【技术实现步骤摘要】
本专利技术属于图像处理、视频监控和交通安全
,具体指的是。
技术介绍
目标的识别与分类方法主要包括两个主要步骤:一是目标的表达即目标的建模过程,二是识别方法与分类器设计。目标的表达方法包括基于全局特征建模和基于局部特征建模或者混合建模三种。具体的对象包括目标的形状、边界或者是反映区域的灰度、颜色、纹理和角点特征等。近年来,局部图像特征快速发展,在很多领域取得了广泛成功的应用,这方面的研究也成为机器视觉领域中的新兴课题。与线特征、纹理特征、结构特征等全局特征相比而言有很多优势。局部图像特征在图像中数量多,特征之间的相关度小,即使在遮挡的情况下依然不会消失或者影响到其他特征的检测和匹配。帧间差分法通过对视频数据中相邻图像帧做差分或“相减”运算,利用视频数据中相邻图像帧的强相关性进行变化检测,从而检测出运动目标。它通过直接比较相邻图像帧对应象素点的灰度值的不同,然后通过选取阈值来提取视频数据中的运动目标区域。HSV (Hue, Saturation, Value色调、饱和度、明度)色彩空间是一种常用的视觉颜色模型。HSV模型反映了较强的感知特征,更准确地表示视觉颜色之间的关系,在颜色处理和识别上具有较大的优势。支持向量机将特征向量映射到一个更高维的空间里,在这个空间里建立一个最大间隔超平面。它在解决小样本、非线性及高维模式识别问题中表现出许多特有的优势,并能够推广应用到函数拟合等其他机器学习问题中。
技术实现思路
本专利技术所要解决的技术问题是为了克服现有技术的不足,提出一种对车辆和行人的自动检测和识别方法。所述方法充分发挥监控的实时性和主动 ...
【技术保护点】
一种基于局部图像特征的人车自动识别方法,其特征在于,包括如下步骤:步骤A,采集道路视频数据;步骤B,对步骤A得到的视频数据中的每相邻两帧源图像,采用帧间差分法进行运动目标检测,得到运动目标图像区域;步骤C,对步骤B获得的运动目标图像区域进行灰度化,用二值阈值分割方法将运动目标图像区域分割成目标和背景;将步骤B获得的运动目标图像区域转换成运动目标HSV空间图像区域,并对运动目标HSV空间图像区域中与目标对应的局部HSV空间图像做归一化,得到归一化局部HSV空间图像;步骤D,对步骤C获得的归一化局部HSV空间图像提取运动目标特征描述符;所述运动目标特征描述符为局部图像特征描述符;步骤E,对步骤D中获得的运动目标特征描述符进行运动目标特征描述符聚类,构建特征分布直方图,将直方图作为输入向量,利用支持向量机完成对人车的识别和分类。
【技术特征摘要】
1.一种基于局部图像特征的人车自动识别方法,其特征在于,包括如下步骤: 步骤A,采集道路视频数据; 步骤B,对步骤A得到的视频数据中的每相邻两帧源图像,采用帧间差分法进行运动目标检测,得到运动目标图像区域; 步骤C,对步骤B获得的运动目标图像区域进行灰度化,用二值阈值分割方法将运动目标图像区域分割成目标和背景;将步骤B获得的运动目标图像区域转换成运动目标HSV空间图像区域,并对运动目标HSV空间图像区域中与目标对应的局部HSV空间图像做归一化,得到归一化局部HSV空间图像; 步骤D,对步骤C获得的归一化局部HSV空间图像提取运动目标特征描述符;所述运动目标特征描述符为局部图像特征描述符; 步骤E,对步骤D中获得的运动目标特征描述符进行运动目标特征描述符聚类,构建特征分布直方图,将直方图作为输入向量,利用支持向量机完成对人车的识别和分类。2.根据权利要求1所述的一种基于局部图像特征的人车自动识别方法,其特征在于,步骤D中,所述提取运动目标特征描述符的过程如下: 步骤D-1,根据步骤...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。