一種目標(biāo)特征提取的方法、目標(biāo)特征提取模塊、目標(biāo)模型創(chuàng)建模塊以及智能圖像監(jiān)控裝置的制造方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及智能圖像監(jiān)控領(lǐng)域，特別涉及到一種目標(biāo)特征提取的方法、目標(biāo)特征提取模塊、目標(biāo)模型創(chuàng)建模塊以及智能圖像監(jiān)控裝置。
【背景技術(shù)】
[0002]隨著物聯(lián)網(wǎng)時(shí)代的到來，智能產(chǎn)品不斷深入我們的日常生活中，并對(duì)以往智能產(chǎn)品的性能提出了更高的要求。
[0003]以智能圖像監(jiān)控為例，它主要包括目標(biāo)發(fā)現(xiàn)模塊、目標(biāo)模型創(chuàng)建模塊和目標(biāo)跟蹤模塊。
[0004]其中目標(biāo)發(fā)現(xiàn)模塊用于定位可能的目標(biāo)類，目標(biāo)類定位正確之后，通過目標(biāo)模型創(chuàng)建模塊對(duì)感興趣的目標(biāo)進(jìn)行特征提取，對(duì)目標(biāo)特征提取之后，使用目標(biāo)跟蹤模塊對(duì)目標(biāo)進(jìn)行跟蹤。
[0005]目前的監(jiān)控設(shè)備主要是將三維的空間景象映射到二維平面，失去了諸如空間地理位置關(guān)系、目標(biāo)自身的立體縱深等信息。
[0006]這些目標(biāo)信息的丟失使得目標(biāo)的特征提取變得至關(guān)重要，現(xiàn)有技術(shù)中由于目標(biāo)特征提取方法主要采用不重疊分割目標(biāo)發(fā)現(xiàn)框的方法進(jìn)行顏色直方圖提取，使得目標(biāo)跟蹤的可靠性不高，容易丟失或誤跟蹤目標(biāo)。

【發(fā)明內(nèi)容】

[0007]本發(fā)明解決的問題是現(xiàn)有技術(shù)中由于目標(biāo)特征提取方法主要采用不重疊分割目標(biāo)發(fā)現(xiàn)框的方法進(jìn)行顏色直方圖提取，使得目標(biāo)跟蹤的可靠性不高，容易丟失或誤跟蹤目標(biāo)。
[0008]為解決上述問題，本發(fā)明提供一種目標(biāo)特征提取的方法，包括:
[0009]第一步，目標(biāo)發(fā)現(xiàn)框鎖定目標(biāo)類；
[0010]第二步，分割目標(biāo)發(fā)現(xiàn)框，使目標(biāo)發(fā)現(xiàn)框分成局部重合的若干子框；
[0011 ] 第三步，計(jì)算各子框內(nèi)的顏色直方圖。
[0012]進(jìn)一步，所述子框?yàn)榫匦位蛘哒叫巍?br>[0013]進(jìn)一步，相鄰子框之間的間隔為8像素，相鄰子框之間局部重合。
[0014]進(jìn)一步，第二步和第三步之間還包括:
[0015]計(jì)算目標(biāo)發(fā)現(xiàn)框內(nèi)的方向梯度直方圖；
[0016]通過方向梯度直方圖判斷目標(biāo)發(fā)現(xiàn)框鎖定的目標(biāo)類是否正確，若不正確，則返回第一步，若正確，則繼續(xù)執(zhí)行。
[0017]進(jìn)一步，在第二步和計(jì)算目標(biāo)發(fā)現(xiàn)框內(nèi)的方向梯度直方圖之間還包括:將每個(gè)子框分割成四個(gè)矩形單元。
[0018]進(jìn)一步，計(jì)算目標(biāo)發(fā)現(xiàn)框內(nèi)的方向梯度直方圖包括:
[0019]計(jì)算各矩形單元內(nèi)的方向梯度直方圖；
[0020]串聯(lián)所有矩形單元的方向梯度直方圖得到目標(biāo)發(fā)現(xiàn)框的方向梯度直方圖。
[0021]進(jìn)一步，各矩形單元內(nèi)的方向梯度直方圖為9維方向梯度直方圖。
[0022]與現(xiàn)有技術(shù)相比，本發(fā)明的技術(shù)方案具有以下優(yōu)點(diǎn):
[0023]將目標(biāo)發(fā)現(xiàn)框分割成局部重合的若干子框組成，目標(biāo)輪廓區(qū)域可以被更多的子框所包含，也就是說更多的子框能夠包含輪廓區(qū)域。由于目標(biāo)的輪廓區(qū)域顏色的紋理特征更加豐富，因此更多的子框包含到了這種顏色紋理豐富的區(qū)域，子框的顏色直方圖更能夠反應(yīng)目標(biāo)的特征，有利于提高目標(biāo)跟蹤的可靠性。
[0024]進(jìn)一步，通過目標(biāo)類的方向梯度直方圖可以有效判斷目標(biāo)發(fā)現(xiàn)框內(nèi)的目標(biāo)類是不是正確的目標(biāo)類，如果不是，可以直接返回再次進(jìn)行目標(biāo)類定位，避免了不必要的目標(biāo)特征提取，有利于減少計(jì)算量，并提尚目標(biāo)跟蹤效率。
[0025]進(jìn)一步，將每個(gè)子框分割成4個(gè)矩形單元，計(jì)算各矩形單元內(nèi)的9維方向直方圖可以提高目標(biāo)方向梯度直方圖的提取質(zhì)量，可以增加目標(biāo)類判斷可靠性。
[0026]本發(fā)明還提供一種由上述方法形成的方法形成的目標(biāo)特征提取模塊。
[0027]與現(xiàn)有技術(shù)相比，本發(fā)明的技術(shù)方案具有以下優(yōu)點(diǎn):
[0028]將目標(biāo)發(fā)現(xiàn)框分割成局部重合的若干子框組成，目標(biāo)輪廓區(qū)域可以被更多的子框所包含，也就是說更多的子框能夠包含輪廓區(qū)域。由于目標(biāo)的輪廓區(qū)域顏色的紋理特征更加豐富，因此更多的子框包含到了這種顏色紋理豐富的區(qū)域，子框的顏色直方圖更能夠反應(yīng)目標(biāo)的特征，有利于提高目標(biāo)跟蹤的可靠性。
[0029]本發(fā)明還提供一種由上述方法形成的方法形成的目標(biāo)模型創(chuàng)建模塊。
[0030]與現(xiàn)有技術(shù)相比，本發(fā)明的技術(shù)方案具有以下優(yōu)點(diǎn):
[0031]將目標(biāo)發(fā)現(xiàn)框分割成局部重合的若干子框組成，目標(biāo)輪廓區(qū)域可以被更多的子框所包含，也就是說更多的子框能夠包含輪廓區(qū)域。由于目標(biāo)的輪廓區(qū)域顏色的紋理特征更加豐富，因此更多的子框包含到了這種顏色紋理豐富的區(qū)域，子框的顏色直方圖更能夠反應(yīng)目標(biāo)的特征，有利于提高目標(biāo)跟蹤的可靠性。
[0032]本發(fā)明還提供一種智能圖像監(jiān)控裝置，所述智能圖像監(jiān)控裝置包含上述目標(biāo)特征提取模塊，目標(biāo)模型創(chuàng)建模塊中的至少一個(gè)。
[0033]與現(xiàn)有技術(shù)相比，本發(fā)明的技術(shù)方案具有以下優(yōu)點(diǎn):
[0034]將目標(biāo)發(fā)現(xiàn)框分割成局部重合的若干子框組成，目標(biāo)輪廓區(qū)域可以被更多的子框所包含，也就是說更多的子框能夠包含輪廓區(qū)域。由于目標(biāo)的輪廓區(qū)域顏色的紋理特征更加豐富，因此更多的子框包含到了這種顏色紋理豐富的區(qū)域，子框的顏色直方圖更能夠反應(yīng)目標(biāo)的特征，有利于提高目標(biāo)跟蹤的可靠性。
【附圖說明】
[0035]圖1是目標(biāo)發(fā)現(xiàn)模塊的實(shí)現(xiàn)方法；
[0036]圖2是本發(fā)明第一實(shí)施例的方法流程圖；
[0037]圖3是本發(fā)明第一實(shí)施例中9維方向梯度直方圖的向量示意圖。
【具體實(shí)施方式】
[0038]現(xiàn)有技術(shù)中由于目標(biāo)特征提取方法主要采用不重疊分割目標(biāo)發(fā)現(xiàn)框的方法進(jìn)行顏色直方圖提取，使得目標(biāo)跟蹤的可靠性不高，容易丟失或誤跟蹤目標(biāo)。
[0039]為使本發(fā)明的上述目的、特征和優(yōu)點(diǎn)能夠更為明顯易懂，下面結(jié)合附圖對(duì)本發(fā)明的具體實(shí)施例做詳細(xì)的說明。
[0040]目標(biāo)發(fā)現(xiàn)模塊的實(shí)現(xiàn)方法包括:
[0041]在智能圖像監(jiān)控系統(tǒng)中存儲(chǔ)大量的目標(biāo)類輪廓信息，即方向梯度直方圖，以方便識(shí)別目標(biāo)類，例如，可以輸入大量的人體外形數(shù)據(jù)以識(shí)別人；
[0042]當(dāng)目標(biāo)發(fā)現(xiàn)模塊發(fā)現(xiàn)可能的目標(biāo)類之后，就會(huì)搜集目標(biāo)類的方向梯度直方圖，并與智能圖像監(jiān)控系統(tǒng)中存儲(chǔ)大量的方向梯度直方圖進(jìn)行匹配，如果匹配度超過閾值，則認(rèn)為出現(xiàn)了目標(biāo)類。
[0043]目標(biāo)發(fā)現(xiàn)模塊只能識(shí)別目標(biāo)類，而不能識(shí)別具體的目標(biāo)。例如，如果智能圖像監(jiān)控系統(tǒng)中存儲(chǔ)了大量的人體外形數(shù)據(jù)，那么目標(biāo)發(fā)現(xiàn)模塊只能識(shí)別到視野內(nèi)是否有人，但不能識(shí)別人的具體特征，也就是它無法定位到某個(gè)具體的人。
[0044]目標(biāo)模型創(chuàng)建模塊的實(shí)現(xiàn)方法包括:
[0045]目標(biāo)發(fā)現(xiàn)模塊確定目標(biāo)類出現(xiàn)之后，目標(biāo)模型創(chuàng)建模塊會(huì)搜集單個(gè)或多個(gè)目標(biāo)的目標(biāo)特征信息，即顏色直方圖。比如，目標(biāo)發(fā)現(xiàn)模塊發(fā)現(xiàn)視野中有人，就會(huì)對(duì)某一個(gè)人或者某一些人建立對(duì)應(yīng)的顏色直方圖。
[0046]當(dāng)存儲(chǔ)了目標(biāo)的顏色直方圖之后，開始對(duì)其進(jìn)行跟蹤。
[0047]參考圖1，目標(biāo)跟蹤模塊主要包括以下模塊:
[0048]行為預(yù)測(cè)模塊，通過視屏拍攝的幀記錄，使用高斯隨機(jī)步態(tài)模型或者蒙特卡洛模型對(duì)移動(dòng)目標(biāo)的軌跡建立概率遞推模型，并預(yù)測(cè)目標(biāo)下一幀所在位置的概率。這種預(yù)測(cè)可以有效提尚計(jì)算效率和目標(biāo)跟蹤的穩(wěn)定性。
[0049]特征提取模塊和特征對(duì)比模塊，發(fā)現(xiàn)可能目標(biāo)之后，需要對(duì)該目標(biāo)進(jìn)行特征提取，即提取可能目標(biāo)的顏色直方圖，并將提取的顏色直方圖與目標(biāo)參考模型的顏色直方圖進(jìn)行對(duì)比，以確定發(fā)現(xiàn)的目標(biāo)是否正確。
[0050]決策模塊，將特征對(duì)比的結(jié)果輸入決策模塊，以判斷發(fā)現(xiàn)的目標(biāo)是否正確，如果確定發(fā)現(xiàn)的目標(biāo)有誤，通過反饋機(jī)制通知行為預(yù)測(cè)模塊更改搜索目標(biāo)的空間位置。
[0051]第一實(shí)施例
[0052]參考圖2，本實(shí)施例提供一種目標(biāo)特征提取的方法，包括:
[0053]第一步，目標(biāo)發(fā)現(xiàn)框鎖定目標(biāo)類。
[0054]在監(jiān)控系統(tǒng)開始拍攝前，在目標(biāo)發(fā)現(xiàn)模塊中存入大量的目標(biāo)類輪廓信息，即方向梯度直方圖，這些目標(biāo)類輪廓信息用于之后拍攝過程中監(jiān)控系統(tǒng)通過匹配算法進(jìn)行自動(dòng)目標(biāo)類搜索，如果匹配度大于閾值，而認(rèn)為是需要跟蹤的目標(biāo)類。
[0055]監(jiān)控系統(tǒng)發(fā)現(xiàn)目標(biāo)類之后，通過目標(biāo)發(fā)現(xiàn)框?qū)δ繕?biāo)類中的目標(biāo)進(jìn)行鎖定，使目標(biāo)被目標(biāo)發(fā)現(xiàn)框所包圍。目標(biāo)發(fā)現(xiàn)框一般為矩形框，目標(biāo)類可以是人或者運(yùn)動(dòng)的其他物體。如果目標(biāo)類中有多個(gè)目標(biāo)，則可