一种智能交通监控中车辆和行人的目标分类方法

摘要

本发明公开一种智能交通监控中车辆和行人的目标分类方法，从采集到的视频图像序列里提取出训练样本作为待测试视频序列建立训练模型，采用常用的支持向量机分类器训练得到车辆和行人的初始样本库；将训练样本随机分为M个子集，根据初始样本库中的目标前景分别提取样本特征组成特征向量输入到支持向量机分类器，对M个子集依次进行测试并分类得到最终样本库，构成改进的支持向量机分类器；提取最新收到的前景帧的样本特征组成特征向量输入改进的支持向量机分类器，对比输入的特征向量和最终样本库，对运动目标进行最终分类；本发明无需对所有的训练样本进行训练，缩短分类时间，实现运动目标的精确分类。

主权项

1.一种智能交通监控中车辆和行人的目标分类方法，其特征是包括如下步骤：（1）从采集到的视频图像序列里提取N个训练样本作为待测试视频序列建立训练模型，采用常用的支持向量机分类器对N个训练样本进行训练，将训练样本中的车辆样本类和非车辆样本类作为输入样本训练车辆分类器，同时将训练样本中的行人样本类和非行人样本类作为输入样本训练行人分类器，用这2个分类器对运动目标进行分类，得到车辆和行人的初始样本库；（2）将训练样本随机分为M个子集，根据所述初始样本库中的运动目标前景，分别提取运动目标的样本特征组成特征向量，将所组成的特征向量输入到支持向量机分类器，对M个子集依次进行测试并分类，取M次测试中分类正确率的平均值，验证分类器的准确度，将每次测试得到的分类正确率与此平均值比较，选取最接近该平均值的一个子集作为车辆和行人的最终样本库，构成改进的支持向量机分类器； （3）采用DSP数字信号处理器对采集的运动目标视频帧序列进行检测，提取最新收到的前景帧并进行二值化处理得到的运动目标的样本特征，组成这帧运动目标前景的特征向量，并将其输入所述改进的支持向量机分类器，改进的支持向量机分类器将输入的这帧运动目标前景的特征向量和最终样本库对比，对运动目标进行最终分类。