[发明专利]一种烟草收购重复过磅行为自动视觉检测与识别方法

权利要求书

1.一种烟草收购重复过磅行为自动视觉检测与识别方法，其特征在于，包括以下步骤：

步骤一、进行SVM分类器的离线训练工作；

步骤二、设置好全局阈值，并进行KCF跟踪器的在线初始化工作；

步骤三、获取目标实时位置信息，实时分析当前视频内容，包括步骤31至步骤36：

步骤31：从VideoStream依次序读取第i帧视频帧，使用更新KCF跟踪器 Tracker1和Tracker2，获得第i帧视频帧中的磅秤所在区域范围和货物所在区域范围

步骤32：由磅秤所在区域范围集合算出当前磅秤平均位置；

步骤33：由货物所在区域范围集合并结合Thres2和Thres3算出货物静止位置集合，即到第i帧为止，货物移动路径上已有m个静止位置；

步骤34：计算货物移动路径上静止位置集合P1与当前磅秤平均位置的距离集合为，得到D中大于Thres2×Thres3的元素数目n；

步骤35：如果n1，则当前视频内容中出现了重复过磅行为；否则如果n＝1，则当前视频内容中出现了正常过磅行为；否则，则当前视频内容中尚未出现过磅行为；

步骤36：如果视频尚未结束，i加1后继续执行步骤31，否则结束本次视频检测；

步骤一中，具体的离线训练为：

步骤11：构建磅秤样本库和货物样本库，分别训练出磅秤SVM分类器Classifier1和货物 SVM分类器Classifier 2；

步骤二中，设置好全局阈值并进行KCF跟踪器的在线初始化工作的具体步骤为：

步骤21：全局阈值包括面积阈值Thres1、距离阈值Thres2和帧数阈值Thres3，设置好面积阈值Thres 1、距离阈值Thres 2和帧数阈值Thres 3；

步骤22：准备待检测视频流VideoStream；

步骤23：从VideoStream依次序读取一帧视频帧，使用磅秤SVM分类器Classifier 1检测，得到磅秤初始区域范围；

步骤24：结合和初始化磅秤KCF跟踪器Tracker1；

步骤25：从VideoStream依次序读取三帧相邻视频帧，使用三帧差法得到帧差图；

步骤26：取二值化处理后的非零区域的最小外接矩形范围，最小外接矩形的面积大小为；

步骤27：如果，执行步骤28，否则执行步骤25；

步骤28：使用货物SVM分类器Classifier2检测中内图像区域，得到货物初始区域范围；结合和初始化货物KCF跟踪器Tracker 2。

2.根据权利要求1所述的一种烟草收购重复过磅行为自动视觉检测与识别方法，其特征在于，所述步骤11中，根据磅秤样本库和货物样本库训练磅秤SVM分类器Classifier1和货物SVM分类器Classifier 2的具体步骤如下：

步骤111：采集磅秤正负样本，并标记每个样本，正样本标签值为“1”，负样本标签值为“-1”；

步骤112：对磅秤正负样本提取HOG特征数据，并进行归一化处理；

步骤113：将归一化处理后的HOG特征数据和对应的标签值进行支持向量机SVM训练，得到磅秤SVM分类器Classifier1；

步骤114：采集货物正负样本，重复步骤111至步骤113，得到货物SVM分类器Classifier2。

3.根据权利要求1所述的一种烟草收购重复过磅行为自动视觉检测与识别方法，其特征在于，所述步骤25中，计算帧差图的公式如下：

；

其中为视频流VideoStream中三帧相邻视频帧，函数abs() 为绝对值函数。