[发明专利]一种基于轮廓约束的视频运动目标分类识别方法

权利要求书

1.一种基于轮廓约束的视频运动目标分类识别方法，主要包括运动目标的轮廓提取和轮廓约束下的特征提取两个方面，其特征在于实现步骤如下：

(A)提取出视频中的运动区域，使用基于水平集模型的分割算法获得实际目标区域和目标轮廓；

(B)对所述实际目标区域进行高斯卷积运算，得到目标的空间细节分量；

(C)提取所述目标空间细节分量的纹理特征；

(D)提取所述实际目标区域中轮廓约束局部区域的边缘梯度特征；

(E)提取训练样本目标的纹理特征和边缘梯度特征使用机器学习方法进行训练，获得目标分类模型；

(F)提取待识别目标的纹理特征和边缘梯度特征，输入目标分类模型，确定待识别目标的类型。

2.如权利要求1所述的基于轮廓约束的视频运动目标分类识别方法，其特征在于：所述步骤(A)基于水平集模型的分割算法包括如下步骤，假设封闭曲线Γ将运动检测区域Ω划分为内部区域Ω₀和外部区域Ω₁，其中内部区域包含目标轮廓，有Ω＝Ω₀∪Ω₁：

(1)构建颜色特征算子：将运动目标区域转换到CIELab色彩空间，获得L、a、b三个色彩分量，分别计算区域Ω、Ω₀和Ω₁在第k,k＝1,2,3个色彩分量上所有像素值与该区域像素均值之差的平方和并将之和记为计算与的比值对于所有色彩分量，将作为的权值计算加权和C_Γ；

(2)构建纹理特征算子：使用小波变换获得目标区域水平、垂直、对角方向的三个高频分量，并将其作为纹理分量，分别计算区域Ω、Ω₀和Ω₁在第k,k＝1,2,3个纹理分量上内所有像素点的纹理值与该区域纹理均值之差的平方和并将之和记为计算与的比值对于所有纹理分量，将作为的权值计算加权和T_Γ；

(3)构建描述轮廓的自适应特征联合描述子:将颜色和纹理特征分量的权重映射至区间[0,1]，使用加权计算颜色特征算子和纹理特征算子；

(4)使用水平集方法求解自适应特征联合描述子，将运动检测区域作为形状先验对目标的分割和过程进行约束。

3.如权利要求1所述的基于轮廓约束的视频运动目标分类识别方法，其特征在于：所述步骤(B)中使用两次高斯滤波来提取实际目标区域的空间细节分量，高斯模板的大小为目标区域长宽之间的最小值除以16。

4.如权利要求1所述的基于轮廓约束的视频运动目标分类识别方法，其特征在于：所述步骤(C)中提取目标空间细节分量的纹理特征，具体步骤包括：首先对目标的空间细节分量进行金子塔变换，使用局部二值模式在多尺度金字塔的不同层次上进行特征提取，其次将局部二值模式金子塔划分为互不重叠的子区域并建立统计直方图，并对不同尺度的局部二制模式金字塔直方图赋予权值，最终将各个尺度下的局部二制模式金字塔直方图连接起来构成图像的纹理特征向量。

5.如权利要求1所述的基于轮廓约束的视频运动目标分类识别方法，其特征在于：所述步骤(D)中使用方向梯度直方图提取实际目标区域中轮廓所约束局部区域的边缘梯度特征。

6.如权利要求1所述的基于轮廓约束的视频运动目标分类识别方法，其特征在于：所述步骤(E)中机器学习方法具体采用基于多核学习的支持向量机从训练数据中获得目标分类模型。