[发明专利]一种简单的目标分类方法及装置

说明书

技术领域

本发明涉及图像处理和视频监控，特别涉及一种目标分类方法和 装置。

背景技术

常规的智能视频监控技术都包括一个运动目标分类技术。运动目 标分类与运动目标检测、运动目标跟踪相结合，可以构成视频监控装 置中运动目标识别模块。运动目标分类能否正确区分各类目标(如人 和车)，直接影响着视频监控装置中的告警，因此成为智能视频监控 技术研究中的关键之一。

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 类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，而此假设在 实际情况中经常是不成立的，因此其分类准确率可能会下降。

为了实现运动目标分类，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，又出现许多变形，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，且在实际应用中要不断地更新 样本信息，因此运算量极大。

综上所述，目前迫切需要提出一种能够解决目标分类，同时简单 准确的目标分类方法和装置。

发明内容

有鉴于此，本发明的主要目的在于提供一种能够解决目标分类， 同时简单准确的目标分类方法和装置。

为达到上述目的，按照本发明的第一个方面，提供了一种简单的 目标分类方法，包括：提取目标特征，根据输入的目标图像，提取目 标的特征；投票目标类型，根据每个所述目标的特征，对目标的类型 进行投票；确定目标类型，统计目标类型的票数，并根据统计结果确 定目标的类型，输出目标的分类结果。

优选地，提取目标特征步骤中所述目标图像是视频序列经过目标 检测处理后的结果图像，或者是视频序列经过目标跟踪处理后的结果 图像，所述视频序列是视频的一部分或全部。

优选地，提取目标特征步骤中所述目标的特征包括：目标边缘的 特征和区域拟合椭圆的特征，所述区域是目标的前景区域；其中，所 述目标边缘的特征是对目标边缘图或者前景图统计的特征，所述区域 拟合椭圆的特征是根据目标前景区域，利用二阶矩技术进行椭圆拟合 而计算得到的。

优选地，所述目标边缘的特征包括：目标水平方向边缘总数N_He、 目标垂直方向边缘总数N_Ve、目标垂直方向边缘图的水平方向投影中 的最大值占目标外接矩形宽度的比例R1、区域在垂直方向投影中的 最大值占目标外接矩形高度的比例R2。

优选地，计算所述目标水平方向边缘总数N_He是对所述目标进行 水平方向的边缘提取，并统计所提取的边缘的个数；

计算所述目标垂直方向边缘总数N_Ve是对所述目标进行垂直方向 的边缘提取，并统计所提取的边缘的个数；

所述目标垂直方向边缘图的水平方向投影中的最大值占目标外 接矩形宽度的比例R1的计算步骤如下：首先对所述目标进行垂直方 向的边缘提取，得到所述目标的垂直方向边缘图，然后对所述边缘图 做水平方向的投影，并统计所述投影的最大值，最后计算所述最大值 与目标外接矩形宽度的比例R1；

所述区域在垂直方向投影中的最大值占目标外接矩形高度的比 例R2的计算步骤如下：首先对所述目标前景区域进行垂直方向的的 投影，并统计所述投影的最大值，最后计算所述最大值与目标外接矩 形高度的比例R2。

优选地，所述区域拟合椭圆的特征包括：区域进行二阶矩椭圆拟 合的离心率ρ、区域进行二阶矩椭圆拟合的方向角α。区域拟合椭圆 的特征还可以包括目标运动方向与拟合椭圆方向角α的夹角θ。

优选地，所述区域进行二阶矩椭圆拟合的离心率ρ和所述区域进 行二阶矩椭圆拟合的方向角α的计算步骤如下：

(1)计算所述目标前景区域f(x，y)的0阶矩、1阶矩：