[发明专利]动态背景下图像特征对象模版提取及识别方法

权利要求书

1.动态背景下图像特征对象模版提取方法，其特征在于，包括如下步骤：

步骤1种子获取步骤.从待识别图像集合中提取若干帧图像作为基准帧，通过对各个基准帧之间的比较，得到特征对象种子点；

步骤2.持续学习步骤.以特征对象种子作为初始特征对象，利用待识别图像集合中其

余图像连续进行扩展和去噪，直至稳定；得到特征对象模版库；

所述稳定为自定义的判断标准，根据扩展或去噪过程中图像的变化程度进行判定。

2.如权利要求1所述动态背景下图像特征对象模版提取方法，其特征在于，所述种子获取步骤具体为：从待识别图像集合中定义一个种子获取段，从种子获取段中定义第1帧图像作为基准帧，将种子获取段内的剩余每一帧图像依次与基准帧比较，比较完成后种子获取段内全部图像都存在的图像点作为特征对象种子点。

3.如权利要求1所述动态背景下图像特征对象模版提取方法，其特征在于，所述持续学习步骤中，进行扩展和去噪的具体步骤为：

    扩展步骤.在扩展时间段内，对每一帧图像的每一图像点进行相似度比较，相似度高于预设门限值的图像点作为扩展点加入到特征对象种子点作为新的特征对象轮廓；

去噪步骤.在去噪时间段内，对前一步骤得到的特征对象轮廓上的每一图像点与去噪时间段内的全部图像进行比较，相似度低于预设门限值的图像点作为噪声点去除。

4.如权利要求3所述动态背景下图像特征对象模版提取方法，其特征在于，所述去噪步骤中，被比较特征对象轮廓上参与去噪的点不包括种子获取步骤中得到的特征对象种子点。

5.如权利要求3所述动态背景下图像特征对象模版提取方法，其特征在于，扩展步骤中的相似度比较为利用①式；

WP=lg[(1+XP)/(1+YP)],  ------①

其中XP为被比较图像点在扩展时间段内出现的次数，YP为被比较图像点在扩展时间段内连续未出现的次数。WP大于预先设定的门限值的点则认为是扩展点。

6.如权利要求3所述动态背景下图像特征对象模版提取方法，其特征在于，去噪步骤中的相似度比较为利用②式

WN=lg[(1+XN)/(1+YN)],  ------②

 其中XN为图像点在去噪时间段内出现的次数，YN为图像点在去噪时间段内连续未出现的次数，WN小于预先设定的门限值的点认为是噪声点。

7.如权利要求3所述动态背景下图像特征对象模版提取方法，其特征在于，步骤2中所述稳定的判断标准为：在去噪步骤中对前一扩展步骤中的扩展点进行判断时，全部为噪声点则认为图像稳定。

8.如权利要求1所述动态背景下图像特征对象模版提取方法，其特征在于，所述待识别图像集合为连续播放的视频流。

9.动态背景下图像特征对象识别方法，其特征在于，采用如权利要求1至8任意一项所述动态背景下图像特征对象模版提取方法得到特征对象模版库以后，提取待识别图像中的对象轮廓，与库中的各特征对象模版进行相似度比较，实现图像识别。

10.如权利要求1所述动态背景下图像特征对象识别方法，其特征在于，所述提取待识别图像中的对象轮廓，与库中的各特征对象模版进行相似度比较的具体过程为：

步骤1001.采用canny算子检测待识别图像中的边缘，并根据检测结果将图像二值化，然后提取待识别图像所有对象轮廓；

步骤1002.求每一对象与特征对象模版的相似度，将待匹配图像所有对象轮廓与特征对象模版库模版比对，二者中相同点视为命中，将各特征对象命中点的权值WP分别累加，得到权值和Rate=∑WP，权值和最高的特征对象所代表的图像类型即为识别结果。