本發(fā)明涉及視頻領(lǐng)域，特別涉及一種采用計(jì)算機(jī)圖形圖像處理以及模式識(shí)別技術(shù)的智能視頻識(shí)別方法及系統(tǒng)。

背景技術(shù)：

視頻識(shí)別是基于視頻圖像特征信息進(jìn)行識(shí)別的一種識(shí)別技術(shù)，近年來(lái)已經(jīng)在一些領(lǐng)域取得了應(yīng)用，例如視頻識(shí)別可以應(yīng)用于門禁系統(tǒng)、考勤系統(tǒng)、智能手機(jī)等等。

在視頻識(shí)別技術(shù)中，主要有兩個(gè)步驟：從待識(shí)別視頻圖像中提取特征向量；將特征向量與數(shù)據(jù)庫(kù)中圖像的特征向量進(jìn)行對(duì)比獲得識(shí)別結(jié)果。其中，第一個(gè)步驟直接影響視頻識(shí)別結(jié)果的準(zhǔn)確性。在現(xiàn)有技術(shù)中，視頻識(shí)別算法很多，但都無(wú)法保證適應(yīng)于所有樣本，從而影響視頻識(shí)別的準(zhǔn)確性。

局部二值模式(Local Binary Pattern,LBP)由Ojala提出，在圖像局部鄰域內(nèi)度量像素值大小并提取紋理信息，對(duì)光照變化具有魯棒性。其計(jì)算簡(jiǎn)便、抗光照干擾、判別能力強(qiáng)，被廣泛應(yīng)用于光照變化下的人臉識(shí)別。但當(dāng)光照劇烈變化時(shí)，LBP無(wú)法表示變化的劇烈程度，因此可靠性大幅下降，在此基礎(chǔ)上Tan等人又提出了局部三值模式(Local Ternary Pattern,LTP)。

LTP算子對(duì)LBP算子進(jìn)行改進(jìn)，采用三值編碼，以提高整個(gè)特征空間的分類能力。在一個(gè)3×3的窗口，自定義閾值t，將鄰域內(nèi)像素與中心像素進(jìn)行比較，像素差值被映射在gc量化為0、寬度為[-t,+t]的區(qū)域內(nèi)，差值大于該區(qū)間編碼為+1，差值小于該區(qū)間編碼為-1，差值在區(qū)間范圍內(nèi)編碼為0。這樣，在鄰域內(nèi)可產(chǎn)生一個(gè)8位的二進(jìn)制有符號(hào)數(shù)，再按其位置賦予不同權(quán)重，并對(duì)其求和即得到該窗口的局部三值模式(LTP)特征值，用這個(gè)數(shù)描述該區(qū)域的紋理信息。

通過對(duì)LBP的研究與改進(jìn)，LTP解決了光照劇烈變化下的識(shí)別問題，對(duì)劇烈變化的成像條件(如噪聲等)具有魯棒性。但LTP自身采用自定義閾值，需根據(jù)先驗(yàn)知識(shí)找尋、設(shè)定最佳閾值，時(shí)效性會(huì)受影響，同時(shí)，閾值無(wú)法兼顧樣本間的差異，還存在普適性問題。因此，需要采用新的算子以提高對(duì)視頻圖像識(shí)別的識(shí)別率，閾值的優(yōu)化成為一個(gè)可取的方向。

在政務(wù)、民生、環(huán)境、公共安全、城市服務(wù)、工商活動(dòng)、商場(chǎng)、銀行、海關(guān)、軍事禁區(qū)等場(chǎng)景中對(duì)于人物或者背景的動(dòng)態(tài)識(shí)別對(duì)于智能城市的建設(shè)存在著內(nèi)在的動(dòng)力需求。

視頻識(shí)別技術(shù)是計(jì)算機(jī)圖像處理、圖形構(gòu)造、模式識(shí)別、計(jì)算機(jī)可視化和認(rèn)知科學(xué)等多個(gè)技術(shù)和領(lǐng)域的復(fù)合技術(shù)。視頻識(shí)別技術(shù)由于其數(shù)據(jù)的復(fù)雜性和采集、處理技術(shù)的困難，其還遠(yuǎn)遠(yuǎn)沒達(dá)到應(yīng)用的要求。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的是通過以下技術(shù)方案實(shí)現(xiàn)的。

本發(fā)明提出了一種視頻識(shí)別系統(tǒng)，所述視頻識(shí)別系統(tǒng)包括如下功能模塊：

視頻采集設(shè)備，用于對(duì)采集對(duì)象進(jìn)行視頻圖像的采集；

視頻圖像定位模塊，用于獲取視頻圖像后對(duì)視頻從五官到輪廓的位置建模，確定采集對(duì)象的位置與要比對(duì)的圖像位置相匹配；

圖像預(yù)處理模塊：確定好視頻位置后，對(duì)圖像數(shù)據(jù)進(jìn)行預(yù)處理，調(diào)整圖像數(shù)據(jù)，優(yōu)化比對(duì)效果；

提取圖像特征模塊，根據(jù)算法要求，把預(yù)處理好的圖像中需要的數(shù)據(jù)提取出來(lái)；

檢索數(shù)據(jù)庫(kù)，用于獲取視頻圖像訓(xùn)練集，把提取的數(shù)據(jù)和數(shù)據(jù)庫(kù)中視頻圖像訓(xùn)練集需要認(rèn)證的數(shù)據(jù)進(jìn)行比對(duì)

結(jié)果顯示模塊，反饋系統(tǒng)處理結(jié)果，根據(jù)結(jié)果作進(jìn)一步處理。

根據(jù)本發(fā)明的一個(gè)方面，所述檢索數(shù)據(jù)庫(kù)進(jìn)一步用于，確定視頻圖像的訓(xùn)練集，根據(jù)總體復(fù)散度矩陣,通過奇異值分解的方法求出一組正交的特征向量。

根據(jù)本發(fā)明的一個(gè)方面，所述提取圖像特征模塊進(jìn)一步用于，對(duì)于任一幅待識(shí)別的視頻圖像I_t通過式y(tǒng)_k＝E^TI_t，提取其特征。

本發(fā)明還提出了一種視頻識(shí)別的方法，其特征在于，包括如下步驟：

步驟一、確定待識(shí)別視頻圖像中的變換空間投影特征值；

步驟二、根據(jù)變換空間投影特征值確定上模式特征值以及下模式特征值；

步驟三、確定上模式特征臉以及下模式特征臉，上模式特征臉由每個(gè)像素點(diǎn)上模式特征值組成，下模式特征臉由每個(gè)像素點(diǎn)下模式特征值組成；

步驟四：確定視頻圖像的訓(xùn)練集，根據(jù)總體復(fù)散度矩陣,通過奇異值分解的方法求出一組正交的特征向量；

步驟五、對(duì)于任一幅待識(shí)別的視頻圖像I_t通過式y(tǒng)_k＝E^TI_t，提取其特征；

步驟六、采用歐氏距離的最近鄰分類器進(jìn)行視頻識(shí)別，如果識(shí)別的結(jié)果等于最小值，則待識(shí)別視頻圖像It與訓(xùn)練圖像Ir屬于同一類對(duì)象。

根據(jù)本發(fā)明的一個(gè)方面，所述步驟四中，將圖像在高維空間的表示轉(zhuǎn)換為其在相應(yīng)低維空間的特征數(shù)據(jù),實(shí)現(xiàn)對(duì)圖像特征的提取。

附圖說(shuō)明

通過閱讀下文優(yōu)選實(shí)施方式的詳細(xì)描述，各種其他的優(yōu)點(diǎn)和益處對(duì)于本領(lǐng)域普通技術(shù)人員將變得清楚明了。附圖僅用于示出優(yōu)選實(shí)施方式的目的，而并不認(rèn)為是對(duì)本發(fā)明的限制。而且在整個(gè)附圖中，用相同的參考符號(hào)表示相同的部件。在附圖中：

附圖1示出了根據(jù)本發(fā)明實(shí)施方式的智能視頻識(shí)別系統(tǒng)示意圖。

附圖2示出了根據(jù)本發(fā)明實(shí)施方式的智能視頻識(shí)別方法示意圖。

具體實(shí)施方式

下面將參照附圖更詳細(xì)地描述本公開的示例性實(shí)施方式。雖然附圖中顯示了本公開的示例性實(shí)施方式，然而應(yīng)當(dāng)理解，可以以各種形式實(shí)現(xiàn)本公開而不應(yīng)被這里闡述的實(shí)施方式所限制。相反，提供這些實(shí)施方式是為了能夠更透徹地理解本公開，并且能夠?qū)⒈竟_的范圍完整的傳達(dá)給本領(lǐng)域的技術(shù)人員。

視頻識(shí)別是一種利用視頻圖像的視覺特征信息進(jìn)行身份識(shí)別的生物特征識(shí)別技術(shù)。視頻識(shí)別與其他傳統(tǒng)生物識(shí)別技術(shù)相比,具有便于采集、方便快捷、交互友好等優(yōu)點(diǎn),已逐漸被大眾接受。

視頻識(shí)別的幾種算法包括：

1、模板匹配算法(Correlationalgorithm)：通過獲取視頻圖像直接計(jì)算圖像位置的向量之間的距離來(lái)衡量視頻圖像是否相似。簡(jiǎn)單的說(shuō)就是獲取視頻最基本、直觀的特征(如耳朵，鼻子，臉型)來(lái)進(jìn)行相似度的比較，是視頻識(shí)別的基準(zhǔn)算法。此算法識(shí)別速度快，占用系統(tǒng)內(nèi)存小但是準(zhǔn)確率低，不適宜高識(shí)別要求的系統(tǒng)。

2、特征臉?biāo)惴ǎ涸撍惴ㄓ苫谥鞒煞址治?PCA)方法,在特征臉?biāo)惴ǖ幕A(chǔ)上進(jìn)行優(yōu)化可以使算法更有效,是視頻圖像對(duì)比測(cè)試時(shí)的基準(zhǔn)識(shí)別算法。

3、Fisher臉?biāo)惴ǎ壕€性鑒別分析方法是從高維空間中提取出最具有分類能力的低維特征，投影后的特征數(shù)據(jù)，在低維空間里不同類別的樣本盡可能分得開些，同時(shí)希望每個(gè)類別的樣本盡可能密集，也就是說(shuō)，樣本類間離散度越大越好，而類內(nèi)離散度越小越好。

4、基于Gabor特征的算法：特征臉和Fisher臉?biāo)惴ú捎脠D像中灰度進(jìn)行特征分析。而基于Gabor特征的算法可以從多個(gè)角度來(lái)對(duì)圖像灰度進(jìn)行分析，模擬哺乳動(dòng)物皮質(zhì)細(xì)胞區(qū)域剖面，并且對(duì)于光照的適應(yīng)性比特征臉和Fisher臉?biāo)惴ê?。視頻識(shí)別算法的選擇要考慮到視頻數(shù)據(jù)采集環(huán)境，采集設(shè)備條件，圖像數(shù)據(jù)處理優(yōu)化等客觀條件，并不是所有算法都適合所要建立的系統(tǒng)。

為便于說(shuō)明本發(fā)明實(shí)施例提供的智能視頻識(shí)別方法及裝置，先對(duì)本發(fā)明實(shí)施例中涉及到的視頻識(shí)別算法中的各種場(chǎng)景和技術(shù)儲(chǔ)備進(jìn)行簡(jiǎn)單介紹。

圖像采集可以采用攝像頭作為圖像傳感器，通過攝像頭抓取或者直接從硬盤上選取一張人臉圖像，然后將人臉圖像數(shù)據(jù)源存儲(chǔ)到數(shù)據(jù)庫(kù)中。

圖像預(yù)處理可以包括灰度變換、二值變換、降噪處理，然后利用基于Adaboost的方法進(jìn)行視頻的檢測(cè)及定位，若檢測(cè)到有效視頻，則保存于數(shù)據(jù)庫(kù)之中。

灰度變換用0～255表示每一點(diǎn)的灰色程度，0為黑色，255為白色。RGB顏色空間直接通過線性變化，將R、G、B三分量依次進(jìn)行處理，RGB通過公式以下轉(zhuǎn)換為灰度圖：Gray＝0.299*R+0.587*G+0.114*B。

二值變換將0-1圖像的序列轉(zhuǎn)化成255-0的圖像序列。

勒比算子是一種灰度范圍內(nèi)描述圖像紋理特征的算子，主要用來(lái)輔助提取圖像局部區(qū)域的對(duì)比度特征。勒比算子是以中心像素點(diǎn)的灰度值作為閾值，在中心像素點(diǎn)的鄰域內(nèi)進(jìn)行采樣，例如取3×3的鄰域，則將與中心像素點(diǎn)相鄰的8個(gè)像素點(diǎn)的灰度值與閾值進(jìn)行比較，若相鄰像素點(diǎn)灰度值大于閾值(即中心像素點(diǎn)灰度值)，則該像素位置被標(biāo)記為1，否則標(biāo)記為0。這樣可以產(chǎn)生一個(gè)8位二進(jìn)制數(shù)，將8位二進(jìn)制數(shù)轉(zhuǎn)換為十進(jìn)制數(shù)，作為中心像素點(diǎn)的LBP特征值，由于8位二進(jìn)制數(shù)轉(zhuǎn)換得到的十進(jìn)制數(shù)取值范圍為0-255，因此特征值取值范圍即為0-255。如果給出一個(gè)求勒比特征值的具體實(shí)例，中心像素點(diǎn)的像素灰度值為9，鄰域像素灰度值與中心像素灰度值進(jìn)行比較，得到8位二進(jìn)制數(shù)01000111，轉(zhuǎn)換為十進(jìn)制數(shù)71作為勒比特征值。

但是，勒比算子只比較灰度值的大小而忽略了像素間的對(duì)比度值，當(dāng)鄰域內(nèi)的像素灰度值在保持大小關(guān)系的前提下變化時(shí)，勒比編碼結(jié)果保持不變。因此，勒比算子無(wú)法描述非線性變化前后的差異，最終可能導(dǎo)致部分重要的紋理特征被丟棄。

倜肶算子是對(duì)勒比算子的改進(jìn)，采用三值編碼，以提高整個(gè)特征空間的分類能力。用戶自定義一個(gè)閾值t，極大的增強(qiáng)了對(duì)噪聲的敏感，在一定程度上均衡了劇烈光照引起的高光、亮光區(qū)域的灰度值。具體的倜肶算子運(yùn)算過程為當(dāng)鄰域像素點(diǎn)灰度值與中心像素點(diǎn)灰度值的差值大于等于t，該像素位置被標(biāo)記為1，鄰域像素點(diǎn)灰度值與中心像素點(diǎn)灰度值的差值小于-t，該像素位置被標(biāo)記為-1，否則標(biāo)記為0。為了簡(jiǎn)化計(jì)算，倜肶的編碼過程可以分解為正值計(jì)算部分和負(fù)值計(jì)算部分，正值和負(fù)值每個(gè)部分分別應(yīng)用勒比算子計(jì)算的方法。分解計(jì)算過程參見圖2所示，提取“+1”的編碼結(jié)果記為“1”其余記為“0”，通過勒比編碼方式得到上模式特征；提取“-1”的編碼結(jié)果記為“1”其余記為“0”，通過勒比編碼方式得到下模式特征。這樣經(jīng)過倜肶特征提取變換后，整個(gè)特征空間樣本的表征和分類性能得到進(jìn)一步增強(qiáng)和提高。

視頻識(shí)別系統(tǒng)的實(shí)現(xiàn)視頻識(shí)別需要完善的軟、硬件程序。根據(jù)本發(fā)明的一個(gè)實(shí)施方式，智能視頻識(shí)別系統(tǒng)配置如圖1所示，包括如下組成部分：

視頻采集設(shè)備：對(duì)采集對(duì)象進(jìn)行面部圖像的采集，一般需要對(duì)象不佩戴裝飾物(如眼鏡、帽子等)保證采集圖像的完整性。采集視頻需要符合系統(tǒng)要求的光照、拍攝角度、背景等客觀條件。

視頻圖像定位模塊：獲取圖像后對(duì)視頻從五官到輪廓的位置建模，確定采集對(duì)象的位置與要比對(duì)的圖像位置相匹配。

圖像預(yù)處理模塊：確定好視頻位置后，對(duì)圖像數(shù)據(jù)進(jìn)行預(yù)處理，調(diào)整圖像數(shù)據(jù)，優(yōu)化比對(duì)效果。

提取圖像特征模塊：根據(jù)算法要求，把預(yù)處理好的圖像中需要的數(shù)據(jù)提取出來(lái)。

檢索數(shù)據(jù)庫(kù)：用于獲取視頻圖像訓(xùn)練集，把提取的數(shù)據(jù)和數(shù)據(jù)庫(kù)中視頻圖像訓(xùn)練集需要認(rèn)證的數(shù)據(jù)進(jìn)行比對(duì)。

結(jié)果顯示模塊：反饋系統(tǒng)處理結(jié)果，根據(jù)結(jié)果作進(jìn)一步處理。

假設(shè)視頻圖像的訓(xùn)練集為C。C共有m個(gè)視頻對(duì)象,每個(gè)對(duì)象均有n幅視頻圖像。注意每幅圖像都包含了深數(shù)據(jù)(用depth表示)和灰數(shù)據(jù)(用intn表示)。虛數(shù)單位用i表示,則第k幅(1≤k≤n×m)高清視頻圖像I_k可以表示為:

I_k＝depth_k+int n_k×i (1)

根據(jù)本發(fā)明的一個(gè)實(shí)施方式，本發(fā)明提出了一種動(dòng)態(tài)識(shí)別的視頻檢測(cè)方法。

首先,全部訓(xùn)練集圖像復(fù)數(shù)域下的均值可以表示為:

式中:Ip_q表示訓(xùn)練集中第p個(gè)對(duì)象的第q張圖像。

視頻訓(xùn)練集C的總體復(fù)散度矩陣S為:

式中:I_k為第k個(gè)訓(xùn)練圖像,為訓(xùn)練樣本的平均值,n×m為訓(xùn)練集的規(guī)模。

根據(jù)總體復(fù)散度矩陣,通過奇異值分解的方法求出一組正交的特征向量:u1,u2,…,ut和其對(duì)應(yīng)的特征值:λ1,λ2,…,λt,其中λ1≥λ2≥…≥λt。選用前d(d<t)個(gè)非零特征值對(duì)應(yīng)的特征向量作為正交基。d稱為特征維數(shù)N。將正交基按圖像陣列排列,所得到的圖像稱為特征臉。在特征臉張成的子空間E中,視頻樣本I_k就可以投影為y_k。通過這樣的辦法,將一幅圖像在高維空間的表示轉(zhuǎn)換為其在相應(yīng)低維空間的特征數(shù)據(jù),實(shí)現(xiàn)了對(duì)圖像特征的提取:

y_k＝E^TI_k (4)

經(jīng)過上述的特征提取,每個(gè)訓(xùn)練視頻圖像都對(duì)應(yīng)一個(gè)d×1維的列向量以保存其特征信息。訓(xùn)練集共有m×n張圖像,所以最終得到矩陣Y＝{y1,y2,…,ym×n}

保存所有訓(xùn)練圖像的特征信息。任一幅待識(shí)別的視頻圖像I_t也可通過式(4),提取其的特征,并保存為y_t。采用歐氏距離的最近鄰分類器,定義:

如果滿足:

Dist(y_t,y_r)＝min[Dist(y_t,y_c)]y_c∈Y (6)

則y_t,y_r屬于同一類對(duì)象。即待識(shí)別視頻圖像I_t與訓(xùn)練圖像I_r屬于同一類對(duì)象。

在上述動(dòng)態(tài)識(shí)別的視頻檢測(cè)方法的基礎(chǔ)上，根據(jù)本發(fā)明的一個(gè)實(shí)施方式，提出了一種智能視頻識(shí)別方法，如圖2所示，所述方法包括如下步驟：

步驟一、確定待識(shí)別視頻圖像中的變換空間投影特征值；

每幅圖像相應(yīng)的變換空間投影特征值由該圖像中各像素點(diǎn)以及該像素點(diǎn)鄰域內(nèi)各個(gè)像素點(diǎn)的灰度差值確定。

步驟二、根據(jù)變換空間投影特征值確定上模式特征值以及下模式特征值；

用于進(jìn)行視頻識(shí)別的待識(shí)別視頻圖像采用灰度圖像，首先根據(jù)待識(shí)別視頻圖像中每個(gè)像素點(diǎn)及該像素點(diǎn)鄰域內(nèi)像素點(diǎn)的灰度值確定該像素點(diǎn)的自適應(yīng)閾值，再利用倜肶算子計(jì)算該像素點(diǎn)的特征值時(shí)采用該像素點(diǎn)的自適應(yīng)閾值作為倜肶算子的閾值進(jìn)行計(jì)算，即采用具有自適應(yīng)閾值的倜肶算子確定待識(shí)別視頻圖像中每個(gè)像素點(diǎn)的倜肶自適應(yīng)閾值特征值。

在本發(fā)明的一些實(shí)施例中，確定待識(shí)別視頻圖像中每個(gè)像素點(diǎn)的倜肶自適應(yīng)閾值特征值的具體實(shí)現(xiàn)可以包括：

遍歷待識(shí)別視頻圖像中的每個(gè)像素點(diǎn)，確定遍歷到的當(dāng)前像素點(diǎn)預(yù)設(shè)鄰域內(nèi)每個(gè)像素點(diǎn)的灰度值與當(dāng)前像素點(diǎn)的灰度值的灰度差。

計(jì)算多個(gè)灰度差值的標(biāo)準(zhǔn)差作為當(dāng)前像素點(diǎn)相應(yīng)的自適應(yīng)閾值。

將當(dāng)前像素點(diǎn)相應(yīng)的自適應(yīng)閾值作為倜肶算子的閾值，采用具有自適應(yīng)閾值的倜肶算子確定當(dāng)前像素點(diǎn)的倜肶特征值，當(dāng)前像素點(diǎn)的倜肶特征值為當(dāng)前像素點(diǎn)的倜肶自適應(yīng)閾值特征值。

一般預(yù)設(shè)鄰域可以取3×3的鄰域塊，則除去中心像素點(diǎn)后有8個(gè)相鄰像素點(diǎn)，分別計(jì)算這8個(gè)相鄰像素點(diǎn)與中心像素點(diǎn)的灰度差，由求得的這組8個(gè)灰度差值可以計(jì)算出這組灰度差的標(biāo)準(zhǔn)差作為當(dāng)前像素點(diǎn)相應(yīng)的自適應(yīng)閾值，再利用倜肶算子計(jì)算當(dāng)前像素點(diǎn)的倜肶特征值。

在本發(fā)明的一些實(shí)施例中，本發(fā)明實(shí)施例提供的視頻識(shí)別方法還可以包括：將待識(shí)別倜肶圖像進(jìn)行預(yù)處理并劃分為均等的多塊；這樣可以采用具有自適應(yīng)閾值的局部三值模式倜肶算子逐塊計(jì)算每個(gè)像素點(diǎn)的倜肶自適應(yīng)閾值特征值。

步驟三、確定上模式特征臉以及下模式特征臉，上模式特征臉由每個(gè)像素點(diǎn)上模式特征值組成，下模式特征臉由每個(gè)像素點(diǎn)下模式特征值組成。

像素點(diǎn)上模式特征值的取值范圍為0-255，下模式特征值的取值范圍也為0-255，這樣，將像素點(diǎn)的灰度值替換為對(duì)應(yīng)的上模式特征值或者下模式特征值，可以分別確定上模式特征臉圖像以及下模式特征臉圖像。一幅待識(shí)別視頻圖像可以轉(zhuǎn)換為上模式特征臉以及下模式特征臉。

步驟四：確定視頻圖像的訓(xùn)練集，根據(jù)總體復(fù)散度矩陣,通過奇異值分解的方法求出一組正交的特征向量；

對(duì)于上述所獲得的正交特征向量,每個(gè)訓(xùn)練視頻圖像都對(duì)應(yīng)一個(gè)d×1維的列向量以保存其特征信息。

步驟五、對(duì)于任一幅待識(shí)別的視頻圖像I_t通過式y(tǒng)_k＝E^TI_t，提取其特征；

步驟六、采用歐氏距離的最近鄰分類器進(jìn)行視頻識(shí)別，如果識(shí)別的結(jié)果等于最小值，則待識(shí)別視頻圖像It與訓(xùn)練圖像Ir屬于同一類對(duì)象。

目前的視頻識(shí)別多為靜態(tài)識(shí)別，也就是說(shuō)人必須站在一個(gè)固定的位置上進(jìn)行識(shí)別，這樣的識(shí)別技術(shù)存在著識(shí)別速度慢，使用范圍窄的問題。在很多重要的場(chǎng)合都無(wú)法滿足社會(huì)的要求。根據(jù)本發(fā)明實(shí)施例的動(dòng)態(tài)視頻識(shí)別能夠?qū)崿F(xiàn)人在路上走，攝像機(jī)隨機(jī)抓取視頻圖像進(jìn)行快速識(shí)別的技術(shù)效果。

根據(jù)本發(fā)明所述的視頻識(shí)別方法，能夠從動(dòng)態(tài)視頻圖像中的多個(gè)目標(biāo)中快速的識(shí)別出想要識(shí)別的對(duì)象。

以上所述，僅為本發(fā)明較佳的具體實(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)，可輕易想到的變化或替換，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)所述以權(quán)利要求的保護(hù)范圍為準(zhǔn)。