[发明专利]一种基于显著性的动态目标检测与识别的方法及装置

权利要求书

1.一种基于显著性的动态目标检测与识别方法，其特征在于，所述方法包括以下步骤：

步骤S101：获取目标对象及视频，若所述目标对象未出现在所述第一帧图像中，将所述第一帧图像整体作为背景区；若所述目标对象出现在所述第一帧图像中，将除所述目标对象以外的边界区域作为背景区；

步骤S102：提取所述背景区内所有像素位置的特征向量，对提取到的全部特征向量进行聚类；

步骤S103：整合每个聚类类别对应的距离图，得到初步显著图；

步骤S104：基于超像素级保留边缘的高斯模糊对所述初步显著图进行优化增强；

步骤S105：从优化增强后的显著图中对目标区域进行特征分割，得到在所述第一帧图像中的目标图像；将分割得到的目标图像轮廓输入基于机器学习的支持向量机，进行目标对象的识别。

2.如权利要求1所述的基于显著性的动态目标检测与识别方法，其特征在于，所述步骤S101，将除所述目标对象以外的边界区域作为背景区，其中，将图像中除去包含目标的最小外接矩形的环形局域定义为边界区域。

3.如权利要求2所述的基于显著性的动态目标检测与识别方法，其特征在于，所述步骤S102：提取所述背景区内所有像素位置的特征向量，对提取到的全部特征向量进行聚类，包括：

所述背景区内的每个像素位置的特征H(i,j)，以该像素为中心的邻域区块的CIELAB色彩空间的值来表示，i,j分别为图像像素点位置坐标；

提取所述背景区内所有像素位置的特征向量，将所有像素位置的特征向量作为背景特征样本，采用K-means聚类算法对所述背景特征样本进行聚类；聚类类别数为num，聚类P_n中的背景特征样本数为Num_n，聚类P_n的中心特征值记为R_n，其中，1≤n≤num。

4.如权利要求3所述的基于显著性的动态目标检测与识别方法，其特征在于，所述步骤S103：整合每个聚类类别对应的距离图，得到初步显著图，包括：

计算各个聚类类别对应的距离图，聚类类别P_n对应的距离图为：

Dⁿ(i,j)＝||H(i,j)-R_n||₂ (公式1)

其中，i，j表示图像像素点位置坐标，Dⁿ(i,j)表示原始图像中像素(i,j)对应的特征H(i，j)和聚类类别P_n对应的群组的中心特征值R_n之间的欧式距离，1≤n≤num；

将得到的num个距离图归一化到[0，1]之间，整合这num个距离图得到初步显著图，整合方式如公式2所示：

其中，N^c(i,j)为初步显著图中各像素点的特征显著值，×表示像素对应的乘法，z_n表示距离图的权重，z_n定义如公式3所示。

其中，z_n∈[0,1]，权重值即为每个聚类群组的样本数目num(n)与总样本数目之比。