[发明专利]基于轮廓差异及区块主方向直方图的前景与特征提取方法

说明书

技术领域

本发明涉及一种可用于视频的目标检测与分类技术，尤其涉及一种基于轮廓差异及区块主方向直方图的前景与特征提取方法。

背景技术

基于视频的目标前景信息提取与识别分类技术是自动将视频中的目标进行提取并分析分类的技术，如物体分类，行人识别等。该技术是智能视频分析、视频监控、目标自动检测识别等应用的关键技术，有着广泛且深远的应用前景。

   运动目标检测分类主要通过以下两个步骤进行：首先是提出精确的前景以定位运动目标；之后是对运动目标进行有效的特征提取，并以此特征为基础进行目标分类。

   在前景提取方面，经过对现有技术的文献检索发现，在2003年，Cucchiara等人在《IEEE Transactions on Pattern Analysis and Machine Intelligence》（IEEE 模式分析与机器智能期刊）25期第10卷第1337页到第1342页发表的论文“Detecting Moving Objects, Ghosts, and Shadows in Video Streams”（检测视频流中的运动目标，重影及阴影）提出利用帧间差来提取运动前景目标，然而，该方法使得运动物体的前景比实际的物体要大，而且运动目标的完整性不能保证。此外，2001年，Kaewtrakulpong等人在《Proceedings of the Second European Workshop on Advanced Video-based Surveillance Systems》（第二届欧洲高性能视频监控系统会议集）第1页到第8页上发表的论文”An improved adaptive background mixture model for real-time tracking with shadow detection”（一种能进行阴影检测实时跟踪的改进背景混合模型）中提出利用高斯混合模型进行前景提取，取得了比较好的效果并随之诞生了大量改进算法，但是当大量运动物体在视频中出现，特别是包含大型运动目标的视频，该类方法会引入大量噪声，造成前景混乱，无法提取运动物体。

  在特征提取方面，经过对现有技术的文献检索发现，2005 年Dalal等人在《Proceedings of the 2005 International Conference on Computer Vision and Pattern Recognition》（IEEE 2005 年计算机视觉与模式识别会议集）上发表的论文“Histograms of Oriented Gradients for Human Detection”（用于人检测的梯度直方图）中提出了HOG(Histogram of Orientation Gradient，梯度直方图) 特征，但是该HOG特征仅仅关注了局部细节的梯度信息，较大范围的主梯度走向则被忽略，此外，HOG不仅会提取运动物体本身的梯度信息，环境信息的梯度也会提取出来，当背景复杂时，背景噪声会对最后的识别造成干扰。此外，在2009年，Kong等人在《Proceedings of the 2009 IEEE International Youth Conference on Information, Computing and Telecommunications》(2009 IEEE信息、计算和电信青年会议集)第212页到第215页上发表的论文“On-Road Vehicle Detection Using Histograms of Multi-Scale Orientations”（用多尺度方向直方图进行路上车辆检测）一文中提到了哈尔类（Harr-like）特征，用该特征检测保留了不同维度的梯度信息，但是对于细节的梯度信息提取不足。

发明内容

本发明的目的在于提供一种基于轮廓差异及区块主方向直方图的前景与特征提取方法，它利用当前帧与背景轮廓差异信息进行前景提取的方法以及基于区块主方向梯度直方图的视频运动物体特征信息，最终用该信息进行目标检测与分类，它可以有效提升运动目标前景提取的精度和对运动目标特征描述的有效性、从而最终有效提升检测的准确率。

本发明的目的是这样实现的：

一种基于轮廓差异及区块主方向直方图的前景与特征提取方法，特征是：具体步骤如下：

    A：获取一副干净的，没有运动目标的背景图像，提取其轮廓梯度信息；同时，对于当前视频帧，用相同的方法提取其轮廓梯度信息；