[发明专利]运动目标的分类方法和检测方法及其装置

权利要求书

1.一种运动目标的分类方法，其特征在于，包括如下步骤：

背景建模步骤：利用收集到的视频图像建立背景模型，得到背景图像；

运动检测步骤：计算当前帧视频图像与背景图像的差异，将图像划分为背景区域和前景区域，并将所述前景区域作为运动目标；

目标跟踪步骤：将不同帧视频图像中的同一运动目标关联起来，得到各个运动目标完整的运动轨迹以及各个运动目标的特征参数；

目标分类步骤：根据所述运动目标特征参数对已收集到的运动目标分为m类，并计算出每一类运动目标特征参数的统计信息，所述m为自然数。

2.根据权利要求1所述的运动目标的分类方法，其特征在于，所述背景建模步骤包括：

收集N帧图像{I₀，I₁，…，I_N}，N为自然数，提取每一帧图像中像素Y分量，得到{Y₀，Y₁，…，Y_N}，所述Y分量是指YUV色彩空间的第一颜色通道的数值；设定更新速率γ，按照如下公式建立背景图像B_i：

其中γ为大于0且小于1的常数。

3.根据权利要求1所述的运动目标的分类方法，其特征在于，所述运动检测步骤包括：

将当前输入图像与背景图像相减并取绝对值得到差分图像；

使用阈值化方法对差分图像进行二值化处理，将图像划分为背景区域和前景区域；

对当前二值化图像进行滤波处理，填充前景区域中的空洞，将前景区域中面积大于给定阈值的连通区域作为运动目标。

4.根据权利要求3所述的运动目标的分类方法，其特征在于，所述目标跟踪步骤包括：

对运动检测步骤中的得到运动目标进行边界跟踪或者边缘点连接，得到每个运动目标的外接矩形框；

计算当前帧运动目标的外接矩形框与已经记录的运动目标的外接矩形框的重合区域的周长，将周长最大值对应的当前帧运动目标与已经记录的运动目标建立匹配关系；

根据所建立的匹配关系更新已经记录的运动目标信息。

5.根据权利要求4所述的运动目标的分类方法，其特征在于，所述运动目标的特征参数包括：运动目标的区域面积v1、速度v2和紧密性v3，所述m值等于3；

所述目标分类步骤包括：

A、设置3个初始的高斯核；

B、计算任一运动目标的特征向量v＝(v1，v2，v3)；

C、计算特征向量v属于三个高斯核的概率，找出概率最大的高斯核k，判断最大概率是否大于预先设置的概率阈值T，若是，则执行D，否则将权值和标准差之比w/σ最小的高斯核删除，以v的值建立一个新的高斯核，并转至步骤E；

D、按照如下公式更新第k个高斯核的参数：

W′_k＝(1-α)w_k+α；

μ′_k＝(1-α)μ_k+αv；

∑′_k＝(1-α)∑_k+α(v-μ_k)^T(v-μ_k)；其中，k为小于或等于3的自然数，α是一个0到1之间的常数；

按照如下公式更新另外两个高斯核的权重：

w′_j＝(1-α)w_j，j≠k；

E、对三个高斯核的权重进行归一化处理，并判断是否还有未统计的运动目标，若是返回步骤B，否则结束目标分类步骤。

6.根据权利要求1至5任一项所述的运动目标的分类方法，其特征在于，所述目标分类步骤之后，进一步包括：

将新的运动目标特征参数与所述已得到的统计信息进行匹配，确定所述新运动目标所属的类别。