[发明专利]一种人车分类视频流式处理系统及方法

权利要求书

1.一种人车分类视频流式处理系统，其特征在于：包括前景目标提取模块(1)、前景检测识别模块(2)和人车目标分类模块(3)；

所述前景目标提取模块(1)，用于输入视频，采用混合高斯背景建模参数自适应在线学习算法和在线EM算法对视频进行前景提取；

所述前景检测识别模块(2)，用于采用多级别可控划窗的人车目标识别算法对前景中的人车识别；

所述人车目标分类模块(3)，用于通过人车分类算法对人车识别后的前景进行人车分类测试分析，实现人车分类；

所述前景检测识别模块(2)包括窗口设置单元(21)、匹配值计算单元(22)、匹配窗口单元(23)、前景缩放单元(24)和检测识别单元(25)；

所述窗口设置单元(21)，用于设置多个不同级别尺寸的滑动窗口；

所述匹配值计算单元(22)，用于在前景ROI区域提取运动目标轮廓组成的矩形区域，计算矩形区域的高度值W，根据矩形区域高度值W匹配多个不同级别尺寸的滑动窗口，匹配算法如下：

N_i＝W/W_i(i＝1,2,3)

其中W_i为不同级别的滑动窗口高度尺寸，N_i为匹配值；

所述匹配窗口单元(23)，用于根据向下采样规则利用匹配值N_i选择对应尺寸的滑动窗口；

所述前景缩放单元(24)，用于最后对前景ROI区域进行缩放处理，使之能达到对应尺寸的滑动窗口的尺寸；

所述检测识别单元(25)，用于根据不同级别尺寸的滑窗选择训练样本，利用训练样本训练相对应的SVM分类器，通过对应尺寸的滑动窗口的SVM分类器对前景ROI区域进行人车的检测识别。

2.根据权利要求1所述一种人车分类视频流式处理系统，其特征在于，所述混合高斯背景建模参数自适应在线学习算法具体为：通过对视频观测值的扰动进行学习来评估高斯分布数，将混合高斯模型数m迭代计算实时更新，实现混合高斯背景建模参数的自适应学习。

3.根据权利要求1所述一种人车分类视频流式处理系统，其特征在于，所述多级别可控划窗的人车目标识别单元具体实现为：通过对不同级别大小的滑窗尺寸进行设定及训练对应的SVM分类器模板，进而匹配缩放后的不同大小ROI前景区域实现目标的识别。

4.根据权利要求1至3任一项所述一种人车分类视频流式处理系统，其特征在于，所述人车目标分类模块(3)基于Storm云平台的视频流式并行化处理框架，通过人车分类算法对人车识别后的前景进行人车分类测试分析，实现人车分类。

5.一种人车分类视频流式处理方法，其特征在于，包括以下步骤：

步骤S1.用于输入视频，采用混合高斯背景建模参数自适应在线学习算法和在线EM算法对视频进行前景提取；

步骤S2.用于采用多级别可控划窗的人车目标识别算法对前景中的人车识别；

步骤S3.通过人车分类算法对人车识别后的前景进行人车分类测试分析，实现人车分类；

所述步骤S2的多级别可控划窗的人车目标识别算法的具体实现步骤为：

步骤S21.设置多个不同级别尺寸的滑动窗口；

步骤S22.在前景ROI区域提取运动目标轮廓组成的矩形区域，计算矩形区域的高度值W，根据矩形区域高度值W匹配多个不同级别尺寸的滑动窗口，匹配算法如下：

N_i＝W/W_i(i＝1,2,3)

其中W_i为不同级别的滑动窗口高度尺寸，N_i为匹配值；

步骤S23.根据向下采样规则利用匹配值N_i选择对应尺寸的滑动窗口；

步骤S24.最后对前景ROI区域进行缩放处理，使之能达到对应尺寸的滑动窗口的尺寸；

步骤S25.根据不同级别尺寸的滑窗选择训练样本，利用训练样本训练相对应的SVM分类器，通过对应尺寸的滑动窗口的SVM分类器对前景ROI区域进行人车的检测识别。