[发明专利]视频图像的目标分类方法及装置

说明书

技术领域

本申请涉及计算机图像处理技术领域，尤其涉及一种视频图像的目标分类方法及装置。

背景技术

智能视频分析技术指通过计算机对输入的视频图像自动进行内容分析，以确定视频画面中是否有车辆或人出现，或者是否有目标进入预设的警戒区域等。在智能视频分析处理的应用中，目标通常被分为人与车两类，例如，我们在视频画面中设置了一个报警区域，当有车辆驶入这个区域时，智能视频分析系统应自动输出报警信息，而当有人进入时智能视频分析系统则不应输出报警信息，因此智能视频分析系统需要对出现在视频画面中的目标进行跟踪，并对跟踪结果进行自动分类，确定目标的类型然后选择性地输出报警信息。

现有技术中的智能视频分析系统在进行目标分类时，通过分析输入视频图像与背景图像之间的差异，将差异较大的区域作为目标出现的位置，提取视频图像中的运动目标；对提取出的运动目标进行跟踪，确定目标在不同时间点上的运动位置；提取描述目标的形状和运动特性的特征，这些特征通常包括描述目标形状特性的宽高比值，轮廓周长比率等，描述目标在时序上运动特性的特征；将提取的目标特征输入到事先训练好的分类器，通过分类器的分类运算输出分类结果。

发明人在对现有技术的研究和实践过程中发现，现有技术中对视频目标进行跟踪时，需要使用目标的图像特征信息及运动信息，通常会将目标的彩色直方图作为跟踪过程的一个特征信息，由于常用的直方图需要占用大量的内存空间，因此不利于跟踪算法的快速执行；另外，目标分类的准确性主要取决于选择何种特征，对于作为目标形状特征的宽高比值，轮廓周长比率等，通常会在在视频捕获装置发生视角改变时，无法保持较好的类型区分性，而对于目标的运动特性，当目标较小时，人的肢体摆动在图像中无法得到体现，导致人的运动特性与车辆基本一致，因此也难以实现对目标的准确分类。

发明内容

本申请实施例的目的是提供一种视频图像的目标分类方法及装置，以解决现有技术中在进行目标分类时跟踪算法难以快速执行，且目标分类特定情况下不准确的问题。

为解决上述技术问题，本申请实施例提供如下技术方案：

一种视频图像的目标分类方法，包括：

接收视频图像后，过滤从所述视频图像中获取的前景团块，将符合预设过滤条件的前景团块作为运动目标；

通过均值迭代漂移算法对所述运动目标进行跟踪，并在所述跟踪的结果位置上提取运动目标；

对所述提取的运动目标进行归一化处理后，扫描所述归一化处理后的运动目标的轮廓获得特征统计值；

根据所述特征统计值确定所述运动目标的类型。

所述接收视频图像后，还包括：

将所述视频图像中的像素点与预先设置的背景图像模型中的背景像素点进行比较获得前景像素点；

从所述前景像素点中提取轮廓闭合的像素点的集合作为前景团块。

所述预设过滤条件包括至少一个下述条件：

预设所述前景团块的运动轨迹在时序上持续的时间阈值；

预设所述前景团块的运动轨迹应符合的运动特征；

预设所述前景团块的运动速度阈值。

所述通过均值迭代漂移算法对所述运动目标进行跟踪包括：

对所述运动目标进行初始化，包括更新所述运动目标对应的卡尔曼滤波器并将所述运动目标的彩色直方图作为目标彩色直方图；

通过所述卡尔曼滤波器对所述运动目标的运动位置进行预测，得到预测位置；

将所述预测位置作为当前迭代位置，统计所述当前迭代位置内的彩色直方图，计算所述当前迭代位置内的彩色直方图与所述目标彩色直方图之间的梯度值，所述彩色直方图为通过联合概率分布计算得到的压缩的彩色直方图；

判断所述梯度值是否满足预先设置的迭代条件，若是，则输出所述运动目标的跟踪位置，否则，根据所述梯度值偏移到下一个迭代位置，返回所述统计当前迭代位置内的彩色直方图的步骤。

所述对提取的运动目标进行归一化处理包括：

获取预先设置的目标模板的宽度值和高度值，以及所述运动目标的宽度值和高度值；

根据所述目标模板的宽度值和所述运动目标的宽度值计算宽度缩放因子，以及根据所述目标模板的高度值和所述运动目标的高度值计算高度缩放因子；

通过所述宽度缩放因子和高度缩放因子对所述运动目标进行缩放。

所述扫描归一化处理后的运动目标的轮廓获得统计值包括：

根据所述运动目标的轮廓设置所述运动目标的外接矩形；

沿逆时针方向分别以外接矩形四条边上的点为起点，做垂直于所述外接矩形四条边的轮廓扫描线；