的兩幀圖像進行基礎過濾，然后對兩幀圖像做差，對差的結果邊緣繪制最小距離矩形，用矩形的四點坐標從圖像中截取矩形，獲得粗略目標；

其中，間隔一定距離的兩幀圖像是相鄰的兩幀圖像或間隔n幀的兩幀圖像，n為不小于1的自然數；

所述基礎過濾包括：灰度化，二值化，5x5高斯矩陣進行模糊降噪，5x5高斯矩陣向上采樣。

6.根據權利要求1至4中任一所述的方法，其特征在于，還包括：

將非行人且非車輛的粗略目標濾除。

7.一種基于安防視頻中行人和車輛的實時檢測系統，其特征在于，包括：

目標選取模塊，用于采用運動目標檢測算法進行粗略目標選取；

特征提取模塊，用于采用輪廓提取算法對粗略目標進行方向梯度直方圖HOG特征提取；

分類模塊，用于將提取的HOG特征向量輸入支持向量機SVM模型進行分類，從而識別粗略目標的類型是行人或車輛；

其中，所述特征提取模塊，具體用于采用輪廓提取算法對粗略目標進行HOG特征提取的過程中，在進行梯度計算時，設定一個與粗略目標的圖像同心且小于粗略目標的矩形框作為外圈，僅對粗略目標的位于外圈以外的圈外圖像進行梯度計算。

8.根據權利要求7所述的系統，其特征在于，

所述特征提取模塊，還用于采用輪廓提取算法對粗略目標的圖像進行HOG特征提取的過程中，省略顏色空間歸一化的步驟。

9.根據權利要求8所述的系統，其特征在于，

所述特征提取模塊，還用于采用輪廓提取算法對粗略目標的圖像進行HOG特征提取的過程中，在將粗略目標的圖像劃分為多個細胞格時，將細胞格的大小設定為2×2像素。

10.一種用于安防的計算機設備，其特征在于，所述計算機設備包括處理器、存儲器、總線和通信接口；

所述存儲器用于存儲計算機執行指令，所述處理器與所述存儲器通過所述總線連接，當所述計算機設備運行時，所述處理器執行所述存儲器存儲的所述計算機執行指令，以使所述計算機設備執行如權利要求1-6中任一項所述的方法。