頭、車載攝像頭或監(jiān)控攝像頭獲取相對應環(huán)境中目標區(qū)域的視頻圖像，能反映需控制、處 理、監(jiān)管等場景的環(huán)境和周邊信息。
[0037] S20 :按照預定噪聲去除規(guī)則去除所述圖像中的噪聲數(shù)據(jù)。
[0038]圖像在獲取、傳輸和存儲過程中常常會受到各種噪聲的干擾和影響而使圖像降 質(zhì)。為了得到高質(zhì)量的數(shù)字圖像，有必要對圖像進行降噪處理，盡可能在保持原始信息完整 性的同時，并能夠去除信號中無用的信息。
[0039] 視頻圖像去噪的最終目的是改善給定的圖像，解決實際圖像由于噪聲干擾而導致 圖像質(zhì)量下降的問題。通過去噪技術(shù)有效地提高圖像質(zhì)量，增大信噪比，更好的體現(xiàn)原來圖 像所攜帶的信息。
[0040] 目前對圖像進行去噪處理的方法基本可分成兩類：空間域法和變換域法。前者是 在原圖像上直接進行數(shù)據(jù)運算，對像素的灰度值進行處理；常見的空間域圖像去噪算法有 鄰域平均法、中值濾波、低通濾波等。后者是在處理像素點領(lǐng)域有關(guān)的空間域上進行運算， 對圖像進行某種運算，將圖像從空間域轉(zhuǎn)換到變換域，再對變換域中的變換系數(shù)進行處理， 再進行反變換將圖像從變換域轉(zhuǎn)換到空間域達到去除圖像噪聲的目的。其中，傅里葉變換 和小波變換是常見的用于圖像去噪的變換方法。由于去噪方法是較為成熟的技術(shù)，因此本 申請實施例可根據(jù)實際情況自由選擇上述方法，不構(gòu)成對申請的限制。
[0041] 鑒于視頻監(jiān)控系統(tǒng)大多是對可動目標對象的監(jiān)控的特殊性，本申請的一個實施方 式中，將不需監(jiān)控或重點監(jiān)控的不可動背景與可動前景進行分離，即將獲取的監(jiān)控視頻的 背景部分作為噪聲數(shù)據(jù)的一部分去除。例如圖2所示的是一幅監(jiān)控視頻圖像的示意圖。圖 中包含在背景部分中的斑馬線、樹以及其他固定建筑物如加油站、商店等在監(jiān)控視域中始 終保持位置不動；而相應的行人、汽車等在監(jiān)控視域中隨時可動。且實際情況是包含在背景 中部分中的斑馬線、樹等位置不可動的目標對象是不需監(jiān)控或重點監(jiān)控的，因此將其作為 噪聲數(shù)據(jù)加以去除。如此，不僅可以大幅降低儲存容量，而且在后續(xù)的檢索過程中，可縮小 檢索范圍，提高檢索效率和準確度。
[0042] S30 :按照預定對象識別規(guī)則在所述去除噪聲數(shù)據(jù)的圖像中識別目標對象。
[0043] 對圖像進行檢索的目的是要識別其中的目標對象，首先要提取目標對象的特征， 并依據(jù)該特征識別對象。因此圖像檢索的主要問題之一就是圖像底層特征的提取。本申請 實施方式即是基于對去噪后的圖像中的目標的特征提取以實現(xiàn)目標對象的識別。
[0044] 語義檢索是基于人感知的，所以選取的特征本身要具有較為直觀的視覺意義，即 較強的視覺表達能力。本申請可以提取圖像底層特征可以包括顏色、紋理、形狀和景深。
[0045] 1、顏色
[0046] 顏色是物體表面的一種重要視覺性質(zhì)，是人識別圖像的主要感知特征之一；與描 述圖像的形狀、紋理等特征相比，顏色特征是CBIR最基礎(chǔ)的圖像視覺特征，是圖像表示與 檢索中使用的最直接的方法，主要原因在于顏色特征計算簡單，其信息和圖像中具體物體 與場景類別十分相關(guān)。此外，顏色特征對圖像本身的尺寸、方向、視角的依賴性相對較小。
[0047] 但實際中，由于環(huán)境光照強度、拍攝角度、成像特性、對象遠近等差異會引起的不 同攝像機采集到的同一對象的顏色出現(xiàn)差異。為了解決這一問題，獲取穩(wěn)定地、具有唯一性 地目標特征表達，可以利用顏色轉(zhuǎn)移方法或顏色轉(zhuǎn)換方法消除顏色差異，提高顏色特征的 魯棒性。
[0048] 在利用顏色轉(zhuǎn)移方法或顏色轉(zhuǎn)換方法消除顏色差異之前，可以首先對采集得到的 視頻監(jiān)控圖像進行增強預處理。
[0049] 研究表明，人類視覺系統(tǒng)以高度非線性的方式來感知物體的光照強度。但攝像機 等成像過程則較為簡單。一般情況下，攝像機所成的像與人類直接的感知是不同的，這種情 況在物體的動態(tài)范圍較大時更加明顯。動態(tài)范圍是指場景中最亮和最暗物體亮度之間的比 值。由于采用了區(qū)域自適應的方法，人類視覺系統(tǒng)可感知大于1〇〇〇 :1的動態(tài)范圍，而通常 的顯示器僅可顯示100 :1的動態(tài)范圍。當物體動態(tài)范圍大于顯示器所能顯示的范圍時，需 對圖像進行動態(tài)范圍壓縮，以使其適于顯示器。簡單的色調(diào)映射方法采用全局的對數(shù)函數(shù)、 Gamma校正或Sigmoid函數(shù)來壓縮圖像的動態(tài)范圍，容易造成局部的細節(jié)丟失。較高級的色 調(diào)映射均采用區(qū)域自適應的方法，基于Retinex的方法是其中一類。
[0050] Retinex理論是Land于1963年提出的基于人類視覺調(diào)節(jié)感知到物體的顏色和亮 度的模型，其基本思想是人感知到某點的光照并不取決于該點的絕對光照值，還和其周圍 的光照值有關(guān)。Retinex增強處理可以改善圖像顏色恒常性，壓縮圖像動態(tài)范圍，提高對比 度，有效顯示淹沒在陰影區(qū)域中的細節(jié)。Retinex方法應用在本申請實施方式的步驟是首先 對采集得到的視頻監(jiān)控圖像進行光照估計，然后在對數(shù)域從視頻監(jiān)控圖像中減去光照，抑 制光照變化對圖像的影響，得到增強后的圖像。
[0051] 利用Retinex算法對采集得到的視頻監(jiān)控圖像進行增強處理后，采用顏色轉(zhuǎn)移或 顏色轉(zhuǎn)法對該增強的視頻監(jiān)控圖像進行消除色差處理，提高顏色特征的魯棒性。對視頻監(jiān) 控圖像進行消除色差處理是去除圖像噪聲的重要組成部分。
[0052] 2、紋理
[0053] 紋理特征是所有物體表面共有的內(nèi)在特性和對圖像表面空間結(jié)構(gòu)和屬性的反映， 是一種不依賴于顏色或亮度的反映圖像同質(zhì)現(xiàn)象的視覺特征。紋理特征包含了物體表面結(jié) 構(gòu)組織排列的重要信息，其表現(xiàn)為圖像上灰度或顏色分布的規(guī)律性，因此通常被看作圖像 的某種局部性質(zhì)，或是對局部區(qū)域中象素之間關(guān)系的一種度量。
[0054] 常用的圖像紋理特征有共生矩陣，小波紋理，Tamura紋理特征等。其中，Haralick 等利用共生矩陣描述圖像紋理特征的方法，從數(shù)學角度研究了圖像中灰度級的空間依賴性 并采用矩陣的形式記錄這種依賴性的統(tǒng)計信息。灰度共生矩陣統(tǒng)計的是顏色強度的空間分 布信息，根據(jù)圖像象素間的方位和距離關(guān)系構(gòu)造共生矩陣（co-occurrencematrix)，從中 提取有意義的統(tǒng)計特征作為紋理特征的描述。
[0055] 視頻監(jiān)控圖像的特點是目標常處于移動狀態(tài)中。在非剛體目標跟蹤或者長時間目 標跟蹤中，目標輪廓等全局特征可能變化較大，而局部特征則有良好的不變性，因此局部特 征點方法是較好的選擇。
[0056] 本申請實施方式可以采用局部二元模式（LocalBinaryPattern，LBP)描述子對 人臉進彳丁檢測，以提尚對彳丁人的檢索精度和檢索速度。
[0057] 3、形狀
[0058] 形狀特征以對圖像中物體和區(qū)域的分割為基礎(chǔ)，是圖像表達和圖像理解中的重要 特征。直觀上，人們對物體形狀的變換、旋轉(zhuǎn)和縮放不敏感，所以提取的形狀特征也具有對 應的不變性，是一種有效的圖像區(qū)域形狀描述子。
[0059] 4、景深
[0060] 對視覺注意力來說，從單幅圖像中提取的景深是一個一般性地、自頂向下地特征， 當目標放置在攝像機的聚焦區(qū)域以外就會出現(xiàn)散焦模糊。
[0061] 本申請實施方式景深特征的提取方法可以包括兩個主要步驟。首先，估計單幅圖 像邊緣的模糊程度。然后，對邊緣的模糊度進行高斯加權(quán)從而得到每個基本區(qū)域的相對景 深。單幅圖像景深圖的具體計算方法如下：
[0062] 首先，用標準差為〇1的高斯核對圖像進行二次模糊。然后，在圖像的邊緣處計算 原始圖像的梯度和二次模糊圖像的梯度的比值T。圖像邊緣處的模糊程度〇可以根據(jù)如下 公式計算：
[