[发明专利]基于支持向量机的运动目标分类方法

摘要

本发明提出了一种基于支持向量机的运动目标分类方法，主要解决现有运动目标分类方法中存在背景复杂、运动目标模糊以及分类效果差的问题。其实现步骤是：(1)利用摄像头读取视频；(2)提取视频帧；(3)读取一帧视频帧图像；(4)预处理；(5)提取处理后运动目标图像的边缘、梯度和信息熵特征；(6)判断是否读取所有的视频帧图像；(7)收集运动目标特征；(8)训练支持向量机；(9)得到分类结果。本发明具有能在复杂环境中提取精确的运动目标和运动目标特征，利用支持向量机达到精确分类的优点，可用于视频中的运动目标分类，为后续的目标追踪和识别提供可靠的数据。

主权项

1.一种基于支持向量机的运动目标分类方法，包括如下步骤：(1)利用摄像头读取待分类运动目标的彩色红绿蓝RGB视频；(2)逐帧读取待分类运动目标的彩色红绿蓝RGB视频，得到彩色视频帧图像；(3)在彩色视频图像中随机读取一帧图像，得到一帧待处理彩色视频图像；(4)预处理；(4a)按照下式，计算待处理彩色视频帧图像转换成灰度图像中每一像素点的灰度值，将计算后的灰度值组成灰度图像：Gray_i,j＝0.299R_i,j+0.587G_i,j+0.114B_i,j其中，Gray_i,j表示灰度图像中第i行，第j列像素点的灰度值，R_i,j表示彩色视频帧图像中第i行，第j列的像素点的红色分量值，G_i,j表示彩色视频帧图像中第i行，第j列像素点的绿色分量值，B_i,j表示彩色视频帧图像中第i行，第j列像素点的蓝色分量值；(4b)采用混合高斯背景建模建立背景图像，保存该混合高斯背景建模得到的最终背景图像；(4c)用灰度图像减去最终背景图像，得到运动目标图像；(4d)利用二值化运动目标图像的公式，对运动目标图像进行二值化，得到二值化运动目标图像；(4e)对二值化运动目标图像进行形态学滤波，得到滤波后的运动目标图像；(5)提取滤波后的运动目标图像的边缘、信源熵和梯度三个特征；(5a)利用Canny算子，提取滤波后的运动目标图像的边缘强度，将所提取的边缘强度作为边缘强度特征值；(5b)利用梯度强度公式，提取滤波后的运动目标图像的梯度强度；(5c)利用信源熵公式，提取滤波后的运动目标图像的信源熵；(6)判断是否读取完所有的彩色视频帧图像，若是，则执行步骤(7)，否则，执行步骤(3)；(7)将所有运动目标图像的特征组成目标特征集；(8)用目标特征集训练支持向量机；(8a)将目标特征集均分为两部分，一部分作为训练特征集，一部分作为测试特征集；(8b)将训练特征集投入到支持向量机中训练，得到检测模型分类器；(8c)将测试特征集放入检测模型分类器中，得到与检测模型分类器的分类模式对应的分类结果；(9)输出分类结果。