基于差分鏈碼直方圖的目標(biāo)分類方法及裝置制造方法
【專利摘要】本發(fā)明公開了一種基于差分鏈碼直方圖的目標(biāo)分類方法及裝置，所述方法包括：對(duì)訓(xùn)練圖像集進(jìn)行離線分類器訓(xùn)練，得到相應(yīng)的目標(biāo)類別判別函數(shù)及其參數(shù)；對(duì)輸入的視頻序列圖像進(jìn)行前景目標(biāo)檢測(cè)；對(duì)檢測(cè)的前景目標(biāo)進(jìn)行目標(biāo)特征提??；將提取的目標(biāo)特征作為輸入，并利用訓(xùn)練得到的目標(biāo)類別判別函數(shù)及其參數(shù)對(duì)視頻序列圖像中的前景目標(biāo)進(jìn)行在線類別判定。本發(fā)明通過(guò)提取前景目標(biāo)的一階差分鏈碼直方圖特征，計(jì)算量少，而且該特征具有目標(biāo)平移、尺度和旋轉(zhuǎn)不變性。
【專利說(shuō)明】基于差分鏈碼直方圖的目標(biāo)分類方法及裝置

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于模式識(shí)別領(lǐng)域，涉及圖像處理和計(jì)算機(jī)視覺(jué)【技術(shù)領(lǐng)域】，具體而言，尤其 涉及一種視頻監(jiān)控中的基于差分鏈碼直方圖的目標(biāo)分類方法及裝置。

【背景技術(shù)】
[0002] 目標(biāo)分類是智能視頻分析技術(shù)中的一個(gè)重要內(nèi)容，智能只能視頻分析的實(shí)際應(yīng)用 場(chǎng)合中，視頻序列圖像中的不同前景區(qū)域可能對(duì)應(yīng)不同的運(yùn)動(dòng)目標(biāo)，為了更好的理解不同 目標(biāo)的行為，就需要正確地將類別標(biāo)志與目標(biāo)區(qū)域聯(lián)系起來(lái)，例如，為了理解停車場(chǎng)人的行 為，或計(jì)算高速公路上不同類型車輛的流速等。
[0003] 目前，目標(biāo)分類在智能安全監(jiān)控、交通道路監(jiān)管、虛擬現(xiàn)實(shí)、運(yùn)動(dòng)分析等方面有廣 泛的應(yīng)用。例如，在智能安全監(jiān)控系統(tǒng)中，為監(jiān)視區(qū)域報(bào)告感興趣目標(biāo)的活動(dòng)，首先需要將 檢測(cè)到的目標(biāo)進(jìn)行分類，然后根據(jù)目標(biāo)類別的不同做相應(yīng)的處理，實(shí)現(xiàn)監(jiān)控系統(tǒng)的自動(dòng)化 與智能化，從而節(jié)省了安檢人員很大一部分工作量?；诖耍瑴?zhǔn)確的目標(biāo)分類是有針對(duì)性地 對(duì)目標(biāo)進(jìn)行行為分析的前提，是智能視頻監(jiān)控系統(tǒng)完全必要的基礎(chǔ)工作。因此，要使計(jì)算機(jī) 理解真實(shí)環(huán)境中的目標(biāo)行為及事件，目標(biāo)的分類與識(shí)別是第一步。
[0004] 目標(biāo)分類主要是對(duì)特征的理解，特征提取的好壞決定了分類準(zhǔn)確度的高低。本發(fā) 明的發(fā)明人在對(duì)現(xiàn)有技術(shù)進(jìn)行研究時(shí)發(fā)現(xiàn)：在以目標(biāo)形狀的高寬比、輪廓周長(zhǎng)比率等為特 征的目標(biāo)分類方法中，通常會(huì)在視頻捕捉設(shè)備發(fā)生視覺(jué)改變時(shí)，某一程度上影響了目標(biāo)類 型的區(qū)分性；另外，在以Hu不變矩等以矩為特征的目標(biāo)分類方法中，雖然其具有較強(qiáng)的平 移、尺度和旋轉(zhuǎn)不變性，但其運(yùn)算復(fù)雜，某一程度上影響了視頻分析的實(shí)時(shí)性。
[0005] 所以，目前亟待提出一種運(yùn)算量即不復(fù)雜、目標(biāo)類型區(qū)分性良好、同時(shí)又能使目標(biāo) 具有平移、尺度和旋轉(zhuǎn)不變性的目標(biāo)分類方法。


【發(fā)明內(nèi)容】

[0006] 為了得到一種運(yùn)算即不復(fù)雜，又能提高目標(biāo)類型的區(qū)分性，同時(shí)還具有目標(biāo)平移、 尺度和旋轉(zhuǎn)不變性的目標(biāo)分類方法，本發(fā)明提供了一種基于差分鏈碼直方圖的目標(biāo)分類方 法及裝置。
[0007] 為了達(dá)到本發(fā)明的目的，本發(fā)明采用以下技術(shù)方案實(shí)現(xiàn)：
[0008] -種基于差分鏈碼直方圖的目標(biāo)分類方法，包括：
[0009] 對(duì)訓(xùn)練圖像集進(jìn)行離線分類器訓(xùn)練，得到相應(yīng)的目標(biāo)類別判別函數(shù)及其參數(shù)；
[0010] 對(duì)輸入的視頻序列圖像進(jìn)行前景目標(biāo)檢測(cè)；
[0011] 對(duì)檢測(cè)的前景目標(biāo)進(jìn)行目標(biāo)特征提?。?br> [0012] 將提取的目標(biāo)特征作為輸入，并利用訓(xùn)練得到的目標(biāo)類別判別函數(shù)及其參數(shù)對(duì)視 頻序列圖像中的前景目標(biāo)進(jìn)行在線類別判定。
[0013] 優(yōu)選地，對(duì)訓(xùn)練圖像集進(jìn)行離線分類器訓(xùn)練以得到相應(yīng)的目標(biāo)類別判別函數(shù)及其 參數(shù)的步驟包括：
[0014] 對(duì)訓(xùn)練圖像集中的每一個(gè)前景目標(biāo)進(jìn)行目標(biāo)特征提取；
[0015] 對(duì)訓(xùn)練圖像集中的每一個(gè)前景目標(biāo)進(jìn)行目標(biāo)類別符標(biāo)定；
[0016] 將標(biāo)定好的目標(biāo)類別符及其相應(yīng)的目標(biāo)特征作為輸入?yún)?shù)，進(jìn)行離線訓(xùn)練，從而 得到相應(yīng)的目標(biāo)類別判別函數(shù)及其參數(shù)。
[0017] 優(yōu)選地，對(duì)檢測(cè)的前景目標(biāo)進(jìn)行目標(biāo)特征提取的步驟包括：
[0018] 對(duì)前景目標(biāo)進(jìn)行邊界鏈碼表達(dá)；
[0019] 對(duì)鏈碼進(jìn)行一階差分；
[0020] 對(duì)一階差分鏈碼進(jìn)行直方圖統(tǒng)計(jì)；
[0021] 對(duì)統(tǒng)計(jì)出的直方圖中每一分量進(jìn)行歸一化；
[0022] 用歸一化后的每個(gè)分量所對(duì)應(yīng)的值作為目標(biāo)特征值。
[0023] 優(yōu)選地，采用Freeman鏈碼或頂點(diǎn)鏈碼對(duì)前景目標(biāo)進(jìn)行邊界鏈碼表達(dá)，鏈碼方式 可以采用4方向或8方向鏈碼。
[0024] 優(yōu)選地，對(duì)一階差分鏈碼進(jìn)行直方圖統(tǒng)計(jì)時(shí)，對(duì)一階差分鏈碼在各方向上分別進(jìn) 行直方圖統(tǒng)計(jì)。
[0025] -種基于差分鏈碼直方圖的目標(biāo)分類裝置，包括：
[0026] 離線訓(xùn)練模塊，對(duì)訓(xùn)練圖像集進(jìn)行離線分類器訓(xùn)練，得到相應(yīng)的目標(biāo)類別判別函 數(shù)及其參數(shù)；
[0027] 在線判定模塊，用于對(duì)輸入的視頻序列圖像進(jìn)行前景目標(biāo)檢測(cè)，進(jìn)一步對(duì)檢測(cè)的 前景目標(biāo)進(jìn)行目標(biāo)特征提取，以及更進(jìn)一步將提取的目標(biāo)特征作為輸入，并利用訓(xùn)練得到 的目標(biāo)類別判別函數(shù)及其參數(shù)對(duì)視頻序列圖像中的前景目標(biāo)進(jìn)行在線類別判定。
[0028] 優(yōu)選地，所述離線訓(xùn)練模塊包括：
[0029] 第一特征提取模塊，用于對(duì)訓(xùn)練圖像集中的每一個(gè)前景目標(biāo)進(jìn)行目標(biāo)特征提??；
[0030] 訓(xùn)練模塊，用于對(duì)訓(xùn)練圖像集中的每一個(gè)前景目標(biāo)進(jìn)行目標(biāo)類別符標(biāo)定，并將標(biāo) 定好的目標(biāo)類別符及其相應(yīng)的目標(biāo)特征作為輸入?yún)?shù)，進(jìn)行離線訓(xùn)練，從而得到相應(yīng)的目 標(biāo)類別判別函數(shù)及其參數(shù)。
[0031] 優(yōu)選地，所述在線判定模塊包括：
[0032] 目標(biāo)檢測(cè)模塊，用于對(duì)輸入的視頻序列圖像進(jìn)行前景目標(biāo)檢測(cè)；
[0033] 第二特征提取模塊，用于對(duì)檢測(cè)的前景目標(biāo)進(jìn)行目標(biāo)特征提取；
[0034] 分類器決策模塊，用于將提取的目標(biāo)特征作為輸入，并利用訓(xùn)練得到的目標(biāo)類別 判別函數(shù)及其參數(shù)對(duì)視頻序列圖像中的前景目標(biāo)進(jìn)行在線類別判定。
[0035] 優(yōu)選地，第一特征提取模塊或第二特征提取模塊對(duì)檢測(cè)的前景目標(biāo)進(jìn)行目標(biāo)特征 提取的方法為 ：
[0036] 對(duì)前景目標(biāo)進(jìn)行邊界鏈碼表達(dá)；
[0037] 對(duì)鏈碼進(jìn)行一階差分；
[0038] 對(duì)一階差分鏈碼進(jìn)行直方圖統(tǒng)計(jì)；
[0039] 對(duì)統(tǒng)計(jì)出的直方圖中每一分量進(jìn)行歸一化；
[0040] 用歸一化后的每個(gè)分量所對(duì)應(yīng)的值作為目標(biāo)特征值。
[0041] 優(yōu)選地，采用Freeman鏈碼或頂點(diǎn)鏈碼對(duì)前景目標(biāo)進(jìn)行邊界鏈碼表達(dá)，鏈碼方式 可以采用4方向或8方向鏈碼；以及，對(duì)一階差分鏈碼進(jìn)行直方圖統(tǒng)計(jì)時(shí)，對(duì)一階差分鏈碼 在各方向上分別進(jìn)行直方圖統(tǒng)計(jì)。
[0042] 通過(guò)上述本發(fā)明的技術(shù)方案可以看出，本發(fā)明通過(guò)提取前景目標(biāo)的一階差分鏈碼 直方圖特征，計(jì)算量少，而且該特征具有目標(biāo)平移、尺度和旋轉(zhuǎn)不變性。

【專利附圖】

【附圖說(shuō)明】
[0043] 圖1是本發(fā)明實(shí)施例提供的基于差分鏈碼直方圖的目標(biāo)分類方法流程示意圖；
[0044] 圖2是本發(fā)明實(shí)施例提供的鏈碼的定義圖；
[0045] 圖3是本發(fā)明實(shí)施例提供的8方向原鏈碼及其一階差分鏈碼示意圖；
[0046] 圖4是本發(fā)明實(shí)施例提供的8方向原鏈碼直方圖及其歸一化直方圖；
[0047] 圖5是本發(fā)明實(shí)施例提供的基于差分鏈碼直方圖的目標(biāo)分類裝置結(jié)構(gòu)示意圖。
[0048] 本發(fā)明目的的實(shí)現(xiàn)、功能特點(diǎn)及優(yōu)異效果，下面將結(jié)合具體實(shí)施例以及附圖做進(jìn) 一步的說(shuō)明。

【具體實(shí)施方式】
[0049] 下面結(jié)合附圖和具體實(shí)施例對(duì)本發(fā)明所述技術(shù)方案作進(jìn)一步的詳細(xì)描述，以使本 領(lǐng)域的技術(shù)人員可以更好的理解本發(fā)明并能予以實(shí)施，但所舉實(shí)施例不作為對(duì)本發(fā)明的限 定。
[0050] 如圖1所示，本發(fā)明實(shí)施例提供了 一種基于差分鏈碼直方圖的目標(biāo)分類方法，其 主要包括如下具體實(shí)現(xiàn)步驟：
[0051] S101、對(duì)訓(xùn)練圖像集進(jìn)行離線分類器訓(xùn)練，得到相應(yīng)的目標(biāo)類別判別函數(shù)及其參 數(shù)；
[0052] S102、對(duì)輸入的視頻序列圖像進(jìn)行前景目標(biāo)檢測(cè)；
[0053] S103、對(duì)檢測(cè)的前景目標(biāo)進(jìn)行目標(biāo)特征提??；
[0054] S104、將提取的目標(biāo)特征作為輸入，并利用訓(xùn)練得到的目標(biāo)類別判別函數(shù)及其參 數(shù)對(duì)視頻序列圖像中的前景目標(biāo)進(jìn)行在線類別判定。
[0055] 優(yōu)選實(shí)施方式下，在所述步驟S101中，對(duì)訓(xùn)練圖像集進(jìn)行離線分類器訓(xùn)練以得到 相應(yīng)的目標(biāo)類別判別函數(shù)及其參數(shù)的步驟包括：
[0056] S1011、對(duì)訓(xùn)練圖像集中的每一個(gè)前景目標(biāo)進(jìn)行目標(biāo)特征提??；
[0057] S1012、對(duì)訓(xùn)練圖像集中的每一個(gè)前景目標(biāo)進(jìn)行目標(biāo)類別符標(biāo)定；
[0058] S1013、將標(biāo)定好的目標(biāo)類別符及其相應(yīng)的目標(biāo)特征作為輸入?yún)?shù)，進(jìn)行離線訓(xùn) 練，從而得到相應(yīng)的目標(biāo)類別判別函數(shù)及其參數(shù)。
[0059] 優(yōu)選實(shí)施方式下，在所述步驟S1011或S103中，對(duì)檢測(cè)的前景目標(biāo)進(jìn)行特征提取 的處理步驟包括：
[0060] 步驟1、對(duì)前景目標(biāo)進(jìn)行邊界鏈碼表達(dá)；
[0061] 步驟2、對(duì)鏈碼進(jìn)行一階差分；
[0062] 步驟3、對(duì)一階差分鏈碼進(jìn)行直方圖統(tǒng)計(jì)；
[0063] 步驟4、對(duì)統(tǒng)計(jì)出的直方圖中每一分量進(jìn)行歸一化；
[0064] 步驟5、用歸一化后的每個(gè)分量所對(duì)應(yīng)的值作為目標(biāo)特征值。
[0065] 具體實(shí)施時(shí)，對(duì)目標(biāo)進(jìn)行邊界鏈碼表達(dá)，可以采用Freeman編碼或頂點(diǎn)鏈碼或其 他類似鏈碼，鏈碼方式可以采用4方向或8方向或其他類似形式方向鏈碼，具體地，4方向和 8方向鏈碼定義可以參見(jiàn)圖2所示。
[0066] 例如，以8方向Freeman鏈碼為例，目標(biāo)邊界如圖3左圖所示，選擇圖中邊界小實(shí) 心圓點(diǎn)為邊界起始點(diǎn)后，則可得到的Freeman原鏈碼S為：21077544422 ;
[0067] 具體實(shí)施時(shí)，鏈碼一階差分可用相鄰2個(gè)方向數(shù)兩兩相減得到，如果減數(shù)為負(fù) 數(shù)，則將其加上鏈碼最大方向值。如圖3的右圖下行是原鏈碼S得到的一階差分C為： 06670560050〇
[0068] 具體實(shí)施時(shí)，為了避免鏈碼起始點(diǎn)對(duì)編碼的影響，在所有鏈碼方向上，對(duì)一階差分 鏈碼在各方向上進(jìn)行直方圖統(tǒng)計(jì)。一階差分鏈碼C所對(duì)應(yīng)的直方圖統(tǒng)計(jì)如圖4左圖所示。 [0069] 具體實(shí)施時(shí)，為了避免目標(biāo)尺寸影響直方圖的統(tǒng)計(jì)結(jié)果，對(duì)其進(jìn)行歸一化，即將鏈 碼各個(gè)方向上統(tǒng)計(jì)的結(jié)果值除以鏈碼串總長(zhǎng)。如圖4右圖是左側(cè)直方圖所對(duì)應(yīng)的歸一化后 的結(jié)果圖。
[0070] 優(yōu)選實(shí)施方式下，在所述的S104中，對(duì)視頻序列圖像中的前景目標(biāo)進(jìn)行在線類別 判定的處理步驟包括：
[0071] S1041、對(duì)視頻幀序列圖像中的每一個(gè)目標(biāo)進(jìn)行特征提?。?br> [0072] S1042、將提取的目標(biāo)特征值作為SVM分類器的輸入?yún)?shù)，利用離線訓(xùn)練好的最優(yōu) 線性超平面進(jìn)行類別判定。
[0073] 相應(yīng)地，本發(fā)明實(shí)施例還提供了一種基于差分鏈碼直方圖的目標(biāo)分類裝置，參考 圖5,其主要包括以下幾個(gè)大模塊：
[0074] 離線訓(xùn)練模塊，對(duì)訓(xùn)練圖像集進(jìn)行離線分類器訓(xùn)練，得到相應(yīng)的目標(biāo)類別判別函 數(shù)及其參數(shù)；
[0075] 在線判定模塊，用于對(duì)輸入的視頻序列圖像進(jìn)行前景目標(biāo)檢測(cè)，進(jìn)一步對(duì)檢測(cè)的 前景目標(biāo)進(jìn)行目標(biāo)特征提取，以及更進(jìn)一步將提取的目標(biāo)特征作為輸入，并利用訓(xùn)練得到 的目標(biāo)類別判別函數(shù)及其參數(shù)對(duì)視頻序列圖像中的前景目標(biāo)進(jìn)行在線類別判定。
[0076] 本實(shí)施例中，所述離線訓(xùn)練模塊，包括以下幾個(gè)子模塊：
[0077] 第一特征提取模塊，用于對(duì)訓(xùn)練圖像集中的每一個(gè)前景目標(biāo)進(jìn)行目標(biāo)特征提??；
[0078] 訓(xùn)練模塊，用于對(duì)訓(xùn)練圖像集中的每一個(gè)前景目標(biāo)進(jìn)行目標(biāo)類別符標(biāo)定，并將標(biāo) 定好的目標(biāo)類別符及其相應(yīng)的目標(biāo)特征作為輸入?yún)?shù)，進(jìn)行離線訓(xùn)練，從而得到相應(yīng)的目 標(biāo)類別判別函數(shù)及其參數(shù)。
[0079] 本實(shí)施例中，所述的訓(xùn)練模塊對(duì)訓(xùn)練圖像集中的每一個(gè)前景目標(biāo)進(jìn)行目標(biāo)類別符 標(biāo)定、并將標(biāo)定好的目標(biāo)類別符及其相應(yīng)的目標(biāo)特征作為輸入?yún)?shù)，進(jìn)行離線訓(xùn)練、從而得 到相應(yīng)的目標(biāo)類別判別函數(shù)及其參數(shù)的方法包括以下幾個(gè)步驟：
[0080] 步驟1 :對(duì)訓(xùn)練圖像集中的每一個(gè)前景目標(biāo)進(jìn)行目標(biāo)特征提??；
[0081] 步驟2 :對(duì)訓(xùn)練圖像集中的每一個(gè)前景目標(biāo)進(jìn)行目標(biāo)類別符標(biāo)定；
[0082] 步驟3 :將標(biāo)定好的目標(biāo)類別符及其相應(yīng)的目標(biāo)特征值作為SVM輸入?yún)?shù)，進(jìn)行離 線訓(xùn)練，得到一個(gè)最優(yōu)線性超平面，即相應(yīng)的目標(biāo)類別判別函數(shù)及其參數(shù)。
[0083] 本實(shí)施例中，所述在線判定模塊，包括以下幾個(gè)子模塊：
[0084] 目標(biāo)檢測(cè)模塊，用于對(duì)輸入的視頻序列圖像進(jìn)行前景目標(biāo)檢測(cè)；
[0085] 第二特征提取模塊，用于對(duì)檢測(cè)的前景目標(biāo)進(jìn)行目標(biāo)特征提取；
[0086] 分類器決策模塊，用于將提取的目標(biāo)特征作為輸入，并利用訓(xùn)練得到的目標(biāo)類別 判別函數(shù)及其參數(shù)對(duì)視頻序列圖像中的前景目標(biāo)進(jìn)行在線類別判定。本實(shí)施例中，所述的 分類器決策模塊，將提取的目標(biāo)特征值作為SVM分類器的輸入?yún)?shù)，利用離線訓(xùn)練好的最 優(yōu)線性超平面進(jìn)行類別判定。
[0087] 本實(shí)施例中，所述的第一 /第二特征提取模塊對(duì)檢測(cè)的前景目標(biāo)進(jìn)行目標(biāo)特征提 取的方法，包括以下幾個(gè)步驟：
[0088] 步驟1 :對(duì)前景目標(biāo)進(jìn)行邊界鏈碼表達(dá)；
[0089] 步驟2 :對(duì)鏈碼進(jìn)行一階差分；
[0090] 步驟3 :對(duì)一階差分鏈碼進(jìn)行直方圖統(tǒng)計(jì)；
[0091] 步驟4 :對(duì)統(tǒng)計(jì)出的直方圖中每一分量進(jìn)行歸一化；
[0092] 步驟5 :用歸一化后的每個(gè)分量所對(duì)應(yīng)的值作為目標(biāo)特征值。
[0093] 具體實(shí)施時(shí)，對(duì)目標(biāo)進(jìn)行邊界鏈碼表達(dá)，可以采用Freeman編碼或頂點(diǎn)鏈碼或其 他類似鏈碼，鏈碼方式可以采用4方向或8方向或其他類似形式方向鏈碼，4方向和8方向 鏈碼定義可以繼續(xù)參考圖2所示。
[0094] 例如，以8方向Freeman鏈碼為例，目標(biāo)邊界如圖3左圖所示，選擇圖中邊界小實(shí) 心圓點(diǎn)為邊界起始點(diǎn)后，則可得到的Freeman原鏈碼S為：21077544422。
[0095] 具體實(shí)施時(shí)，鏈碼一階差分可用相鄰2個(gè)方向數(shù)兩兩相減得到，如果減數(shù)為負(fù) 數(shù)，則將其加上鏈碼最大方向值。如圖3右圖下行是原鏈碼S得到的一階差分C為： 06670560050〇
[0096] 具體實(shí)施時(shí)，為了避免鏈碼起始點(diǎn)對(duì)編碼的影響，在所有鏈碼方向上，對(duì)一階差分 鏈碼在各方向上進(jìn)行直方圖統(tǒng)計(jì)。一階差分鏈碼C所對(duì)應(yīng)的直方圖統(tǒng)計(jì)如圖4左圖所示。
[0097] 具體實(shí)施時(shí)，為了避免目標(biāo)尺寸影響直方圖的統(tǒng)計(jì)結(jié)果，對(duì)其進(jìn)行歸一化，即將鏈 碼各個(gè)方向上統(tǒng)計(jì)的結(jié)果值除以鏈碼串總長(zhǎng)。如圖4右圖是左側(cè)直方圖所對(duì)應(yīng)的歸一化后 的結(jié)果圖。
[〇〇98] 以上所述僅為本發(fā)明的優(yōu)選實(shí)施例，并非因此限制本發(fā)明的專利范圍，凡是利用 本發(fā)明說(shuō)明書及附圖內(nèi)容所作的等效結(jié)構(gòu)或等效流程變換，或直接或間接運(yùn)用在其他相關(guān) 的【技術(shù)領(lǐng)域】，均同理包括在本發(fā)明的專利保護(hù)范圍內(nèi)。
【權(quán)利要求】
1. 一種基于差分鏈碼直方圖的目標(biāo)分類方法，其特征在于，包括： 對(duì)訓(xùn)練圖像集進(jìn)行離線分類器訓(xùn)練，得到相應(yīng)的目標(biāo)類別判別函數(shù)及其參數(shù)； 對(duì)輸入的視頻序列圖像進(jìn)行前景目標(biāo)檢測(cè)； 對(duì)檢測(cè)的前景目標(biāo)進(jìn)行目標(biāo)特征提取； 將提取的目標(biāo)特征作為輸入，并利用訓(xùn)練得到的目標(biāo)類別判別函數(shù)及其參數(shù)對(duì)視頻序 列圖像中的前景目標(biāo)進(jìn)行在線類別判定。
2. 如權(quán)利要求1所述的基于差分鏈碼直方圖的目標(biāo)分類方法，其特征在于，對(duì)訓(xùn)練圖 像集進(jìn)行離線分類器訓(xùn)練以得到相應(yīng)的目標(biāo)類別判別函數(shù)及其參數(shù)的步驟包括： 對(duì)訓(xùn)練圖像集中的每一個(gè)前景目標(biāo)進(jìn)行目標(biāo)特征提??； 對(duì)訓(xùn)練圖像集中的每一個(gè)前景目標(biāo)進(jìn)行目標(biāo)類別符標(biāo)定； 將標(biāo)定好的目標(biāo)類別符及其相應(yīng)的目標(biāo)特征作為輸入?yún)?shù)，進(jìn)行離線訓(xùn)練，從而得到 相應(yīng)的目標(biāo)類別判別函數(shù)及其參數(shù)。
3. 如權(quán)利要求1或2所述的基于差分鏈碼直方圖的目標(biāo)分類方法，其特征在于，對(duì)檢測(cè) 的前景目標(biāo)進(jìn)行目標(biāo)特征提取的步驟包括： 對(duì)前景目標(biāo)進(jìn)行邊界鏈碼表達(dá)； 對(duì)鏈碼進(jìn)行一階差分； 對(duì)一階差分鏈碼進(jìn)行直方圖統(tǒng)計(jì)； 對(duì)統(tǒng)計(jì)出的直方圖中每一分量進(jìn)行歸一化； 用歸一化后的每個(gè)分量所對(duì)應(yīng)的值作為目標(biāo)特征值。
4. 如權(quán)利要求3所述的基于差分鏈碼直方圖的目標(biāo)分類方法，其特征在于，采用 Freeman鏈碼或頂點(diǎn)鏈碼對(duì)前景目標(biāo)進(jìn)行邊界鏈碼表達(dá)，鏈碼方式可以采用4方向或8方向 鏈碼。
5. 如權(quán)利要求3所述的基于差分鏈碼直方圖的目標(biāo)分類方法，其特征在于，對(duì)一階差 分鏈碼進(jìn)行直方圖統(tǒng)計(jì)時(shí)，對(duì)一階差分鏈碼在各方向上分別進(jìn)行直方圖統(tǒng)計(jì)。
6. -種基于差分鏈碼直方圖的目標(biāo)分類裝置，其特征在于，包括： 離線訓(xùn)練模塊，對(duì)訓(xùn)練圖像集進(jìn)行離線分類器訓(xùn)練，得到相應(yīng)的目標(biāo)類別判別函數(shù)及 其參數(shù)； 在線判定模塊，用于對(duì)輸入的視頻序列圖像進(jìn)行前景目標(biāo)檢測(cè)，進(jìn)一步對(duì)檢測(cè)的前景 目標(biāo)進(jìn)行目標(biāo)特征提取，以及更進(jìn)一步將提取的目標(biāo)特征作為輸入，并利用訓(xùn)練得到的目 標(biāo)類別判別函數(shù)及其參數(shù)對(duì)視頻序列圖像中的前景目標(biāo)進(jìn)行在線類別判定。
7. 如權(quán)利要求6所述的基于差分鏈碼直方圖的目標(biāo)分類裝置，其特征在于，所述離線 訓(xùn)練模塊包括： 第一特征提取模塊，用于對(duì)訓(xùn)練圖像集中的每一個(gè)前景目標(biāo)進(jìn)行目標(biāo)特征提取； 訓(xùn)練模塊，用于對(duì)訓(xùn)練圖像集中的每一個(gè)前景目標(biāo)進(jìn)行目標(biāo)類別符標(biāo)定，并將標(biāo)定好 的目標(biāo)類別符及其相應(yīng)的目標(biāo)特征作為輸入?yún)?shù)，進(jìn)行離線訓(xùn)練，從而得到相應(yīng)的目標(biāo)類 別判別函數(shù)及其參數(shù)。
8. 如權(quán)利要求6所述的基于差分鏈碼直方圖的目標(biāo)分類裝置，其特征在于，所述在線 判定模塊包括： 目標(biāo)檢測(cè)模塊，用于對(duì)輸入的視頻序列圖像進(jìn)行前景目標(biāo)檢測(cè)； 第二特征提取模塊，用于對(duì)檢測(cè)的前景目標(biāo)進(jìn)行目標(biāo)特征提??； 分類器決策模塊，用于將提取的目標(biāo)特征作為輸入，并利用訓(xùn)練得到的目標(biāo)類別判別 函數(shù)及其參數(shù)對(duì)視頻序列圖像中的前景目標(biāo)進(jìn)行在線類別判定。
9. 如權(quán)利要求7或8所述的基于差分鏈碼直方圖的目標(biāo)分類裝置，其特征在于，第一特 征提取模塊或第二特征提取模塊對(duì)檢測(cè)的前景目標(biāo)進(jìn)行目標(biāo)特征提取的方法為： 對(duì)前景目標(biāo)進(jìn)行邊界鏈碼表達(dá)； 對(duì)鏈碼進(jìn)行一階差分； 對(duì)一階差分鏈碼進(jìn)行直方圖統(tǒng)計(jì)； 對(duì)統(tǒng)計(jì)出的直方圖中每一分量進(jìn)行歸一化； 用歸一化后的每個(gè)分量所對(duì)應(yīng)的值作為目標(biāo)特征值。
10. 如權(quán)利要求9所述的基于差分鏈碼直方圖的目標(biāo)分類裝置，其特征在于，采用 Freeman鏈碼或頂點(diǎn)鏈碼對(duì)前景目標(biāo)進(jìn)行邊界鏈碼表達(dá)，鏈碼方式可以采用4方向或8方向 鏈碼；以及，對(duì)一階差分鏈碼進(jìn)行直方圖統(tǒng)計(jì)時(shí)，對(duì)一階差分鏈碼在各方向上分別進(jìn)行直方 圖統(tǒng)計(jì)。
【文檔編號(hào)】G06K9/62GK104102914SQ201310113666
【公開日】2014年10月15日 申請(qǐng)日期:2013年4月2日 優(yōu)先權(quán)日:2013年4月2日
【發(fā)明者】徐慶華, 林彬, 吳貽剛 申請(qǐng)人:深圳中興力維技術(shù)有限公司