一种运动目标分类方法和系统技术方案

本发明专利技术公开了一种运动目标分类方法和系统。所述方法包括下列步骤：提取运动目标灰度图像中的运动目标的边缘信息；根据所述边缘信息，提取运动目标边缘上的直线信息；根据所述运动目标的特点，结合所述直线信息构造分类特征；根据所述分类特征，对所述运动目标进行分类，确定运动目标类型。其能够对检测出的运动目标进行正确分类，并获得输出结果，为智能监控系统的后续处理提供基础。

【技术实现步骤摘要】

本专利技术涉及图象处理和视频监控
，特别是涉及一种运动目标分类方法和 系统。
技术介绍
目前，常规的智能视频监控技术都包括一个运动目标分类步骤。运动目标分类与 运动目标检测、运动目标跟踪相结合，可以构成视频监控系统中运动目标识别模块。运动目 标分类能否正确区分各目标(如人和车)，直接影响着智能监控系统中的告警，因此成为智 能视频监控技术研究中的关键之一。智能监控技术用于大场景时，存在图像畸变和透视效应，人车混杂、相互遮挡等难 点。另一方面智能监控技术必须满足实时性要求。为了实现运动目标分类，可以使用贝叶斯算法。贝叶斯算法是一种利用概率统计 知识进行分类的算法，可以运用到大型数据库中，且方法简单、分类准确率高、速度快。这种 方法的缺点是由于贝叶斯定理假设一个属性值对给定类的影响独立于其它属性的值，因此 假设在实际情况通常是不成立的，因此其分类准确率可能会下降。为了实现运动目标分类，还可以使用神经网络算法。神经网络算法能够模拟人类 大脑的机构和功能，采用各种学习算法从训练样本中学习，并将获取的知识存储在神经网 络各单元之间的连接权中，能够准确的分类目标。神经网络算法在1998年提出后，有出现 许多变形，包括替换的误差函数、网络拓扑的动态调整、学习率和要素参数的动态调整。近 年来，从神经网络中提取规则受到越来越多的关注。这种方法的缺点是由于要使用大量的 训练样本，在实际应用中要不断地更新样本信息，因此运算量极大，很难满足智能监控系统 对实时性要求。
技术实现思路
本专利技术的目的在于提供一种运动目标分类方法和系统。其能够对检测出的运动目 标进行正确分类，并获得输出结果，为智能监控系统的后续处理提供基础。为实现本专利技术的目的而提供的一种运动目标分类方法，所述方法包括下列步骤步骤100.提取运动目标灰度图像中的运动目标的边缘信息；步骤200.根据所述边缘信息，提取运动目标边缘上的直线信息；步骤300.根据所述运动目标的特点，结合所述直线信息构造分类特征；步骤400.根据所述分类特征，对所述运动目标进行分类，确定运动目标类型。所述直线信息包括每条直线的局部信息直线长度、直线方向、直线的起点和终点 坐标信息；以及所有直线的整体信息直线总条数、所有直线的总长度、直线的分布情况信 肩、ο所述步骤300，包括下列步骤步骤310.根据所述运动目标的特点，选取与所述直线信息相关的区别特征参数；步骤320.初始化所述区别特征参数；步骤330.分析初始化后的区别特征参数的特征作为分类特征。所述步骤400，包括下列步骤步骤410.根据所述分类特征，选择相应的分类方法；步骤420.根据所述分类方法，确定分类判别函数实现目标分类。所述步骤300，是利用准水平方向直线集和准竖直方向直线集中直线的数量信息， 作为进行人车分类的分类特征。所述步骤300，是利用直线数量和长度信息构造直线长度直方图向量，作为进行车 辆种类区分的分类特征。所述步骤300，是利用直线数量和角度信息构造直线角度直方图向量，作为进行车 辆种类区分的分类特征。所述步骤300，是利用直线数量，作为进行单人和多人分类的分类特征。为实现本专利技术的目的，还提供一种运动目标分类系统，所述系统，包括目标边缘提取模块，用于提取运动目标灰度图像中的运动目标的边缘信息；直线信息提取模块，用于根据所述边缘信息，提取运动目标边缘上的直线信息；分类特征构造模块，用于根据所述运动目标的特点，结合所述直线信息构造分类 特征；目标分类模块，用于根据所述分类特征，对所述运动目标进行分类，确定运动目标 类型。所述分类特征构造模块，包括特征参数选取模块，用于根据所述运动目标的特点，选取与所述直线信息相关的 区别特征参数；参数初始化模块，用于初始化所述区别特征参数；分析模块，用于分析初始化后的区别特征参数的特征作为分类特征。所述目标分类模块，包括分类方法选择模块，用于根据所述分类特征，选择相应的分类方法；分类函数模块，用于根据所述分类方法，确定分类判别函数实现目标分类。本专利技术的有益效果是本专利技术的一种运动目标分类方法和系统，实现方法简单、不需要标定、不需要跟踪 和训练，分类速度快、准确率高、易于移植，当目标仅有部分进入监控区域或目标被部分遮 挡时，也可以得到较好的目标分类效果。附图说明图1是本专利技术的一种运动目标分类方法的步骤流程图；图2是本专利技术中提取运动目标边缘上的直线信息的效果图；图3是本专利技术中构造分类特征的步骤流程图；图4是本专利技术中构造分类特征的步骤流程图；图5是本专利技术的一种目标分类系统的结构示意图；图6是准水平方向、准竖直方向、准水平方向直线集、准竖直方向直线集之间的关系示意图；图7是CQH+CQV直线数量与CQH直线数量对比图；图8为LenMin = 0，LenMax = 100，LenNum = 10取值下，小轿车和公交车直线长度直方图的示意图。具体实施例方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对 本专利技术的一种运动目标分类方法和系统进行进一步详细说明。应当理解，此处所描述的具 体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。本专利技术的一种运动目标分类方法和系统，是常规的智能视频监控技术的中间部 分，它是在运动目标检测基础上实现的。通过提取运动目标边缘、提取运动目标边缘上的直 线信息、利用目标直线信息构造分类特征对目标进行分类，确定目标类型。下面结合上述目标详细介绍本专利技术的一种运动目标分类方法，图1是本专利技术的一 种运动目标分类方法的步骤流程图，如图1所示，所述方法，包括下列步骤步骤100.提取运动目标灰度图像中的运动目标的边缘信息；边缘点是指其周围像素的灰度有阶跃变化或脊状变化的像素，常存在于运动目标 与背景之间、运动目标与运动目标之间、运动目标与其影子之间。本专利技术对运动目标的灰度图像进行边缘提取，获得边缘二值图。本步骤能够获得 运动目标的边缘信息，是进一步提取直线信息的基础。在所述边缘二值图中，用白色⑴表示目标边缘像素，用黑色(0)表示非边缘像ο步骤200.根据所述边缘信息，提取运动目标边缘上的直线信息。即在所述边缘二 值图上检测直线。直线检测是图像处理中一个很重要的环节。图2是本专利技术中提取运动目标边缘上的直线信息的效果图，如图2所示，利用直线 检测算法获得运动目标的边缘直线信息。所述直线信息包括每条直线的局部信息，如直线长度、直线方向、直线的起点和终 点坐标等信息；所有直线的整体信息，如直线总条数、所有直线的总长度、直线的分布情况 等信息，如表1、表2和表3。无特殊说明时，本专利技术中的直线均指直线段。表1直线信息权利要求1.一种运动目标分类方法，其特征在于，所述方法，包括下列步骤 步骤100.提取运动目标灰度图像中的运动目标的边缘信息； 步骤200.根据所述边缘信息，提取运动目标边缘上的直线信息；步骤300.根据所述运动目标的特点，结合所述直线信息构造分类特征； 步骤400.根据所述分类特征，对所述运动目标进行分类，确定运动目标类型。2.根据权利要求1所述的运动目标分类方法，其特征在于，所述直线信息包括每条直 线的局部信息直线长度、直线方向、直线的起点和终点坐标信息；以及所有直线的整体信 息直线总条数、所有直线的总长度、直线的分布情况信息。3.根据权利要求1所述本文档来自技高网...

【技术保护点】
一种运动目标分类方法，其特征在于，所述方法，包括下列步骤：步骤１００．提取运动目标灰度图像中的运动目标的边缘信息；步骤２００．根据所述边缘信息，提取运动目标边缘上的直线信息；步骤３００．根据所述运动目标的特点，结合所述直线信息构造分类特征；步骤４００．根据所述分类特征，对所述运动目标进行分类，确定运动目标类型。

【技术特征摘要】

【专利技术属性】
技术研发人员：许涛，刘宏，钱跃良，
申请(专利权)人：中国科学院计算技术研究所，
类型：发明
国别省市：11[中国|北京]