專利名稱：一種目標(biāo)識(shí)別方法、裝置及目標(biāo)識(shí)別系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及視頻圖像處理領(lǐng)域，尤其涉及一種目標(biāo)識(shí)別方法、裝置和系統(tǒng)。
背景技術(shù)：
對(duì)于鐵路、地鐵和公交車等公共交通系統(tǒng)，詳實(shí)的掌握各條線路、站點(diǎn)客流的流 向、流時(shí)、流量及其分布情況等信息，自動(dòng)的客流信息統(tǒng)計(jì)系統(tǒng)能夠方便運(yùn)營(yíng)公司進(jìn)行線路 調(diào)整，及對(duì)車輛資源進(jìn)行合理配置。傳統(tǒng)自動(dòng)客流信息的統(tǒng)計(jì)采用了紅外遮擋系統(tǒng)及壓力傳感系統(tǒng)，利用物體通過(guò)該 系統(tǒng)時(shí)，光線被遮擋的原理，統(tǒng)計(jì)通過(guò)紅外遮擋系統(tǒng)的物體數(shù)量，該方法不能針對(duì)客流的往 來(lái)進(jìn)行精確、及時(shí)的統(tǒng)計(jì)，特別是在客流高峰期擁擠狀況嚴(yán)重時(shí)，且該系統(tǒng)的應(yīng)用場(chǎng)所受 限。相比而言，圖像信息的容量更大，更豐富，圖像處理技術(shù)的興起與發(fā)展為解決傳統(tǒng) 客流統(tǒng)計(jì)技術(shù)面臨的一系列問(wèn)題提出了很多新方法。目前，應(yīng)用于自動(dòng)客流統(tǒng)計(jì)的圖像處理方法大多為利用二維圖像處理中的特征識(shí) 別與模式匹配等方法，該方法只適用于背景相對(duì)簡(jiǎn)單的情況，且對(duì)并排目標(biāo)或目標(biāo)前后擁 擠的情況無(wú)法進(jìn)行正確識(shí)別?；诹Ⅲw視覺的運(yùn)動(dòng)檢測(cè)技術(shù)已成為當(dāng)今研究的熱點(diǎn)。現(xiàn)有技術(shù)一提供了一種基于立體視覺的公交客流統(tǒng)計(jì)方法，參見專利號(hào)為 CN200510060288. 2的中國(guó)專利，提出了一種利用待檢測(cè)場(chǎng)景中各點(diǎn)到攝像機(jī)的距離，結(jié)合 單目圖像的特征識(shí)別技術(shù)，實(shí)現(xiàn)人頭部的識(shí)別，從而完成客流信息統(tǒng)計(jì)的方法。如圖1所 示，對(duì)單目圖像進(jìn)行類圓物體提取時(shí)，存在著大量的偽圓，再通過(guò)一些算法準(zhǔn)則去除偽圓， 這樣就實(shí)現(xiàn)每個(gè)人的頭部對(duì)應(yīng)一個(gè)圓，通過(guò)對(duì)圓形的識(shí)別和數(shù)量的計(jì)算實(shí)現(xiàn)對(duì)客流人數(shù)的 統(tǒng)計(jì)。然而，現(xiàn)有技術(shù)中還是存在著不少的問(wèn)題，例如，現(xiàn)有技術(shù)僅利用了包含待檢測(cè)目 標(biāo)的場(chǎng)景的深度信息，且是以二維圖像的特征識(shí)別技術(shù)為主要手段，該深度信息只是用于 輔助去除偽圓，且該方法進(jìn)行頭部識(shí)別時(shí)，依賴頭發(fā)相對(duì)周圍環(huán)境灰度較黑的特性去除偽 圓，無(wú)法避免對(duì)目標(biāo)戴帽子時(shí)或者穿黑衣服時(shí)造成誤檢的情況。現(xiàn)有技術(shù)提供的方法無(wú)法 完全去除偽圓，檢測(cè)精度不高，最終對(duì)客流的統(tǒng)計(jì)結(jié)果不準(zhǔn)確。

發(fā)明內(nèi)容
為解決現(xiàn)有技術(shù)中存在的問(wèn)題，本發(fā)明的實(shí)施例提供了一種目標(biāo)識(shí)別方法、裝置 和系統(tǒng)，能夠顯著提高目標(biāo)識(shí)別的實(shí)時(shí)性和準(zhǔn)確性，實(shí)現(xiàn)復(fù)雜場(chǎng)景下的高精度目標(biāo)的檢測(cè)。為達(dá)到上述目的，本發(fā)明的實(shí)施例采用如下技術(shù)方案本發(fā)明實(shí)施例提供了一種目標(biāo)識(shí)別方法，所述方法包括利用獲取到的背景場(chǎng)景的檢測(cè)信息和當(dāng)前場(chǎng)景的檢測(cè)信息，確定初始待檢測(cè)目 標(biāo)，所述當(dāng)前場(chǎng)景為包括待檢測(cè)目標(biāo)和同一背景場(chǎng)景的場(chǎng)景；根據(jù)去偽策略去除所述初始待檢測(cè)目標(biāo)中的偽目標(biāo)，確定有效目標(biāo)。
進(jìn)一步的，該方法還包括所述檢測(cè)信息為視差圖像或深度圖像，所述目標(biāo)檢測(cè)信息為目標(biāo)視差圖像或目標(biāo) 深度圖像；利用所述目標(biāo)視差/深度圖像確定所述初始待檢測(cè)目標(biāo)。進(jìn)一步的，還包括計(jì)算所述目標(biāo)視差/深度圖像的水平方向投影的極值點(diǎn)和垂直方向投影的極值 點(diǎn)將所述水平方向投影的極值點(diǎn)和垂直方向投影的極值點(diǎn)分別兩兩配對(duì)，確定所述初始 待檢測(cè)目標(biāo)。其中，所述去偽策略包括下述的至少一種策略及其組合視差圖信息去偽策略、歐式距離去偽策略或原圖灰度信息去偽策略；其中，所述視差圖信息去偽策略為判斷以所述初始待檢測(cè)目標(biāo)為中心的目標(biāo)視差/深度圖像中預(yù)定窗口內(nèi)的視差/ 深度均值是否大于視差/深度閾值，若是，該初始待檢測(cè)目標(biāo)為有效目標(biāo)，若否，該初始待 檢測(cè)目標(biāo)為偽目標(biāo)；所述歐式距離去偽策略為對(duì)當(dāng)前未進(jìn)行去偽處理的初始待檢測(cè)目標(biāo)，獲取目標(biāo)視差/深度圖像中以該初 始待檢測(cè)目標(biāo)為中心預(yù)定窗口內(nèi)視差/深度均值最大的目標(biāo)objPointQiiaxN]，計(jì)算所述 所有初始待檢測(cè)目標(biāo)與目標(biāo)objPointQiiaxN]的歐氏距離，當(dāng)所述初始待檢測(cè)目標(biāo)與目標(biāo) objPoint[maxN]的歐氏距離不小于距離閾值時(shí)，該初始待檢測(cè)目標(biāo)為有效待檢測(cè)目標(biāo)，否 則，該初始待檢測(cè)目標(biāo)為偽目標(biāo)，其中，maxN為所述視差/深度均值最大的目標(biāo)的序號(hào)；所述原圖灰度信息去偽策略為獲取所述初始待檢測(cè)目標(biāo)在當(dāng)前場(chǎng)景的相應(yīng)圖像中以該目標(biāo)為中心預(yù)定窗口內(nèi) 最小灰度均值，計(jì)算所有初始待檢測(cè)目標(biāo)對(duì)應(yīng)的灰度均值與所述最小灰度均值的比值，當(dāng) 所述初始待檢測(cè)目標(biāo)對(duì)應(yīng)的比值不大于比例閾值且所述初始待檢測(cè)目標(biāo)對(duì)應(yīng)的灰度均值 不大于控制閾值時(shí)，該初始待檢測(cè)目標(biāo)為有效待檢測(cè)目標(biāo)，否則，該初始待檢測(cè)目標(biāo)為偽目 標(biāo)。本發(fā)明實(shí)施例還提供了一種目標(biāo)識(shí)別裝置，所述裝置包括初始待檢測(cè)目標(biāo)確定單元，用于利用獲取到的背景場(chǎng)景的檢測(cè)信息和當(dāng)前場(chǎng)景 的檢測(cè)信息，確定初始待檢測(cè)目標(biāo)，所述當(dāng)前場(chǎng)景為包括待檢測(cè)目標(biāo)和同一背景場(chǎng)景的場(chǎng)
旦
足；目標(biāo)真?zhèn)翁幚韱卧?，用于根?jù)去偽策略去除所述初始待檢測(cè)目標(biāo)中的偽目標(biāo)，確 定有效目標(biāo)。其中，所述初始待檢測(cè)目標(biāo)確定單元，還用于將所述當(dāng)前場(chǎng)景的檢測(cè)信息減去所 述背景場(chǎng)景的檢測(cè)信息得到目標(biāo)檢測(cè)信息；根據(jù)所述目標(biāo)檢測(cè)信息計(jì)算得到所述初始待檢 測(cè)目標(biāo)；或者，所述初始待檢測(cè)目標(biāo)確定單元，還用于設(shè)置第一權(quán)重值、第二權(quán)重值和補(bǔ)償系數(shù)； 將所述當(dāng)前場(chǎng)景的檢測(cè)信息與所述第一權(quán)重值的乘積，減去所述背景場(chǎng)景的檢測(cè)信息與所 述第二權(quán)重值的乘積，得到初始目標(biāo)檢測(cè)信息；利用所述初始目標(biāo)檢測(cè)信息和所述補(bǔ)償系 數(shù)獲取所述目標(biāo)檢測(cè)信息；根據(jù)所述目標(biāo)檢測(cè)信息計(jì)算得到所述初始待檢測(cè)目標(biāo)。
5
進(jìn)一步的，所述檢測(cè)信息為視差圖像或深度圖像，所述目標(biāo)檢測(cè)信息為目標(biāo)視差 圖像或目標(biāo)深度圖像；所述初始待檢測(cè)目標(biāo)確定單元，包括極值點(diǎn)獲取模塊，用于計(jì)算所述目標(biāo)視差/深度圖像的水平方向投影的極值點(diǎn)和 垂直方向投影的極值點(diǎn)確定模塊，用于將所述水平方向投影的極值點(diǎn)和垂直方向投影的極值點(diǎn)分別兩兩 配對(duì)，確定所述初始待檢測(cè)目標(biāo)。進(jìn)一步的，所述目標(biāo)真?zhèn)翁幚韱卧孟率龅闹辽僖环N策略及其組合，去除所述 初始待檢測(cè)目標(biāo)中的偽目標(biāo)，確定有效目標(biāo)視差圖信息去偽策略、歐式距離去偽策略和原圖灰度信息去偽策略；其中，所述視差圖信息去偽策略為判斷以所述初始待檢測(cè)目標(biāo)為中心的目標(biāo)視差/深度圖像中預(yù)定窗口內(nèi)的視差/ 深度均值是否大于視差/深度閾值，若是，該初始待檢測(cè)目標(biāo)為有效目標(biāo)，若否，該初始待 檢測(cè)目標(biāo)為偽目標(biāo)；所述歐式距離去偽策略為對(duì)當(dāng)前未進(jìn)行去偽處理的初始待檢測(cè)目標(biāo)，獲取目標(biāo)視差/深度圖像中以該初 始待檢測(cè)目標(biāo)為中心預(yù)定窗口內(nèi)視差/深度均值最大的目標(biāo)objPointQiiaxN]，計(jì)算所述 所有初始待檢測(cè)目標(biāo)與目標(biāo)objPointQiiaxN]的歐氏距離，當(dāng)所述初始待檢測(cè)目標(biāo)與目標(biāo) objPoint[maxN]的歐氏距離不小于距離閾值時(shí)，該初始待檢測(cè)目標(biāo)為有效待檢測(cè)目標(biāo)，否 則，該初始待檢測(cè)目標(biāo)為偽目標(biāo)，其中，maxN為所述視差/深度均值最大的目標(biāo)的序號(hào)；所述原圖灰度信息去偽策略為獲取所述初始待檢測(cè)目標(biāo)在當(dāng)前場(chǎng)景的相應(yīng)圖像中以該目標(biāo)為中心預(yù)定窗口內(nèi) 最小灰度均值，計(jì)算所有初始待檢測(cè)目標(biāo)對(duì)應(yīng)的灰度均值與所述最小灰度均值的比值，當(dāng) 所述初始待檢測(cè)目標(biāo)對(duì)應(yīng)的比值不大于比例閾值且所述初始待檢測(cè)目標(biāo)對(duì)應(yīng)的灰度均值 不大于控制閾值時(shí)，該初始待檢測(cè)目標(biāo)為有效待檢測(cè)目標(biāo)，否則，該初始待檢測(cè)目標(biāo)為偽目 標(biāo)。本發(fā)明實(shí)施例還提供了一種目標(biāo)識(shí)別系統(tǒng)，所述系統(tǒng)包括上述的目標(biāo)識(shí)別裝置。本發(fā)明實(shí)施例提供的技術(shù)方案，考慮到場(chǎng)景中原有的背景物體對(duì)待檢測(cè)目標(biāo)的影 響，同時(shí)利用獲取到的背景場(chǎng)景的檢測(cè)信息和當(dāng)前場(chǎng)景的檢測(cè)信息確定初始待檢測(cè)目標(biāo)， 依據(jù)去偽策略去除初始待檢測(cè)目標(biāo)中的偽目標(biāo)，確定有效目標(biāo)，解決了現(xiàn)有技術(shù)中利用圓 檢測(cè)定位目標(biāo)，依賴頭發(fā)相對(duì)周圍環(huán)境灰度較黑的特性進(jìn)行去偽處理等所帶來(lái)的問(wèn)題，能 夠降低目標(biāo)識(shí)別時(shí)的計(jì)算復(fù)雜度，顯著提高目標(biāo)識(shí)別的實(shí)時(shí)性和準(zhǔn)確性，實(shí)現(xiàn)復(fù)雜場(chǎng)景下 的高精度目標(biāo)的檢測(cè)。


圖1為現(xiàn)有技術(shù)中的頭部定位的原理示意圖；圖2為本發(fā)明實(shí)施例提供的目標(biāo)識(shí)別方法流程圖；圖3為本發(fā)明實(shí)施例提供的歐式距離去偽方法流程示意圖；圖4為本發(fā)明實(shí)施例提供的原圖灰度信息去偽方法流程示意圖；圖5為本發(fā)明實(shí)施例提供的投影標(biāo)記實(shí)驗(yàn)結(jié)果示意6
圖6為本發(fā)明實(shí)施例提供的目標(biāo)識(shí)別裝置結(jié)構(gòu)示意圖。
具體實(shí)施例方式為了更清楚地說(shuō)明本發(fā)明實(shí)施例的技術(shù)方案，下面將結(jié)合附圖對(duì)本發(fā)明的實(shí)施例 進(jìn)行詳細(xì)的介紹，下面的描述僅僅是本發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來(lái)講， 在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些實(shí)施例獲得本發(fā)明的其他的實(shí)施方式。本發(fā)明實(shí)施例提供的目標(biāo)識(shí)別方法，如圖2所示，所述方法包括步驟21 利用獲取到的背景場(chǎng)景的檢測(cè)信息和當(dāng)前場(chǎng)景的檢測(cè)信息，確定初始待 檢測(cè)目標(biāo)，所述當(dāng)前場(chǎng)景為包括待檢測(cè)目標(biāo)和同一背景場(chǎng)景的場(chǎng)景； 上述檢測(cè)信息為視差圖像或深度圖像，下面對(duì)本發(fā)明實(shí)施例提供的獲取目標(biāo)視差 圖像的處理方式進(jìn)行說(shuō)明，具體包括如下處理采集背景場(chǎng)景的背景雙目圖像(如左圖像和右圖像)及包括待檢測(cè)目標(biāo)和同一背 景場(chǎng)景的當(dāng)前場(chǎng)景的當(dāng)前雙目圖像。例如，利用雙目攝像機(jī)拍攝所述雙目圖像。根據(jù)所述 雙目圖像利用立體匹配技術(shù)，分別獲取背景視差圖像和當(dāng)前視差圖像。例如，對(duì)客流自動(dòng)統(tǒng)計(jì)系統(tǒng)，背景場(chǎng)景為不包括乘客情況下的場(chǎng)景，當(dāng)前場(chǎng)景為包 括流動(dòng)的乘客情況下的當(dāng)前場(chǎng)景。用當(dāng)前視差圖像逐點(diǎn)減去背景視差圖像得到所述目標(biāo)視差圖像，這樣去除了背景 中物體的視差干擾，得到了只有目標(biāo)，即乘客的視差圖像，增強(qiáng)了檢測(cè)的準(zhǔn)確度?；蛘?，設(shè)置第一權(quán)重值、第二權(quán)重值和補(bǔ)償系數(shù)；將所述當(dāng)前場(chǎng)景的檢測(cè)信息與所 述第一權(quán)重值的乘積，減去所述背景場(chǎng)景的檢測(cè)信息與所述第二權(quán)重值的乘積，得到初始 目標(biāo)檢測(cè)信息；根據(jù)所述初始目標(biāo)檢測(cè)信息和所述補(bǔ)償系數(shù)計(jì)算目標(biāo)檢測(cè)信息，利用目標(biāo) 檢測(cè)信息進(jìn)行計(jì)算得到所述待檢測(cè)目標(biāo)。例如，將當(dāng)前場(chǎng)景的視差圖像與第一權(quán)重值Wl相乘，得到第一結(jié)果；將背景場(chǎng)景 的視差圖像與第二權(quán)重值相乘，得到第二結(jié)果；將第一結(jié)果減去第二結(jié)果得到初始目標(biāo) 視差圖像，利用該初始目標(biāo)視差圖像加上或減去補(bǔ)償系數(shù)，得到目標(biāo)視差圖像。由于通過(guò)上述操作獲取的目標(biāo)視差圖像會(huì)存在一些干擾點(diǎn)和視差誤差，在本發(fā)明 實(shí)施例中，可選的，還包括，設(shè)置一個(gè)閾值，將上述兩種方式獲取到的目標(biāo)視差圖像或目標(biāo) 深度圖像中的深度值或視差值與該閾值進(jìn)行比較，當(dāng)大于該閾值時(shí)，在目標(biāo)深度/視差圖 像中保留該點(diǎn)；當(dāng)小于閾值時(shí)，去除該點(diǎn)，從而獲取到最終的目標(biāo)視差/深度圖像?？赏ㄟ^(guò)多種方式獲取場(chǎng)景的深度圖像，例如，一方面本發(fā)明實(shí)施例一可以通過(guò)采 集該場(chǎng)景同一視點(diǎn)的二維圖像序列，如利用單目攝像機(jī)拍攝該場(chǎng)景的單目圖像序列，對(duì)該 圖像序列進(jìn)行邊緣檢測(cè)后，通過(guò)相關(guān)計(jì)算直接得到場(chǎng)景的深度圖像。另一方面，本發(fā)明實(shí)施 例一還可利用該場(chǎng)景不同視點(diǎn)下的圖像計(jì)算視差圖像，然后根據(jù)該視差圖像計(jì)算得到相應(yīng) 的深度圖像。在本發(fā)明實(shí)施例中，利用所述目標(biāo)視差/深度圖像的投影，對(duì)所述目標(biāo)進(jìn)行定位， 確定初始待檢測(cè)目標(biāo)。對(duì)目標(biāo)進(jìn)行定位的部位不進(jìn)行限制，例如，目標(biāo)為人員時(shí)，定位的位 置并不要求必須在目標(biāo)的頭部，即不需通過(guò)圓形進(jìn)行定位，只要能定位在目標(biāo)上即可，避免 了現(xiàn)有技術(shù)中只能通過(guò)對(duì)固定的形狀(圓形)進(jìn)行定位，去除偽圓以獲取最終的目標(biāo)，而造 成的目標(biāo)識(shí)別不準(zhǔn)確的問(wèn)題，能夠?qū)δ繕?biāo)進(jìn)行準(zhǔn)確定位。本發(fā)明實(shí)施例對(duì)目標(biāo)的定位具體包括如下處理步驟S1 分別獲取所述目標(biāo)視差圖像水平方向投影和垂直方向投影中的極值點(diǎn)。在此提供一種獲取極值點(diǎn)的方法對(duì)目標(biāo)視差圖像分別向水平方向(X方向)和 垂直方向(y方向)進(jìn)行投影得到兩條投影曲線，即水平投影曲線xHist和垂直投影曲線 yHist ；對(duì)xHist及yHist分別計(jì)算二階差分得到xHist極值點(diǎn)xPeakPoint [n]，n G
，此處xNum為xHist中的極值點(diǎn)數(shù)目；和yHist的極值點(diǎn)yPeakPoint [n]，n G
，此處yNum為yHist中的極值點(diǎn)數(shù)目。步驟S2 利用所述極值點(diǎn)獲取所述初始的目標(biāo)。通過(guò)對(duì)xPeakPoint [n]和yPeakPoint [n]兩兩配對(duì)得到xNumX yNum個(gè)初始的目 標(biāo)點(diǎn)，初始的目標(biāo)點(diǎn)可以通過(guò)下式表示:objPoint[n]，n G
，其中，初始待檢測(cè)目標(biāo)點(diǎn)的個(gè)數(shù)objNum = xNumX yNum,通過(guò)xPeakPoint [n]、 yPeakPoint [n]標(biāo)定初始的目標(biāo)objPoint [n]的位置。步驟22 根據(jù)去偽策略去除所述初始待檢測(cè)目標(biāo)中的偽目標(biāo)，確定有效目標(biāo)。去偽處理過(guò)程中主要利用了三種策略1)視差圖信息去偽策略；2)歐式距離去偽 策略；3)原圖灰度信息去偽策略，下述對(duì)這三種策略分別進(jìn)行介紹。1、視差圖信息去偽策略由于視差圖中真實(shí)目標(biāo)的視差比較大，因此可以根據(jù)初始待檢測(cè)目標(biāo)點(diǎn)在視差圖 中的視差大小來(lái)去除一些干擾目標(biāo)。設(shè)定閾值(de印Threshold)，如可將閾值大小設(shè)為視差 圖中所有視差均值的1/2。判斷以所述初始的目標(biāo)為中心的目標(biāo)視差圖像中預(yù)定窗口內(nèi)的 視差均值是否大于視差閾值，若是，該初始待檢測(cè)目標(biāo)為有效目標(biāo)，若否該初始待檢測(cè)目標(biāo) 為偽目標(biāo)。對(duì)所述預(yù)定窗口的大小不進(jìn)行限定，例如，可以為5X5的窗口，也可以為7X7 的窗口。本發(fā)明實(shí)施例提供的用于獲取閾值的參考C代碼如下所示int i，j ;//循環(huán)變量double sumTmp ；// 臨時(shí)變量double deepThreshold ；// 閾值sumTmp = 0 ；for(i = 0 ;i < height ；i++){for(j = 0 ;j < width ；j++){sumTmp = sumTmp+imgData[i氺width+j]；}
}deepThreshold = sumTmp/(width*height*2) ；// 閾值為視差均值的 1/2其中，數(shù)組imgData為目標(biāo)視差圖像數(shù)據(jù)，width和height分別為圖像的寬度和高度。本發(fā)明實(shí)施例二提供的用于實(shí)現(xiàn)視差圖信息去偽策略的參考C代碼如下所示設(shè)avgRegion[n]為初始待檢測(cè)目標(biāo)點(diǎn)objPoint [n]在5 X 5窗口內(nèi)所有視差值的均值，參考C代碼如下所示double tmpSum = 0 ；for (i = objPoint[n]. y-5 ;i < objPoint[n]. y+5 ；i++){for(j = objPoint[n], x-5 ；j < objPoint[n]. x+5 ；j++){tmpSum+ = imgData[i*width+j]；}}avgRegion[n] = tmpSum/(10*10)；其中，數(shù)組imgData為視差圖像數(shù)據(jù)，width為圖像的寬度，objPoint[n]. x和 objPoint[n].y分別為objPoint[n]的行和列的坐標(biāo)值。當(dāng) avgRegion[n]大于 de印Threshold 時(shí)，objPoint[n]為有效目標(biāo)；否則，當(dāng) avgRegion [n]小于等于de印Threshold時(shí)，objPoint [n]為偽目標(biāo)，并刪除該偽目標(biāo)。2、歐式距離去偽策略由于目標(biāo)(如人員頭部)之間的距離不能小于一定距離，因此可利用目標(biāo)之間的 距離去除干擾點(diǎn)。對(duì)當(dāng)前未進(jìn)行去偽處理的初始的目標(biāo)，獲取以該初始待檢測(cè)目標(biāo)為中心在目標(biāo)視 差圖像中預(yù)定窗口內(nèi)的視差均值最大的目標(biāo)ObjPoint [maxN]，計(jì)算所有所述初始待檢測(cè)目 標(biāo)與目標(biāo)objPoint [maxN]的歐氏距離，當(dāng)所述初始待檢測(cè)目標(biāo)與目標(biāo)objPoint [maxN]的 歐氏距離不小于距離閾值時(shí)，該初始待檢測(cè)目標(biāo)為有效目標(biāo)，否則，該初始待檢測(cè)目標(biāo)為偽 目標(biāo)，其中，maxN為所述視差均值最大的目標(biāo)的序號(hào)。重復(fù)上述處理過(guò)程，直至所有的初始待檢測(cè)目標(biāo)都已進(jìn)行了歐式距離去偽處理。 下面以一個(gè)具體的實(shí)現(xiàn)方式為例進(jìn)行說(shuō)明。設(shè)avgRegion[n]為初始待檢測(cè)目標(biāo)點(diǎn)objPoint[n]在預(yù)定窗口(如5X5的窗 口)內(nèi)所有視差值的均值，avgRegion[n]的獲得方式參見上述視差圖信息去偽部分的相關(guān) 描述。為便于距離去偽處理，可選的，為初始待檢測(cè)目標(biāo)點(diǎn)設(shè)置是否已進(jìn)行距離去偽處 理的標(biāo)識(shí)，如標(biāo)識(shí)processFlagfc]，pr0CesSFlag[n]的初始值設(shè)置為0，當(dāng)對(duì)初始待檢測(cè)目 標(biāo)進(jìn)行過(guò)距離去偽處理后，將processFlagfc]設(shè)置為1 ；為初始待檢測(cè)目標(biāo)點(diǎn)設(shè)置刪除標(biāo) 識(shí)，如設(shè)置標(biāo)識(shí) deleteFlag[n]，deleteFlag[n]的初始值為 0，將 deleteFlag[n]置 1 時(shí)， 表示該目標(biāo)點(diǎn)被刪除。但不限于此，可以采用其它適合的方式以實(shí)現(xiàn)上述的距離去偽操作。設(shè)距離閾值為dstnThreshold，對(duì)所有目標(biāo)點(diǎn)進(jìn)行一次歐式距離去偽操作，參見圖 3，具體步驟如下1)計(jì)算當(dāng)前未進(jìn)行去偽處理的初始的目標(biāo)在預(yù)定窗口中的視差均值，找出視差均 值最大的點(diǎn)。遍歷所有滿足條件 deleteFlag[n] = 0 且 processFlag[n] = 0 的 avgRegion [n]， 找到最大值max (avgRegion [n])，該最大值對(duì)應(yīng)的點(diǎn)為n = maxN ；2)計(jì)算objPoint [maxN]與其它所有未進(jìn)行距離去偽處理的點(diǎn)的歐式距離，即與
9滿足條件deleteFlag[n] = O且processFlag [η] = O的目標(biāo)點(diǎn)的歐式距離dstnVal [η]。當(dāng)計(jì)算出初始待檢測(cè)目標(biāo)的距離dstnVal [η]小于距離閾值dstnThreshold時(shí)，刪去該目標(biāo)點(diǎn) objPoint[n],艮口設(shè)置 deleteFlag[n] = 1, processFlag [η] = 1 ；3)將當(dāng)前的視差值最大的初始待檢測(cè)目標(biāo)點(diǎn)的標(biāo)識(shí)processFlag[maxN]置1 ；4)判斷是否滿足所有目標(biāo)點(diǎn)的標(biāo)識(shí)processFlagfc]都為1，如果滿足，轉(zhuǎn)到步驟 5)，否則，轉(zhuǎn)到步驟1)；5)結(jié)束。3、原圖灰度信息去偽策略該策略利用了目標(biāo)(頭部)一般顏色較深，即灰度值較低這一特點(diǎn)進(jìn)行偽目標(biāo)去 除。即一些位于乘客身體上的偽目標(biāo)在灰度值上遠(yuǎn)大于位于頭部上的有效目標(biāo)。獲取所述初始的目標(biāo)在被匹配圖像中以該目標(biāo)為中心預(yù)定窗口內(nèi)灰度均值最小 的目標(biāo)，計(jì)算所有初始的目標(biāo)對(duì)應(yīng)的灰度均值與所述最小灰度均值的比值，當(dāng)所述初始待 檢測(cè)目標(biāo)對(duì)應(yīng)的比值不大于比例閾值且所述初始待檢測(cè)目標(biāo)對(duì)應(yīng)的灰度均值不大于控制 閾值時(shí)，該初始待檢測(cè)目標(biāo)為有效目標(biāo)，否則，該初始待檢測(cè)目標(biāo)為偽目標(biāo)。獲取所有初始待檢測(cè)目標(biāo)objPointfc]在左圖像(原圖像)中預(yù)定窗口(如 5X5的窗口)內(nèi)的灰度均值gray Val [η]，可以遍歷gray Val [η]找到最小值minVal = min(grayVal [η])，以minVal為基準(zhǔn)值與其它目標(biāo)的灰度值進(jìn)行比較。此處，為了保證能夠準(zhǔn)確去除偽目標(biāo)，設(shè)定比例閾值fioThreshold和控制閾值 conThreshold，通過(guò)利用兩種閾值對(duì)初始待檢測(cè)目標(biāo)進(jìn)行識(shí)別。參見圖4，進(jìn)行一次原圖灰度信息去偽操作可以按以下步驟進(jìn)行1)遍歷 grayVal [η]找到最小值 minVal = min (grayVal [η])，同時(shí)設(shè)置 η = 0 ；2)計(jì)算比值 fioVal [η] = grayVal [η] /minVal，如果 fioVal [η] > fioThreshold 同時(shí)滿足grayVal [η] > conThreshold,則objPoint[n]為偽目標(biāo)，去除該偽目標(biāo)；否則該 初始待檢測(cè)目標(biāo)為有效目標(biāo)；3)是否滿足中止條件η = objNum, objNum為初始待檢測(cè)目標(biāo)的總數(shù)目。如果滿 足，則轉(zhuǎn)入步驟4)，否則，η = n+1，轉(zhuǎn)入步驟2)；4)結(jié)束。應(yīng)當(dāng)注意到，由于深度信息值和視差信息值具有一致性，都可用于表示目標(biāo)距離 攝像機(jī)的遠(yuǎn)近。顯而易見的，在本發(fā)明實(shí)施例中，根據(jù)獲取到的視差值通過(guò)特定的計(jì)算關(guān) 系，可得到相應(yīng)的深度值，利用當(dāng)前場(chǎng)景的深度信息減去背景場(chǎng)景的深度信息獲得目標(biāo)深 度信息，并利用所述目標(biāo)深度信息對(duì)應(yīng)的目標(biāo)深度圖像的極值點(diǎn)確定初始待檢測(cè)目標(biāo)；根 據(jù)上述去偽策略去除所述初始待檢測(cè)目標(biāo)中的偽目標(biāo)，確定有效目標(biāo)。這時(shí)，上述去偽策略具體如下所述，且其具體處理方法可參見上述的視差圖信息 去偽策略、歐式距離去偽策略和原圖灰度信息去偽策略，包括判斷以所述初始待檢測(cè)目標(biāo)為中心的目標(biāo)深度圖像中預(yù)定窗口內(nèi)的深度均值是 否大于深度閾值，若是，該初始待檢測(cè)目標(biāo)為有效目標(biāo)，若否該初始待檢測(cè)目標(biāo)為偽目標(biāo)； 以及，對(duì)當(dāng)前未進(jìn)行去偽處理的初始的目標(biāo)，獲取目標(biāo)深度圖像中以該初始待檢測(cè)目標(biāo) 為中心預(yù)定窗口內(nèi)深度均值最大的目標(biāo)objPointQiiaxN]，計(jì)算所述所有初始待檢測(cè)目標(biāo)與目標(biāo)objPointQnaxN]的歐氏距離，當(dāng)所述初始待檢測(cè)目標(biāo)與目標(biāo)objPoint[maxN]的歐 氏距離不小于距離閾值時(shí)，該初始待檢測(cè)目標(biāo)為有效目標(biāo)，否則，該初始待檢測(cè)目標(biāo)為偽目 標(biāo)，其中，maxN為所述深度均值最大的目標(biāo)的序號(hào)；以及， 獲取所述初始的目標(biāo)在當(dāng)前場(chǎng)景的相應(yīng)圖像中以該目標(biāo)為中心預(yù)定窗口內(nèi)最小 灰度均值，計(jì)算所有初始的目標(biāo)對(duì)應(yīng)的灰度均值與所述最小灰度均值的比值，當(dāng)所述初始 待檢測(cè)目標(biāo)對(duì)應(yīng)的比值不大于比例閾值且所述初始待檢測(cè)目標(biāo)對(duì)應(yīng)的灰度均值不大于控 制閾值時(shí)，該初始待檢測(cè)目標(biāo)為有效目標(biāo)，否則，該初始待檢測(cè)目標(biāo)為偽目標(biāo)。其中，上述當(dāng) 前場(chǎng)景的相應(yīng)圖像為當(dāng)前場(chǎng)景的原圖像，如當(dāng)利用雙目圖像的視差圖像獲取深度圖像時(shí)， 該原圖像為雙目圖像中的被匹配圖像，當(dāng)利用單目圖像獲取深度圖像時(shí)，該單目圖像為原 圖像。為便于理解并充分說(shuō)明本發(fā)明實(shí)施例的有益效果，下面通過(guò)一個(gè)簡(jiǎn)化的例子說(shuō)明 上述目標(biāo)識(shí)別及標(biāo)定的方法。參見圖5，仍以公交自動(dòng)客流統(tǒng)計(jì)系統(tǒng)為例進(jìn)行說(shuō)明，圖5中 圖像A顯示了實(shí)際的場(chǎng)景圖像。首先對(duì)目標(biāo)視差圖像進(jìn)行水平方向的投影，將目標(biāo)視差圖像的二維數(shù)據(jù)變成一維 投影圖，找出水平投影圖中的峰值點(diǎn)(即極值點(diǎn))；再做垂直方向上的投影，將圖像二維數(shù) 據(jù)變成一維投影圖，找出垂直投影圖中的峰值點(diǎn)。圖5中B圖像為水平投影圖，在該投影圖 中確定出3個(gè)峰值點(diǎn)，如B圖像中圓點(diǎn)所示，圖5中D圖像為垂直投影圖，在該投影圖中確 定出3個(gè)峰值點(diǎn)，如D圖像中圓點(diǎn)所示。由此可得到初始的目標(biāo)為3X3 = 9個(gè)，再去偽策 略去除所述初始的目標(biāo)中的偽目標(biāo)，可準(zhǔn)確標(biāo)定出有效目標(biāo)，如圖5中C圖像所示。將C圖 像與實(shí)際場(chǎng)景的A圖像相比較，充分證明了本發(fā)明實(shí)施例提供的目標(biāo)識(shí)別方法的有效性與 精確性。本發(fā)明實(shí)施例還提供了一種目標(biāo)識(shí)別裝置，如圖6所示，所述裝置包括初始待檢測(cè)目標(biāo)確定單元61，用于利用獲取到的背景場(chǎng)景的檢測(cè)信息和當(dāng)前場(chǎng)景 的檢測(cè)信息，確定初始待檢測(cè)目標(biāo)，所述當(dāng)前場(chǎng)景為包括待檢測(cè)目標(biāo)和同一背景場(chǎng)景的場(chǎng)
旦
足；目標(biāo)真?zhèn)翁幚韱卧?2，用于根據(jù)去偽策略去除所述初始待檢測(cè)目標(biāo)中的偽目標(biāo)， 確定有效目標(biāo)。進(jìn)一步的，所述初始待檢測(cè)目標(biāo)確定單元61還用于將所述當(dāng)前場(chǎng)景的檢測(cè)信息 減去所述背景場(chǎng)景的檢測(cè)信息得到目標(biāo)檢測(cè)信息；根據(jù)所述目標(biāo)檢測(cè)信息計(jì)算得到所述初 始待檢測(cè)目標(biāo)；或者，所述初始待檢測(cè)目標(biāo)確定單元61，還用于設(shè)置第一權(quán)重值、第二權(quán)重值和補(bǔ)償系 數(shù)；將所述當(dāng)前場(chǎng)景的檢測(cè)信息與所述第一權(quán)重值的乘積，減去所述背景場(chǎng)景的檢測(cè)信息 與所述第二權(quán)重值的乘積，得到初始目標(biāo)檢測(cè)信息；利用所述初始目標(biāo)檢測(cè)信息和所述補(bǔ) 償系數(shù)獲取所述目標(biāo)檢測(cè)信息；根據(jù)所述目標(biāo)檢測(cè)信息計(jì)算得到所述初始待檢測(cè)目標(biāo)。進(jìn)一步的，所述檢測(cè)信息為視差圖像或深度圖像，所述目標(biāo)檢測(cè)信息為目標(biāo)視差 圖像或目標(biāo)深度圖像；所述初始待檢測(cè)目標(biāo)確定單元61，包括極值點(diǎn)獲取模塊，用于計(jì)算所述目標(biāo)視差/深度圖像的水平方向投影的極值點(diǎn)和垂直方向投影的極值點(diǎn)確定模塊，用于將所述水平方向投影的極值點(diǎn)和垂直方向投影的極值點(diǎn)分別兩兩 配對(duì)，確定所述初始待檢測(cè)目標(biāo)。其中，所述目標(biāo)真?zhèn)翁幚韱卧?2利用下述的至少一種策略及其組合，去除所述初 始待檢測(cè)目標(biāo)確定單元獲取到的初始待檢測(cè)目標(biāo)中的偽目標(biāo)，確定有效目標(biāo)視差圖信息去偽策略、歐式距離去偽策略和原圖灰度信息去偽策略；其中，所述視差圖去偽策略為其中，所述視差圖信息去偽策略為判斷以所述初始待檢測(cè)目標(biāo)為中心的目標(biāo)視差/深度圖像中預(yù)定窗口內(nèi)的視差/ 深度均值是否大于視差/深度閾值，若是，該初始待檢測(cè)目標(biāo)為有效目標(biāo)，若否，該初始待 檢測(cè)目標(biāo)為偽目標(biāo)；所述歐式距離去偽策略為對(duì)當(dāng)前未進(jìn)行去偽處理的初始待檢測(cè)目標(biāo)，獲取目標(biāo)視差/深度圖像中以該初 始待檢測(cè)目標(biāo)為中心預(yù)定窗口內(nèi)視差/深度均值最大的目標(biāo)objPointQiiaxN]，計(jì)算所述 所有初始待檢測(cè)目標(biāo)與目標(biāo)objPointQiiaxN]的歐氏距離，當(dāng)所述初始待檢測(cè)目標(biāo)與目標(biāo) objPoint[maxN]的歐氏距離不小于距離閾值時(shí)，該初始待檢測(cè)目標(biāo)為有效待檢測(cè)目標(biāo)，否 則，該初始待檢測(cè)目標(biāo)為偽目標(biāo)，其中，maxN為所述視差/深度均值最大的目標(biāo)的序號(hào)；所述原圖灰度信息去偽策略為獲取所述初始待檢測(cè)目標(biāo)在當(dāng)前場(chǎng)景的相應(yīng)圖像中以該目標(biāo)為中心預(yù)定窗口內(nèi) 最小灰度均值，計(jì)算所有初始待檢測(cè)目標(biāo)對(duì)應(yīng)的灰度均值與所述最小灰度均值的比值，當(dāng) 所述初始待檢測(cè)目標(biāo)對(duì)應(yīng)的比值不大于比例閾值且所述初始待檢測(cè)目標(biāo)對(duì)應(yīng)的灰度均值 不大于控制閾值時(shí)，該初始待檢測(cè)目標(biāo)為有效待檢測(cè)目標(biāo)，否則，該初始待檢測(cè)目標(biāo)為偽目 標(biāo)。本發(fā)明裝置實(shí)施例中各功能模塊的具體工作方法參見本發(fā)明方法實(shí)施例。本發(fā)明實(shí)施例提供的技術(shù)方案，考慮到場(chǎng)景中原有的背景物體對(duì)待檢測(cè)目標(biāo)的影 響，同時(shí)利用獲取到的背景場(chǎng)景的檢測(cè)信息和當(dāng)前場(chǎng)景的檢測(cè)信息確定初始待檢測(cè)目標(biāo)， 依據(jù)去偽策略去除初始待檢測(cè)目標(biāo)中的偽目標(biāo)，確定有效目標(biāo)，解決了現(xiàn)有技術(shù)中利用圓 檢測(cè)定位目標(biāo)，依賴頭發(fā)相對(duì)周圍環(huán)境灰度較黑的特性進(jìn)行去偽處理等所帶來(lái)的問(wèn)題，能 夠顯著降低運(yùn)動(dòng)檢測(cè)時(shí)的計(jì)算復(fù)雜度，提高目標(biāo)檢測(cè)的實(shí)時(shí)性，實(shí)現(xiàn)復(fù)雜場(chǎng)景下的高精度 目標(biāo)的檢測(cè)。本發(fā)明實(shí)施例還提供了一種目標(biāo)識(shí)別系統(tǒng)，所述系統(tǒng)包括上述的目標(biāo)識(shí)別裝置。本發(fā)明系統(tǒng)實(shí)施例中目標(biāo)識(shí)別裝置的具體工作方法參見本發(fā)明裝置實(shí)施例。本發(fā)明實(shí)施例提供的技術(shù)方案，獲取只包括待檢測(cè)目標(biāo)視差/深度的目標(biāo)視差/ 深度圖像，利用該目標(biāo)視差/深度圖像中的極值點(diǎn)確定初始待檢測(cè)目標(biāo)，依據(jù)去偽策略進(jìn) 行目標(biāo)的真?zhèn)巫R(shí)別，解決了現(xiàn)有技術(shù)中利用圓檢測(cè)定位目標(biāo)，依賴頭發(fā)相對(duì)周圍環(huán)境灰度 較黑的特性進(jìn)行去偽處理等所帶來(lái)的問(wèn)題，能夠顯著降低運(yùn)動(dòng)檢測(cè)時(shí)的計(jì)算復(fù)雜度，提高 目標(biāo)檢測(cè)的實(shí)時(shí)性，實(shí)現(xiàn)復(fù)雜場(chǎng)景下的高精度目標(biāo)的檢測(cè)。本領(lǐng)域普通技術(shù)人員可以理解實(shí)現(xiàn)上述實(shí)施例中的全部或部分步驟，可以通過(guò)程 序指令相關(guān)硬件完成。所述實(shí)施例對(duì)應(yīng)的軟件可以存儲(chǔ)在一個(gè)計(jì)算機(jī)可存儲(chǔ)讀取的介質(zhì)中。 以上所述，僅為本發(fā)明的具體實(shí)施方式
，但本發(fā)明的保護(hù)范圍并不局限于此，任何熟悉本技術(shù)領(lǐng)域的技術(shù)人員在本發(fā)明揭露的技術(shù)范圍內(nèi)，可輕易想到變化或替換，都應(yīng)涵 蓋在本發(fā)明的保護(hù)范圍之內(nèi)。因此，本發(fā)明的保護(hù)范圍應(yīng)以權(quán)利要求的保護(hù)范圍為準(zhǔn)。
權(quán)利要求
一種目標(biāo)識(shí)別方法，其特征在于，所述方法包括利用獲取到的背景場(chǎng)景的檢測(cè)信息和當(dāng)前場(chǎng)景的檢測(cè)信息，確定初始待檢測(cè)目標(biāo)，所述當(dāng)前場(chǎng)景為包括待檢測(cè)目標(biāo)和同一背景場(chǎng)景的場(chǎng)景；根據(jù)去偽策略去除所述初始待檢測(cè)目標(biāo)中的偽目標(biāo)，確定有效目標(biāo)。
2.根據(jù)權(quán)利要求1所述的目標(biāo)識(shí)別方法，其特征在于，將所述當(dāng)前場(chǎng)景的檢測(cè)信息減去所述背景場(chǎng)景的檢測(cè)信息得到目標(biāo)檢測(cè)信息； 根據(jù)所述目標(biāo)檢測(cè)信息計(jì)算得到所述初始待檢測(cè)目標(biāo)；或者， 設(shè)置第一權(quán)重值、第二權(quán)重值和補(bǔ)償系數(shù)；將所述當(dāng)前場(chǎng)景的檢測(cè)信息與所述第一權(quán)重值的乘積，減去所述背景場(chǎng)景的檢測(cè)信息 與所述第二權(quán)重值的乘積，得到初始目標(biāo)檢測(cè)信息；利用所述初始目標(biāo)檢測(cè)信息和所述補(bǔ)償系數(shù)獲取所述目標(biāo)檢測(cè)信息； 根據(jù)所述目標(biāo)檢測(cè)信息計(jì)算得到所述初始待檢測(cè)目標(biāo)。
3.根據(jù)權(quán)利要求2所述的目標(biāo)識(shí)別方法，其特征在于，所述檢測(cè)信息為視差圖像或深 度圖像，所述目標(biāo)檢測(cè)信息為目標(biāo)視差圖像或目標(biāo)深度圖像；利用所述目標(biāo)視差/深度圖像確定所述初始待檢測(cè)目標(biāo)。
4.根據(jù)權(quán)利要求3所述的目標(biāo)識(shí)別方法，其特征在于，所述利用所述目標(biāo)視差/深度圖 像確定所述初始待檢測(cè)目標(biāo)包括計(jì)算所述目標(biāo)視差/深度圖像的水平方向投影的極值點(diǎn)和垂直方向投影的極值點(diǎn) 將所述水平方向投影的極值點(diǎn)和垂直方向投影的極值點(diǎn)分別兩兩配對(duì)，確定所述初始 待檢測(cè)目標(biāo)。
5.根據(jù)權(quán)利要求3或4所述的目標(biāo)識(shí)別方法，其特征在于，所述去偽策略包括下述的至 少一種策略及其組合視差圖信息去偽策略、歐式距離去偽策略或原圖灰度信息去偽策略； 其中，所述視差圖信息去偽策略為判斷以所述初始待檢測(cè)目標(biāo)為中心的目標(biāo)視差/深度圖像中預(yù)定窗口內(nèi)的視差/深度 均值是否大于視差/深度閾值，若是，該初始待檢測(cè)目標(biāo)為有效目標(biāo)，若否，該初始待檢測(cè) 目標(biāo)為偽目標(biāo)；所述歐式距離去偽策略為對(duì)當(dāng)前未進(jìn)行去偽處理的初始待檢測(cè)目標(biāo)，獲取目標(biāo)視差/深度圖像中以該初始待 檢測(cè)目標(biāo)為中心預(yù)定窗口內(nèi)視差/深度均值最大的目標(biāo)objPointQiiaxN]，計(jì)算所述所 有初始待檢測(cè)目標(biāo)與目標(biāo)objPointQiiaxN]的歐氏距離，當(dāng)所述初始待檢測(cè)目標(biāo)與目標(biāo) objPoint[maxN]的歐氏距離不小于距離閾值時(shí)，該初始待檢測(cè)目標(biāo)為有效待檢測(cè)目標(biāo)，否 則，該初始待檢測(cè)目標(biāo)為偽目標(biāo)，其中，maxN為所述視差/深度均值最大的目標(biāo)的序號(hào)； 所述原圖灰度信息去偽策略為獲取所述初始待檢測(cè)目標(biāo)在當(dāng)前場(chǎng)景的相應(yīng)圖像中以該目標(biāo)為中心預(yù)定窗口內(nèi)最小 灰度均值，計(jì)算所有初始待檢測(cè)目標(biāo)對(duì)應(yīng)的灰度均值與所述最小灰度均值的比值，當(dāng)所述 初始待檢測(cè)目標(biāo)對(duì)應(yīng)的比值不大于比例閾值且所述初始待檢測(cè)目標(biāo)對(duì)應(yīng)的灰度均值不大 于控制閾值時(shí)，該初始待檢測(cè)目標(biāo)為有效待檢測(cè)目標(biāo)，否則，該初始待檢測(cè)目標(biāo)為偽目標(biāo)。
6.一種目標(biāo)識(shí)別裝置，其特征在于，所述裝置包括初始待檢測(cè)目標(biāo)確定單元，用于利用獲取到的背景場(chǎng)景的檢測(cè)信息和當(dāng)前場(chǎng)景的檢測(cè) 信息，確定初始待檢測(cè)目標(biāo)，所述當(dāng)前場(chǎng)景為包括待檢測(cè)目標(biāo)和同一背景場(chǎng)景的場(chǎng)景；目標(biāo)真?zhèn)翁幚韱卧?，用于根?jù)去偽策略去除所述初始待檢測(cè)目標(biāo)中的偽目標(biāo)，確定有 效目標(biāo)。
7.根據(jù)權(quán)利要求6所述的目標(biāo)識(shí)別裝置，其特征在于，所述初始待檢測(cè)目標(biāo)確定單元， 還用于將所述當(dāng)前場(chǎng)景的檢測(cè)信息減去所述背景場(chǎng)景的檢測(cè)信息得到目標(biāo)檢測(cè)信息；根據(jù) 所述目標(biāo)檢測(cè)信息計(jì)算得到所述初始待檢測(cè)目標(biāo)；或者，所述初始待檢測(cè)目標(biāo)確定單元，還用于設(shè)置第一權(quán)重值、第二權(quán)重值和補(bǔ)償系數(shù)；將所 述當(dāng)前場(chǎng)景的檢測(cè)信息與所述第一權(quán)重值的乘積，減去所述背景場(chǎng)景的檢測(cè)信息與所述第 二權(quán)重值的乘積，得到初始目標(biāo)檢測(cè)信息；利用所述初始目標(biāo)檢測(cè)信息和所述補(bǔ)償系數(shù)獲 取所述目標(biāo)檢測(cè)信息；根據(jù)所述目標(biāo)檢測(cè)信息計(jì)算得到所述初始待檢測(cè)目標(biāo)。
8.根據(jù)權(quán)利要求6所述的目標(biāo)識(shí)別裝置，其特征在于，所述檢測(cè)信息為視差圖像或深 度圖像，所述目標(biāo)檢測(cè)信息為目標(biāo)視差圖像或目標(biāo)深度圖像；所述初始待檢測(cè)目標(biāo)確定單元，包括極值點(diǎn)獲取模塊，用于計(jì)算所述目標(biāo)視差/深度圖像的水平方向投影的極值點(diǎn)和垂直 方向投影的極值點(diǎn)確定模塊，用于將所述水平方向投影的極值點(diǎn)和垂直方向投影的極值點(diǎn)分別兩兩配 對(duì)，確定所述初始待檢測(cè)目標(biāo)。
9.根據(jù)權(quán)利要求8所述的目標(biāo)識(shí)別裝置，其特征在于，所述目標(biāo)真?zhèn)翁幚韱卧孟?述的至少一種策略及其組合，去除所述初始待檢測(cè)目標(biāo)中的偽目標(biāo)，確定有效目標(biāo)視差圖信息去偽策略、歐式距離去偽策略和原圖灰度信息去偽策略；其中，所述視差圖信息去偽策略為判斷以所述初始待檢測(cè)目標(biāo)為中心的目標(biāo)視差/深度圖像中預(yù)定窗口內(nèi)的視差/深度 均值是否大于視差/深度閾值，若是，該初始待檢測(cè)目標(biāo)為有效目標(biāo)，若否，該初始待檢測(cè) 目標(biāo)為偽目標(biāo)；所述歐式距離去偽策略為對(duì)當(dāng)前未進(jìn)行去偽處理的初始待檢測(cè)目標(biāo)，獲取目標(biāo)視差/深度圖像中以該初始待 檢測(cè)目標(biāo)為中心預(yù)定窗口內(nèi)視差/深度均值最大的目標(biāo)objPointQiiaxN]，計(jì)算所述所 有初始待檢測(cè)目標(biāo)與目標(biāo)objPointQiiaxN]的歐氏距離，當(dāng)所述初始待檢測(cè)目標(biāo)與目標(biāo) objPoint[maxN]的歐氏距離不小于距離閾值時(shí)，該初始待檢測(cè)目標(biāo)為有效待檢測(cè)目標(biāo)，否 則，該初始待檢測(cè)目標(biāo)為偽目標(biāo)，其中，maxN為所述視差/深度均值最大的目標(biāo)的序號(hào)；所述原圖灰度信息去偽策略為獲取所述初始待檢測(cè)目標(biāo)在當(dāng)前場(chǎng)景的相應(yīng)圖像中以該目標(biāo)為中心預(yù)定窗口內(nèi)最小 灰度均值，計(jì)算所有初始待檢測(cè)目標(biāo)對(duì)應(yīng)的灰度均值與所述最小灰度均值的比值，當(dāng)所述 初始待檢測(cè)目標(biāo)對(duì)應(yīng)的比值不大于比例閾值且所述初始待檢測(cè)目標(biāo)對(duì)應(yīng)的灰度均值不大 于控制閾值時(shí)，該初始待檢測(cè)目標(biāo)為有效待檢測(cè)目標(biāo)，否則，該初始待檢測(cè)目標(biāo)為偽目標(biāo)。
10.一種目標(biāo)識(shí)別系統(tǒng)，其特征在于，所述系統(tǒng)包括如權(quán)利要求6至9任一項(xiàng)所述的目 標(biāo)識(shí)別裝置。
全文摘要
本發(fā)明公開了一種目標(biāo)識(shí)別方法、裝置和目標(biāo)識(shí)別系統(tǒng)，涉及視頻圖像處理領(lǐng)域，能夠顯著提高目標(biāo)識(shí)別時(shí)的實(shí)時(shí)性和準(zhǔn)確性，實(shí)現(xiàn)復(fù)雜場(chǎng)景下的高精度目標(biāo)的檢測(cè)。本發(fā)明實(shí)施例提供的目標(biāo)識(shí)別方法包括利用獲取到的背景場(chǎng)景的檢測(cè)信息和當(dāng)前場(chǎng)景的檢測(cè)信息，確定初始待檢測(cè)目標(biāo)，所述當(dāng)前場(chǎng)景為包括待檢測(cè)目標(biāo)和同一背景場(chǎng)景的場(chǎng)景；根據(jù)去偽策略去除所述初始待檢測(cè)目標(biāo)中的偽目標(biāo)，確定有效目標(biāo)。本發(fā)明適用于運(yùn)動(dòng)檢測(cè)中任何需要對(duì)目標(biāo)進(jìn)行識(shí)別的場(chǎng)景。
文檔編號(hào)G06T7/20GK101877131SQ20091013576
公開日2010年11月3日 申請(qǐng)日期2009年4月28日 優(yōu)先權(quán)日2009年4月28日
發(fā)明者劉微, 劉韶, 王曉曼, 胡碩, 魏楠楠 申請(qǐng)人:青島海信數(shù)字多媒體技術(shù)國(guó)家重點(diǎn)實(shí)驗(yàn)室有限公司