[发明专利]基于聚类的目标分类

说明书

技术领域

本申请涉及但不限于基于聚类的目标分类。

背景技术

视频监控系统用于捕捉大量公共场所、私人场所和政府场所的视频内容。例如，视频监控系统通常用于飞机场、火车站、商店和购物中心、工厂和有人、车辆等出现的其它场所。相机可以捕捉大量的视频内容并且内容可以被监控系统进行记录和存储一段时间，使得曾经出现的人和车辆等可以被识别。手动搜索记录的被视频监控系统捕捉的视频内容可能是极其劳动密集和耗费时间的。视频分析算法已经被开发出，其可以用于将高级别的信息从已经开发出来的摄像机捕捉的视频内容中提取出来。视频分析算法可以用于在这个已经被捕捉的视频内容中识别目标。如果用户想能够在视频内容上进行搜索，在视频内容中的目标必须是被识别的和分类的。例如，用户可能希望搜索显示在预定一段时间期间车辆进入或离开工厂的视频内容。如果例如车辆和人的目标已经在捕捉的视频内容中被识别，那么搜索算法可以被用于识别潜在的相关内容，而不需要用户手动检查在感兴趣期间捕捉的所有视频内容。

视频分析算法可以帮助自动进行目标分类。目标分类可以包括一些方面：(1)特征计算和(2)基于特征的分类。一般而言，各种目标特征可以被用于目标分类。目标分类的常规方法的示例可以在授予Venetianer等人的名称为“Spurious Object Detection in a Video Surveillance System”的美国专利7,391,907中找到，其论述了使用关于目标特征的整套度量的系统，包括：形状一致性度量、大小一致性度量、大小度量、结构一致性度量、颜色一致性度量、速度一致性度量、移动方向一致性度量、显著移动度量、绝对移动度量和持续移动度量。在没有相机校准信息的情况下，有效考虑到关于目标分类的所有这些度量是非常困难的。因此，仅仅少数选择的特征被经常在实际应用中使用。通常在常规系统中使用的特征是目标大小和目标纵横比(高度与宽度的比例)和目标形状。例如，人的目标纵横比和汽车的目标纵横比通常是非常不同的，并且可以用作判别特征以在视频内容中的人和汽车之间进行区分。目标纵横比可以视作简化的形状特征，如果它被看作目标的拟合椭圆的长轴长度和目标的拟合椭圆的短轴长度的比值的近似。

在计算机视觉领域，关于目标检测、分类越来越对复杂的特征感兴趣，包括，小波(即，哈尔特征)、视觉词袋、尺度不变特征变换(SHIFT)特征(或其简化版本SURF)、HoF(光流直方图)、HoG(梯度方向直方图)。这些特征已经被证明在包括视频监控的广阔应用范围中理论上有效。然而，可能由于复杂、效率低下或者不适合，到目前为止在视频监控领域很少有使用这些特征的实用的系统的存在。

公布的Brown等人的名称为“Video Object classification”的美国专利申请号US2010/0054535A1讨论了，计算关于视频序列上的每个被跟踪目标的梯度方向直方图(HoG)的差值，和监视车辆和人之间的变形级别(人的变形级别被认为高于车辆的变形级别)、并且通过最大后验(MAP)方法对被跟踪目标进行分类。这种方法要求被跟踪和分类的目标具有相当大的尺寸以容许直方图的计算，其不适合于其中目标是小的或者目标远离相机的应用。这种方法要求校准信息。此外，由于MAP的使用，在一开始就需要关于每个目标类型的场景上的可能性和先验概率，这对涉及大量相机的许多监控应用其是不切实际的。此外，这种方法并不对目标进行分类直到对目标的跟踪完成，即正当目标消失时。因此，这种方法不适用于对需要对目标类型进行实时报警的应用。

在目标类型分类中，主要存在两类用于视频监控应用的方法：非基于学习型和基于学习型，其被应用于一组选定的目标特征。非基于学习分类器假定用于每个感兴趣的目标类型的选定特征的可用粒度，并且计算在特征值和参考(原形)值之间的距离并做出相应的分类决定。非基于学习分类器易于对相机的设置、采光和图像噪声中的变化敏感，并且当运用到视频监控应用时可能设置系统规定的参数。

基于学习的分类器包括监督方法和非监督方法。监督方法(例如最近邻、神经网络和支持向量机)要求训练关于每一类的数据。训练过程可能使耗时的并且要求对监控相机中的每一个实施离线。为了使得现有分类器对系统中涉及的变化起作用，例如由于移动、光照条件、视频噪声或添加新的目标特征，需要用于监督方法的新的或附加的训练过程。这可能限制基于学习的分类器的应用为通常在处理功率和存储器方面具有限制资源的基于边缘设备的视频应用。