[发明专利]一种目标识别方法、装置及目标识别系统

说明书

技术领域

本发明涉及视频图像处理领域，尤其涉及一种目标识别方法、装置和系统。

背景技术

对于铁路、地铁和公交车等公共交通系统，详实的掌握各条线路、站点客流的流向、流时、流量及其分布情况等信息，自动的客流信息统计系统能够方便运营公司进行线路调整，及对车辆资源进行合理配置。

传统自动客流信息的统计采用了红外遮挡系统及压力传感系统，利用物体通过该系统时，光线被遮挡的原理，统计通过红外遮挡系统的物体数量，该方法不能针对客流的往来进行精确、及时的统计，特别是在客流高峰期拥挤状况严重时，且该系统的应用场所受限。

相比而言，图像信息的容量更大，更丰富，图像处理技术的兴起与发展为解决传统客流统计技术面临的一系列问题提出了很多新方法。

目前，应用于自动客流统计的图像处理方法大多为利用二维图像处理中的特征识别与模式匹配等方法，该方法只适用于背景相对简单的情况，且对并排目标或目标前后拥挤的情况无法进行正确识别。基于立体视觉的运动检测技术已成为当今研究的热点。

现有技术一提供了一种基于立体视觉的公交客流统计方法，参见专利号为CN200510060288.2的中国专利，提出了一种利用待检测场景中各点到摄像机的距离，结合单目图像的特征识别技术，实现人头部的识别，从而完成客流信息统计的方法。如图1所示，对单目图像进行类圆物体提取时，存在着大量的伪圆，再通过一些算法准则去除伪圆，这样就实现每个人的头部对应一个圆，通过对圆形的识别和数量的计算实现对客流人数的统计。

然而，现有技术中还是存在着不少的问题，例如，现有技术仅利用了包含待检测目标的场景的深度信息，且是以二维图像的特征识别技术为主要手段，该深度信息只是用于辅助去除伪圆，且该方法进行头部识别时，依赖头发相对周围环境灰度较黑的特性去除伪圆，无法避免对目标戴帽子时或者穿黑衣服时造成误检的情况。现有技术提供的方法无法完全去除伪圆，检测精度不高，最终对客流的统计结果不准确。

发明内容

为解决现有技术中存在的问题，本发明的实施例提供了一种目标识别方法、装置和系统，能够显著提高目标识别的实时性和准确性，实现复杂场景下的高精度目标的检测。

为达到上述目的，本发明的实施例采用如下技术方案：

本发明实施例提供了一种目标识别方法，所述方法包括：

利用获取到的背景场景的检测信息和当前场景的检测信息，确定初始待检测目标，所述当前场景为包括待检测目标和同一背景场景的场景；

根据去伪策略去除所述初始待检测目标中的伪目标，确定有效目标。

进一步的，该方法还包括：

所述检测信息为视差图像或深度图像，所述目标检测信息为目标视差图像或目标深度图像；利用所述目标视差/深度图像确定所述初始待检测目标。

进一步的，还包括：

计算所述目标视差/深度图像的水平方向投影的极值点和垂直方向投影的极值点：将所述水平方向投影的极值点和垂直方向投影的极值点分别两两配对，确定所述初始待检测目标。

其中，所述去伪策略包括下述的至少一种策略及其组合：

视差图信息去伪策略、欧式距离去伪策略或原图灰度信息去伪策略；

其中，所述视差图信息去伪策略为：

判断以所述初始待检测目标为中心的目标视差/深度图像中预定窗口内的视差/深度均值是否大于视差/深度阈值，若是，该初始待检测目标为有效目标，若否，该初始待检测目标为伪目标；

所述欧式距离去伪策略为：

对当前未进行去伪处理的初始待检测目标，获取目标视差/深度图像中以该初始待检测目标为中心预定窗口内视差/深度均值最大的目标objPoint[maxN]，计算所述所有初始待检测目标与目标objPoint[maxN]的欧氏距离，当所述初始待检测目标与目标objPoint[maxN]的欧氏距离不小于距离阈值时，该初始待检测目标为有效待检测目标，否则，该初始待检测目标为伪目标，其中，maxN为所述视差/深度均值最大的目标的序号；

所述原图灰度信息去伪策略为：

获取所述初始待检测目标在当前场景的相应图像中以该目标为中心预定窗口内最小灰度均值，计算所有初始待检测目标对应的灰度均值与所述最小灰度均值的比值，当所述初始待检测目标对应的比值不大于比例阈值且所述初始待检测目标对应的灰度均值不大于控制阈值时，该初始待检测目标为有效待检测目标，否则，该初始待检测目标为伪目标。

本发明实施例还提供了一种目标识别装置，所述装置包括：