[发明专利]人车分类方法和装置

权利要求书

1.一种人车分类方法，其特征在于，包括以下步骤：

检测视频中的运动目标，获得运动目标图像；

计算出所述运动目标图像的梯度方向直方图；

从所述梯度方向直方图中提取出特征向量，将所述特征向量作为输入向量利用支持向量机对所述运动目标图像进行分类，获得第一类图像和第二类图像，所述第一类图像为机动车图像。

2.根据权利要求1所述的人车分类方法，其特征在于，所述获得第一类图像和第二类图像的步骤之后还包括：

将所述第二类图像从上到下分别分割成n部分和n+1部分，分别计算出各部分的梯度方向直方图，其中n取大于或等于2的整数；

从所述各部分的梯度方向直方图中提取出特征向量，将所述特征向量作为输入向量利用支持向量机对所述第二类图像进行分类，获得行人图像和非机动车图像。

3.根据权利要求1所述的人车分类方法，其特征在于，所述从所述梯度方向直方图中提取出特征向量包括：

从所述梯度方向直方图中提取出由f1[0]、f1[1]、f1[2]、f1[3]和f1[4]组成的五维数组作为特征向量，其中：

f1[0]为所述运动目标图像的宽度与高度的比值，f1[1]为所述运动目标图像的垂直梯度方向像素个数和水平梯度方向像素个数之和与除垂直和水平梯度方向以外的其它梯度方向像素个数之和的比值，f1[2]为所述梯度方向直方图中的最小值的数组下标，f1[3]为所述梯度方向直方图中的最大值的数组下标，f1[4]为所述运动目标图像的上半部分灰度值之和与下半部分灰度值之和的比值。

4.根据权利要求1-3任一项所述的人车分类方法，其特征在于，所述将所述第二类图像从上到下分别分割成n部分和n+1部分，分别计算出各部分的梯度方向直方图，包括：

将所述第二类图像从上到下等分成第一部分、第二部分和第三部分共三部分，分别计算出每一部分的梯度方向直方图；将所述第二类图像从上到下等分成第一部分、第二部分、第三部分和第四部分共四部分，分别计算出每 一部分的梯度方向直方图。

5.根据权利要求4所述的人车分类方法，其特征在于，从所述各部分的梯度方向直方图中提取出特征向量包括：

从所述梯度方向直方图中提取出由f2[0]、f2[1]、f2[2]和f2[3]组成的四维数组作为特征向量，其中：

f2[0]为三等分所述第二类图像时第二部分和第三部分中垂直梯度方向直方图的占比，f2[1]为三等分所述第二类图像时第二部分中水平梯度方向直方图的占比，f2[2]为四等分所述第二类图像时第三部分和第四部分的水平梯度方向直方图之和与垂直梯度方向直方图之和的比值，f2[3]为四等分所述第二类图像时第四部分的水平梯度方向直方图与除水平和垂直梯度方向以外的其它梯度方向的直方图之和的比值。

6.一种人车分类装置，其特征在于，包括：

运动目标检测模块，用于检测视频中的运动目标，获得运动目标图像；

第一计算模块，用于计算出所述运动目标图像的梯度方向直方图；

第一分类模块，用于从所述梯度方向直方图中提取出特征向量，将所述特征向量作为输入向量利用支持向量机对所述运动目标图像进行分类，获得第一类图像和第二类图像，所述第一类图像为机动车图像。

7.根据权利要求6所述的人车分类装置，其特征在于，还包括：

第二计算模块，用于将所述第二类图像从上到下分别分割成n部分和n+1部分，分别计算出各部分的梯度方向直方图，其中n取大于等于2的整数；

第二分类模块，用于从所述各部分的梯度方向直方图中提取出特征向量，将所述特征向量作为输入向量利用支持向量机对所述第二类图像进行分类，获得行人图像和非机动车图像。