[发明专利]一种基于hog特征的运动目标识别方法及系统

说明书

技术领域

本发明涉及计算机视觉和机器学习领域，特别是涉及一种基于hog特征的运动目标识别方法及系统。

技术背景

在智能视频监控系统中，人们最感兴趣的是监控场景中的运动目标。为了提供基于目标类型的实时报警和事后目标检索，对目标分类识别是智能视频监控系统中非常重要的任务。通过对运动目标的类别进行识别，可以更精确的定义事件的发生和结束及特定目标的特定行为分析，降低系统的误报率。

但目标类型识别要满足如系统能够在任意的摄像头角度下工作、在不同光照条件和阴影影响下的正确区分类别以及实时处理和低内存消耗等要求是一个非常有挑战性的问题。目前智能视频监控系统中的运动目标识别方法主要分为三类：基于形状特征的识别方法、基于运动特性的识别方法以及两种特征结合的识别方法。如Lipton等人利用目标的离散度、面积、长宽比等形状特征将运动目标划分为人、人群、车和背景干扰等四类，具有一定的实用性，但基于形状的方法在描述同类目标或具有相似运动的目标时很难用统一的模型加以表征，因此在对目标进行精细分类时存在明显的不足。基于运动特性的识别方法是利用运动周期性将运动目标划分为周期性运动目标和非周期性运动目标，它对于“人”和“车”的识别有较好效果，但是对于识别多种周期性运动目标或非周期性运动目标效果较差，并且提取周期性对观察目标的角度有一定的要求。而基于两种特征结合的识别方法对提取目标轮廓的精度要求很高，而且还会使整体系统变的很复杂。

综合上述，目前急需提出一个对目标分类识别问题更加有效的解决方法。

发明内容

本发明所要解决的技术问题是提供一种基于hog特征的运动目标识别方法，使得运动目标识别能够在任意的摄像头角度下工作、在不同光照条件和阴影影响下的正确进行。

为实现上述发明目的，本发明提供技术方案如下：

步骤1：利用前N帧初始视频图像，建立基于码本(codebook)的背景模型；

步骤2：利用当前输入图像与背景模型作差，得到运动目标前景区域掩码图像，并利用形态学滤波对前景掩码图像去噪；

步骤3：目标关联，通过分析视频前后帧目标前景区域的MBB(最小矩形包围框)重叠关系进行视频中目标的关联，得到关联矩阵；

步骤4：根据关联矩阵判断目标关联状况，确定目标是否出现遮挡和分离，运动目标只有连续关联5帧以上才确定为真正的运动目标，否则为虚假目标，虚假目标不做后续目标识别处理；

步骤5：在于对确认的运动目标提取hog(梯度方向直方图)特征向量，并将特征向量送至训练好的分类器进行分类识别，最终识别运动目标为人，人群，自行车，小车，卡车，公共汽车六类。

所述的步骤2的具体过程为：

a对输入图像点的像素值与背景模型对应点的像素值做差，如果差值在一定的阈值T(一般取10)内，则该点属于背景区域，掩码图像对应点取值为0，否则该点属于运动目标前景区域，掩码图像对应点取1；

b对掩码图像采用3*3的形态学模板，做2次闭操作，1次开操作的形态学处理，滤除杂点噪声。

所述的步骤3中的目标关联的具体过程为：建立t时刻N个前景团块：和t-1时刻M个前景团块：之间的关联矩阵P，矩阵P为M*N，它的元素P(m，n)可由下公式计算：