本發(fā)明涉及視頻目標(biāo)特定區(qū)域檢測與匹配領(lǐng)域，尤其涉及一種視頻目標(biāo)時空最大穩(wěn)定性判別性顏色區(qū)域匹配方法和系統(tǒng)。
背景技術(shù)：
：：伴隨著計(jì)算機(jī)技術(shù)和人工智能的飛躍發(fā)展，視頻成為了信息網(wǎng)絡(luò)尤其是安防不可或缺的一部分。從視頻中分析目標(biāo)具有現(xiàn)實(shí)意義，尤其是從監(jiān)控視頻中跟蹤并分析行人，得到人體姿態(tài)信息或者識別行人行為，這對于智能安防具有重要應(yīng)用價值。目前較為成熟的目標(biāo)跟蹤算法分為基于區(qū)域的跟蹤、基于輪廓的跟蹤和基于特征的跟蹤算法等；基于特征的跟蹤算法是指提取特定特征，在一定范圍內(nèi)進(jìn)行特征度量、區(qū)域匹配，從而實(shí)現(xiàn)跟蹤；目前主要的特征包括特征點(diǎn)如harris角點(diǎn)、sift和surf等，區(qū)域特征主要包括顏色，紋理，面積和質(zhì)心。目前，由于區(qū)域特征提取時由于視頻中目標(biāo)尺度較小，造成目標(biāo)較模糊；視頻中目標(biāo)光照在單幀圖像上空間的變化和連續(xù)幀圖像時間上的變化，目標(biāo)姿態(tài)變化和目標(biāo)遮擋現(xiàn)象等造成某些區(qū)域的顏色、紋理特征不穩(wěn)定，給區(qū)域匹配造成一定困難。以下先對之前的方法和技術(shù)進(jìn)行簡要的介紹：一，harris角點(diǎn)，sift特征和surf特征對于一幅灰度圖像，點(diǎn)特征是指具有明顯灰度變化的像素區(qū)域。經(jīng)典的klt跟蹤算法就可以通過計(jì)算harris角點(diǎn)處光流進(jìn)行目標(biāo)判斷與跟蹤；sift特征點(diǎn)是由lowe在2004年提出的一種具有尺度和旋轉(zhuǎn)不變性的特征描述，該方法將不同半徑的高斯卷積核與不同尺度的圖像卷積，通過計(jì)算不同高斯卷積差值圖像(differenceofgauss)上的極值點(diǎn)，與預(yù)設(shè)的對比度閾值和曲率閾值比較從而篩選特征點(diǎn)；最后根據(jù)特征點(diǎn)鄰域的梯度信息生成特征向量；以此來描述一幅圖像上的特征信息。sift特征由實(shí)驗(yàn)驗(yàn)證具有良好的尺度、旋轉(zhuǎn)不變性。后來bay等人提出了速度更快的surf算法，在運(yùn)算時間上進(jìn)行了較大提升；但是無論是harris角點(diǎn)、sift特征還是surf特征，這些點(diǎn)特征雖然能很大程度上對目標(biāo)進(jìn)行描述匹配，但是這些特征忽略了目標(biāo)的顏色信息和區(qū)域面積信息，并且伴隨著視頻中非剛體目標(biāo)發(fā)生姿態(tài)等形體變化，這些特征將隨之發(fā)生較大變化，難以實(shí)現(xiàn)基于上述特征點(diǎn)的準(zhǔn)確匹配。二：mscr特征mscr(maximallystablecolourregions)特征是由forssen在2007年提出的一種基于顏色的仿射不變的穩(wěn)定特征。該特征是對灰度圖像中最大穩(wěn)定極值區(qū)域(mser)在彩色圖像上的拓展。最大穩(wěn)定極值區(qū)域的基本思想是對于對一幅圖像用連續(xù)不同的閾值進(jìn)行二值化處理，一般閾值范圍選取在{0,255}之間，對于在不同閾值下區(qū)域面積變化速率最小的區(qū)域即為最大穩(wěn)定區(qū)域。對于一幅彩色圖像，利用卡方距離(chi-squareddistance)相似度準(zhǔn)則:來確定像素(包括紅，綠和藍(lán)三個通道)之間的相似性閾值dt，合并小于閾值dt的區(qū)域，形成團(tuán)塊(blob)區(qū)域。穩(wěn)定性的判斷是由計(jì)算區(qū)域面積變化斜率s得到的：當(dāng)at+1/at>1.01時，a*和d*將會被更新，取s值最小時對應(yīng)的區(qū)域a*。通過刪除面積較小、過于狹長的區(qū)域和設(shè)定最小閾值差，得到了一幅彩色圖像中mscr(最大穩(wěn)定顏色區(qū)域特征)。forssen實(shí)驗(yàn)表明，該特征能很好的代表目標(biāo)區(qū)域特征，并且具有良好的仿射不變特性。三：meanshift跟蹤算法基于meanshift的目標(biāo)跟蹤算法通過分別計(jì)算目標(biāo)區(qū)域和候選區(qū)域內(nèi)像素的具有特征性的值的概率，得到候選模型相對目標(biāo)模型的概率描述，在實(shí)際應(yīng)用中，一種實(shí)現(xiàn)方法是提取目標(biāo)區(qū)域的hsv顏色空間中的hue分量，統(tǒng)計(jì)其歸一化直方圖，然后在候選區(qū)域內(nèi)計(jì)算目標(biāo)區(qū)域內(nèi)的反向投影。并且引入核函數(shù)k(xi-x)進(jìn)行加權(quán)，選擇使相似函數(shù)值最大的候選模型，并得到關(guān)于目標(biāo)模型的meanshift向量，這個向量正是目標(biāo)初始位置移動方向向量。由于均值漂移算法的快速收斂性，通過不斷迭代計(jì)算meanshift向量，算法最終將收斂到目標(biāo)的真實(shí)位置，達(dá)到跟蹤的目的。四：基于顏色直方圖的區(qū)域搜索匹配算法：meanshift跟蹤算法計(jì)算量不大，但是當(dāng)目標(biāo)運(yùn)動速度較快或者出現(xiàn)短暫消失后，meanshift并不能實(shí)現(xiàn)準(zhǔn)確跟蹤匹配。一種解決辦法是在搜索區(qū)域內(nèi)，遍歷計(jì)算候選目標(biāo)區(qū)域的顏色特征，如顏色直方圖，利用相似度判別準(zhǔn)則例如卡方距離或者巴氏距離來尋找可能性最大的候選目標(biāo)區(qū)域，判斷為目標(biāo)區(qū)域。這樣可保證當(dāng)目標(biāo)短時間內(nèi)未匹配準(zhǔn)確卻不會失去目標(biāo)區(qū)域。提取目標(biāo)區(qū)域hsv空間中的hue分量顏色直方圖時，由于光照影響和攝像機(jī)采集等因素，一些像素saturation(飽和度)較低，導(dǎo)致該像素hue顏色分量具有一定隨機(jī)性，不能正確表示目標(biāo)區(qū)域顏色分量；并且由于光照條件的變化導(dǎo)致顏色直方圖的偏移，不利于目標(biāo)區(qū)域和候選區(qū)域的匹配。技術(shù)實(shí)現(xiàn)要素：為解決上述顏色區(qū)域受光照和目標(biāo)區(qū)域形狀等在一定范圍內(nèi)發(fā)生非剛體形變(如人體姿態(tài)改變)，導(dǎo)致基于sift、harris、mscr等特征出現(xiàn)匹配難問題，本發(fā)明提出一種視頻目標(biāo)時空最大穩(wěn)定性判別性顏色區(qū)域匹配方法，通過提取運(yùn)動目標(biāo)在一定的連續(xù)時間段內(nèi)具有穩(wěn)定性和判別性的顏色區(qū)域(ts-msdcr)，并在后續(xù)幀中找到這些目標(biāo)特定區(qū)域的匹配區(qū)域，來確定運(yùn)動目標(biāo)相同區(qū)域在時間域上的空間位置變化，從而用來進(jìn)行姿態(tài)識別、行為分析等智能化應(yīng)用。根據(jù)本發(fā)明的第一目的提供一種視頻目標(biāo)時空最大穩(wěn)定性判別性顏色區(qū)域匹配方法，包括以下步驟：第一步，運(yùn)動目標(biāo)檢測步驟：檢測視頻中的運(yùn)動目標(biāo)，確定運(yùn)動目標(biāo)所在區(qū)域；第二步，最大穩(wěn)定性顏色區(qū)域提取步驟：基于所述運(yùn)動目標(biāo)所在區(qū)域，檢測提取運(yùn)動目標(biāo)的最大穩(wěn)定性顏色區(qū)域mscr；第三步，時空最大穩(wěn)定顏色區(qū)域提取步驟：對每個運(yùn)動目標(biāo)的mscr，依據(jù)時域穩(wěn)定性，提取其中時空最大穩(wěn)定的顏色區(qū)域ts-mscr；第四步，時空最大穩(wěn)定性判別性顏色區(qū)域提取步驟：對每個運(yùn)動目標(biāo)的ts-mscr，依據(jù)判別距離大小，提取其中時空最大穩(wěn)定性判別性顏色區(qū)域ts-msdcr；第五步，區(qū)域匹配步驟：該步驟進(jìn)行視頻運(yùn)動目標(biāo)不同時間段mscr匹配；在后續(xù)視頻幀中，基于動目標(biāo)跟蹤技術(shù)，確定第一步運(yùn)動目標(biāo)在當(dāng)前幀的位置區(qū)域，并在該位置區(qū)域檢測提取運(yùn)動目標(biāo)的mscr；對步驟四得到的n個ts-msdcr，與運(yùn)動目標(biāo)在當(dāng)前幀的每個mscr，進(jìn)行基于顏色特征和相對面積等約束的相似度度量，相似度最大的區(qū)域，即為ts-msdcr在當(dāng)前幀的匹配區(qū)域。優(yōu)選地，第二步中：利用最大穩(wěn)定性顏色區(qū)域(mscr)算法檢測提取運(yùn)動目標(biāo)所在區(qū)域中的最大穩(wěn)定性顏色區(qū)域，即：首先檢測提取運(yùn)動目標(biāo)區(qū)域的每個mscr，并同時保存計(jì)算得到的每個mscr的空間特征，包括中心位置p0(x0,y0)、面積大小a0和顏色特征π0任一個或多個。不同于已有mscr方法僅提取顏色特征，這里通過提取mscr的空間特征(位置和面積)和顏色特征，通過多特征融合可進(jìn)一步提升后續(xù)匹配的準(zhǔn)確性。優(yōu)選地，第三步中，所述依據(jù)時域穩(wěn)定性，提取其中時空最大穩(wěn)定的顏色區(qū)域ts-mscr，是指：對每個mscr，在連續(xù)τ幀圖像上基于特征值、空間位置和面積來計(jì)算變化速率，變化速率低于設(shè)定閾值的判決為時空最大穩(wěn)定顏色區(qū)域即ts-mscr；對每個ts-mscr，計(jì)算時間框[t-τ,t]內(nèi)加權(quán)的mscr特征，得到ts-mscr時空穩(wěn)定的特征值，其中t表示當(dāng)前幀，τ表示時間間隔。通過在mscr基礎(chǔ)上進(jìn)一步進(jìn)行時域穩(wěn)定性判斷，可通過時域特征的引入來降低非目標(biāo)的背景擾動帶來的誤匹配概率。更優(yōu)選地，所述在連續(xù)τ幀圖像上基于特征值、空間位置和面積來計(jì)算變化速率，是指：計(jì)算同一運(yùn)動目標(biāo)同一mscr的顏色、面積特征隨時間的變化斜率，通過小于某個閾值來篩選出在時域上具有穩(wěn)定特性的顏色區(qū)域；對于某些同一運(yùn)動目標(biāo)同一mscr，變化斜率大于所述閾值，則將此區(qū)域視為時域不穩(wěn)定區(qū)域進(jìn)行刪除，保留在時間區(qū)間[t-τ,t]幀內(nèi)特征穩(wěn)定的mscr。更優(yōu)選地，所述對每個ts-mscr，計(jì)算時間框[t-τ,t]內(nèi)加權(quán)的mscr特征，得到ts-mscr時空穩(wěn)定的特征值，是指：為加強(qiáng)時域上的穩(wěn)定性，引入核函數(shù)k(ti-t),i∈(0,τ]，對于靠近當(dāng)前幀的每幀子圖上的mscr顏色特征，加以第一權(quán)重；對于時間窗內(nèi)遠(yuǎn)離當(dāng)前幀的子圖上的mscr顏色特征，賦以第二權(quán)重，所述第一權(quán)重大于第二權(quán)重；計(jì)算時間框[t-τ,t]內(nèi)加權(quán)的mscr特征，得到ts-mscr時空上穩(wěn)定的特征值，包括區(qū)域面積a、中心位置p(x,y)、顏色特征中任一個或多個；ti表示第ti個時刻，取值與當(dāng)前幀有關(guān)。優(yōu)選地，第四步中，所述依據(jù)判別距離大小，提取其中時空最大穩(wěn)定性判別性顏色區(qū)域ts-msdcr；是指：在所有ts-mscr中，計(jì)算每個ts-mscr同其他ts-mscr之間的顏色特征距離，選取最小距離作為該ts-mscr的判別距離；對所有ts-mscr按照判別距離由大到小順序進(jìn)行排序，判別距離越大的ts-mscr，認(rèn)為其具有越大的判別性；選取判別距離最大的前n個ts-mscr，作為時空最大穩(wěn)定性判別性顏色區(qū)域ts-msdcr。同已有的mscr方法相比，這里通過判別距離大小來篩選出最有判別性的mscr區(qū)域，可降低時空上判別性較低的mscr區(qū)域出現(xiàn)誤匹配的概率(因?yàn)榕袆e性較低意味著和其他區(qū)域相似、容易誤匹配)。優(yōu)選地，第五步中：定義兩個mscr之間的距離d(ri,rj)，所述兩個mscr，其中一個是步驟四中得到的ts-msdcr，一個是步驟五中得到的mscr：γ∈(0,1)其中，ri和rj表示第i和第j個mscr，和分別表示第i個ts-msdcr與當(dāng)前幀的第j個mscr的面積距離和顏色特征距離；為尋找到與ts-msdcr相匹配的mscr，通過使距離d(ri,rj)最小化來尋找運(yùn)動目標(biāo)同一部位，j∈m，m為當(dāng)前幀中mscr的總個數(shù)：mind(ri,rj)若ts-msdcr與所有的mscr距離差值都大于所設(shè)閾值dt，即mind(ri,rj)>dt，則認(rèn)為該ts-msdcr在當(dāng)前幀找不到與其匹配的區(qū)域，dt根據(jù)應(yīng)用場合不同，取不同經(jīng)驗(yàn)值。根據(jù)本發(fā)明的第二目的，提供一種用于實(shí)現(xiàn)上述方法的視頻目標(biāo)時空最大穩(wěn)定性判別性顏色區(qū)域匹配系統(tǒng)，包括：運(yùn)動目標(biāo)檢測模塊：用于檢測視頻中的運(yùn)動目標(biāo)，確定運(yùn)動目標(biāo)所在區(qū)域；最大穩(wěn)定性顏色區(qū)域提取模塊：基于所述最大穩(wěn)定性顏色區(qū)域的目標(biāo)所在區(qū)域，檢測提取運(yùn)動目標(biāo)的最大穩(wěn)定性顏色區(qū)域，簡稱mscr；時空最大穩(wěn)定顏色區(qū)域提取模塊：對所述最大穩(wěn)定性顏色區(qū)域提取模塊得到的每個mscr，提取時空最大穩(wěn)定顏色區(qū)域即ts-mscr；時空最大穩(wěn)定性判別性顏色區(qū)域提取模塊：在所述時空最大穩(wěn)定顏色區(qū)域提取模塊的ts-mscr中，計(jì)算每個ts-mscr同其他ts-mscr之間的顏色特征距離，選取最小距離作為該ts-mscr的判別距離；對所有ts-mscr按照判別距離由大到小順序進(jìn)行排序，判別距離越大的ts-mscr，認(rèn)為其具有越大的判別性；選取判別距離最大的前n個ts-mscr，作為時空最大穩(wěn)定性判別性顏色區(qū)域即ts-msdcr；區(qū)域匹配模塊：用于視頻運(yùn)動目標(biāo)不同時間段mscr匹配；在后續(xù)視頻幀中，基于動目標(biāo)跟蹤技術(shù)，確定第一步運(yùn)動目標(biāo)在當(dāng)前幀的位置區(qū)域，并在該位置區(qū)域檢測提取目標(biāo)的mscr；對步驟四得到的n個ts-msdcr，與運(yùn)動目標(biāo)在當(dāng)前幀的每個mscr，進(jìn)行基于顏色特征和相對面積等約束的相似度度量，相似度最大的區(qū)域，即為ts-msdcr在當(dāng)前幀的匹配區(qū)域。本發(fā)明利用區(qū)域匹配，可以得到目標(biāo)不同部位的相對空間位置變化，從而用來進(jìn)行包括但不限于姿態(tài)估計(jì)、行為分析等智能化應(yīng)用。與現(xiàn)有技術(shù)相比，本發(fā)明具有以下有益效果：本發(fā)明通過計(jì)算視頻每幀圖像內(nèi)目標(biāo)的mscr(最大穩(wěn)定顏色區(qū)域)，獲取具有時空穩(wěn)定性和判別性的特征ts-msdcr，較好的解決了目標(biāo)區(qū)域隨目標(biāo)形變(遮擋、姿態(tài)和光照等因素)造成的目標(biāo)特征漂移現(xiàn)象，提高了對視頻內(nèi)目標(biāo)的描述準(zhǔn)確性和魯棒性。附圖說明通過閱讀參照以下附圖對非限制性實(shí)施例所作的詳細(xì)描述，本發(fā)明的其它特征、目的和優(yōu)點(diǎn)將會變得更明顯：圖1為本發(fā)明一實(shí)施例中的方法流程圖；圖2為本發(fā)明一實(shí)施例中的ts-mscr提取過程圖；圖3為本發(fā)明一實(shí)施例中的ts-msdcr提取過程圖；圖4為本發(fā)明一實(shí)施例中的系統(tǒng)框圖。具體實(shí)施方式下面結(jié)合具體實(shí)施例對本發(fā)明進(jìn)行詳細(xì)說明。以下實(shí)施例將有助于本領(lǐng)域的技術(shù)人員進(jìn)一步理解本發(fā)明，但不以任何形式限制本發(fā)明。應(yīng)當(dāng)指出的是，對本領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明構(gòu)思的前提下，還可以做出若干變形和改進(jìn)。這些都屬于本發(fā)明的保護(hù)范圍。本發(fā)明是一種視頻目標(biāo)時空最大穩(wěn)定性判別性顏色區(qū)域匹配方法，相比于其他圖像特征，視頻中運(yùn)動目標(biāo)特征具有如下特點(diǎn)：特點(diǎn)一、形變：視頻中目標(biāo)由于在圖像空間中的位移和目標(biāo)自身的轉(zhuǎn)動等形變因素，造成目標(biāo)區(qū)域特征隨著時間發(fā)生變化；加上由于運(yùn)動造成姿態(tài)形變，某些部位會發(fā)生遮擋、彎曲、折疊等現(xiàn)象，導(dǎo)致部位剛性特征信息的丟失或變化，難以根據(jù)初始目標(biāo)剛性特征進(jìn)行目標(biāo)匹配等研究分析。特點(diǎn)二、光照：由于時間域上光照條件的變化和圖像內(nèi)光照不均勻、陰影現(xiàn)象，目標(biāo)的顏色、紋理等特征會隨著時間發(fā)生一定改變。本發(fā)明的視頻目標(biāo)時空最大穩(wěn)定性判別性顏色區(qū)域匹配方法，從上述問題出發(fā)，較好地解決了上述形變和光照等問題。本發(fā)明基于圖像特征提取領(lǐng)域中的mscr(最大穩(wěn)定極值區(qū)域)提出了視頻目標(biāo)顏色特征ts-mscr(時空最大穩(wěn)定顏色區(qū)域)和ts-msdcr(時空最大穩(wěn)定性判別性顏色區(qū)域)。如圖1所示，為本發(fā)明的方法流程圖，共分為五個步驟：運(yùn)動目標(biāo)的檢測，檢測提取目標(biāo)的mscr特征，提取時空最大穩(wěn)定顏色區(qū)域，提取時空最大穩(wěn)定性判別性顏色區(qū)域ts-msdcr和區(qū)域匹配。以下將對這五個步驟進(jìn)行詳細(xì)描述：一、檢測視頻中的運(yùn)動目標(biāo)一幀圖像可根據(jù)分析對象不同，圖像內(nèi)容可分為前景與背景。對視頻進(jìn)行前景和背景提取，可以采用幀差法、光流法和背景建模法等。幀差法實(shí)現(xiàn)簡單，但是容易出現(xiàn)空洞現(xiàn)象；光流法通過計(jì)算運(yùn)動圖像的二維速度場提取前景，可以應(yīng)用在運(yùn)動攝像頭的視頻上，但是光流法運(yùn)算較復(fù)雜，實(shí)時性較差，不適合較多應(yīng)用場合；由于生活中大部分監(jiān)控攝像頭都是固定視角的，通過背景建模，不同場景設(shè)置不同參數(shù)可以獲得很好的結(jié)果。opencv(計(jì)算機(jī)視覺開源庫)中也集成了成熟的背景建模算法，例如gmm(混合高斯模型)改進(jìn)的gmm算法等。提取出視頻的前景后，由于一些擾動和攝像機(jī)成像的噪聲影響，前景圖像往往具有較多噪聲；利用腐蝕和膨脹等形態(tài)學(xué)處理，可以有效濾除噪聲；根據(jù)同一運(yùn)動目標(biāo)屬于同一團(tuán)塊，將前景分割為不同目標(biāo)；分割前景圖像成多個不同目標(biāo)后，分別計(jì)算每個目標(biāo)框大小和位置，用來確定提取mscr的子圖。本步驟中，對視頻中的運(yùn)動目標(biāo)，如行人，采用運(yùn)動前景提取和目標(biāo)檢測融合判決方法，檢測運(yùn)動目標(biāo)，確定運(yùn)動目標(biāo)所在區(qū)域(可以采用矩形目標(biāo)框)。二、檢測提取目標(biāo)的mscr特征2007年forssen提出mscr算法，該算法內(nèi)含面積閾值、變化速率和一些狹長區(qū)域的參數(shù)，使得可以根據(jù)應(yīng)用場合、目標(biāo)大小調(diào)整參數(shù)刪選區(qū)域，得到較合適的mscr。提取每幀圖像目標(biāo)的mscr特征后，計(jì)算得到每個區(qū)域的空間特征，包括但不限于中心位置p0(x0,y0)，面積大小a0和顏色特征(平均顏色或者顏色直方圖等)π0。三、提取時空最大穩(wěn)定顏色區(qū)域提取時空最大穩(wěn)定顏色區(qū)域如圖2所示。提取出τ幀的目標(biāo)mscr后，為了使同一個目標(biāo)連續(xù)幀內(nèi)的mscr特征匹配，首先定義了如下距離：1)mscr面積距離da：其中，t代表當(dāng)前第t幀，at表示第t幀mscr特征的面積大小。at-1表示第t-1幀mscr特征的面積大小。2)mscr中心點(diǎn)距離dp：其中(pt-pt-1)＝(xt-xt-1,yt-yt-1).表示中心點(diǎn)位移變化矢量；t代表當(dāng)前第t幀，pt代表第t幀mscr特征的中心點(diǎn)，xt和yt表示中心點(diǎn)pt在圖像內(nèi)坐標(biāo)，pt-1代表第t-1幀mscr特征的中心點(diǎn)，xt-1和yt-1表示中心點(diǎn)pt-1在圖像內(nèi)坐標(biāo)。3)mscr平均顏色距離dc2：其中，t代表當(dāng)前第t幀，k代表第k個顏色通道，π(t,k)表示第t幀第k個顏色通道的平均值，π(t-1,k)表示第t-1幀第k個顏色通道的平均值.采用卡方距離(chi-squareddistance)來度量顏色相似性。最后定義兩個mscr之間的距離dmscr(ri,rj)：α,β∈(0,1),(α+β)<1其中，ri和rj表示第i和第j個mscr。和分別表示相鄰幀目標(biāo)第i個和第j個mscr的面積距離、中心位置距離和顏色特征距離；為在(t+1)幀內(nèi)尋找t幀中目標(biāo)對應(yīng)區(qū)域通過使距離最小化來尋找目標(biāo)同一部位的mscr，賦以相同標(biāo)簽(label)歸為同一目標(biāo)同一mscr：針對存在某些連續(xù)幀內(nèi)mscr特征未匹配，設(shè)定其最小距離應(yīng)小于所設(shè)閾值，即：mindmscr(ri,rj)<tmscr上述的為相鄰mscr特征匹配，為提取出在這段時間具有穩(wěn)定特征的mscr,還設(shè)定以下閾值約束：mscr面積約束：計(jì)算區(qū)域面積變化斜率da并且小于閾值sada<sa；mscr中心點(diǎn)約束：計(jì)算區(qū)域位移變化斜率dp并且小于閾值spdp<spmscr平均顏色約束：計(jì)算區(qū)域面積變化斜率dc并且小于閾值scdc<sc其中，dtmscr、sa、sp和sc斜率(slope)閾值由經(jīng)驗(yàn)值給出。對于某些同一目標(biāo)同一mscr特征，mscr距離或者變化斜率大于所設(shè)閾值，則應(yīng)將此區(qū)域刪除，只保留在時間框[t-τ,t]內(nèi)穩(wěn)定存在的mscr。提取出τ幀內(nèi)穩(wěn)定存在mscr特征后，為了使最后輸出的特征描述更加具有代表性，同時保持在時域上的穩(wěn)定性，引入核函數(shù)k(ti-t),i∈(0,τ]：其中，t表示當(dāng)前幀，τ表示時間間隔，ti表示第ti個時刻。epannechnikov核函數(shù)：其中，c表示尺度因子，在實(shí)施例中設(shè)為1；x表示自變量。或者高斯核(gaussiankernel)函數(shù)：其中，σ表示尺度因子，可設(shè)為經(jīng)驗(yàn)值；x表示自變量。對于靠近當(dāng)前幀的目標(biāo)mscr特征，加以較大權(quán)重；對于時間窗內(nèi)遠(yuǎn)離當(dāng)前幀的目標(biāo)mscr特征，賦以較小權(quán)重；因?yàn)樵谝欢芜B續(xù)的時間序列中，目標(biāo)某些部位因遮擋、轉(zhuǎn)動等形變因素和光照變化因素勢必造成一些mscr特征隨時間發(fā)生改變；在符合穩(wěn)定性判決下，為保證最后提取出來的描述子具有在時間域上目標(biāo)穩(wěn)定的特征信息，同時防止目標(biāo)特征漂移現(xiàn)象；計(jì)算時間框[t-τ,t]內(nèi)加權(quán)的mscr特征，得到目標(biāo)區(qū)域最后時域穩(wěn)定的包括但不限于區(qū)域面積a，中心位置p(x,y)和顏色特征(平均顏色等)的描述子ts-mscr。四、提取時空最大穩(wěn)定性判別性顏色區(qū)域ts-msdcr。提取時空最大穩(wěn)定性判別性顏色區(qū)域ts-msdcr如圖3所示。提取出ts-mscr特征后，對于所有ts-mscr特征，計(jì)算每個ts-mscr特征之間顏色特征距離，選取最小的距離作為該ts-mscr的判別距離。對于第i個ts-mscr特征，其最小距離定義為：其中，j指的是除第i個ts-mscr外其他ts-mscr表示。對所有ts-mscr按照判別距離進(jìn)行由大到小進(jìn)行排序，判斷距離越大的ts-mscr特征，其具有越大的判別性。選取判別距離最大的前n個ts-mscr，稱之為時空最大穩(wěn)定性判別性顏色區(qū)域ts-msdcr，其中n一般取1～20之間，具體跟據(jù)目標(biāo)和應(yīng)用情況不同給出不同經(jīng)驗(yàn)值，比如目標(biāo)如果為行人，按直立行人上、中、下三個區(qū)域每個區(qū)域選1-2個ts-msdcr，則整個目標(biāo)的n可選為3-6個。(ts-msdcr概念可理解成mscr概念的子集)。第五步、區(qū)域匹配在后續(xù)視頻幀中，基于動目標(biāo)跟蹤技術(shù)，確定目標(biāo)所在的可能區(qū)域，并在該區(qū)域檢測提取目標(biāo)的mscr特征；與第四步得到的n個ts-msdcr特征進(jìn)行相似度度量。首先，定義兩個mscr(一個是步驟四中得到的ts-msdcr，一個是步驟五中得到的mscr)之間的距離d(ri,rj)：γ∈(0,1)其中，ri和rj表示第i和第j個mscr。和分別表示第i個ts-msdcr與第j個mscr的面積距離和顏色特征距離；為每個ts-msdcr在當(dāng)前幀找到與其匹配的mscr，通過使距離d(ri，rj)最小來尋找目標(biāo)同一部位(j∈[1,m]，m為當(dāng)前幀中mscr的總個數(shù))：mind(ri，rj)若ts-msdcr與所有的mscr距離差值都大于所設(shè)閾值dt，即mind(ri,rj)>dt，則認(rèn)為該ts-msdcr在當(dāng)前幀找不到與其匹配的區(qū)域。dt根據(jù)應(yīng)用場合不同，可取不同經(jīng)驗(yàn)值。利用區(qū)域匹配，可以得到目標(biāo)不同部位的相對空間位置變化，從而用來進(jìn)行包括但不限于姿態(tài)估計(jì)、行為分析等智能化應(yīng)用。如圖4所示，一種用于實(shí)現(xiàn)上述方法的視頻目標(biāo)時空最大穩(wěn)定性判別性顏色區(qū)域匹配系統(tǒng)，包括：運(yùn)動目標(biāo)檢測模塊：用于檢測視頻中的運(yùn)動目標(biāo)，確定運(yùn)動目標(biāo)所在區(qū)域；最大穩(wěn)定性顏色區(qū)域提取模塊：基于所述最大穩(wěn)定性顏色區(qū)域的目標(biāo)所在區(qū)域，檢測提取運(yùn)動目標(biāo)的最大穩(wěn)定性顏色區(qū)域，簡稱mscr；時空最大穩(wěn)定顏色區(qū)域提取模塊：對所述最大穩(wěn)定性顏色區(qū)域提取模塊得到的每個mscr，提取時空最大穩(wěn)定顏色區(qū)域即ts-mscr；時空最大穩(wěn)定性判別性顏色區(qū)域提取模塊：在所述時空最大穩(wěn)定顏色區(qū)域提取模塊的ts-mscr中，計(jì)算每個ts-mscr同其他ts-mscr之間的顏色特征距離，選取最小距離作為該ts-mscr的判別距離；對所有ts-mscr按照判別距離由大到小順序進(jìn)行排序，判別距離越大的ts-mscr，認(rèn)為其具有越大的判別性；選取判別距離最大的前n個ts-mscr，作為時空最大穩(wěn)定性判別性顏色區(qū)域即ts-msdcr；區(qū)域匹配模塊：用于視頻運(yùn)動目標(biāo)不同時間段mscr匹配；在后續(xù)視頻幀中，基于動目標(biāo)跟蹤技術(shù)，確定第一步運(yùn)動目標(biāo)在當(dāng)前幀的位置區(qū)域，并在該位置區(qū)域檢測提取目標(biāo)的mscr；對步驟四得到的n個ts-msdcr，與運(yùn)動目標(biāo)在當(dāng)前幀的每個mscr，進(jìn)行基于顏色特征和相對面積等約束的相似度度量，相似度最大的區(qū)域，即為ts-msdcr在當(dāng)前幀的匹配區(qū)域。上述各個模塊具體實(shí)現(xiàn)的技術(shù)與上述方法中各步驟的實(shí)現(xiàn)對應(yīng)，這對本領(lǐng)域技術(shù)人員來說是很容易理解的，再此不再贅述。盡管本發(fā)明的內(nèi)容已經(jīng)通過上述實(shí)施例作了詳細(xì)介紹，但應(yīng)當(dāng)認(rèn)識到上述的描述不應(yīng)被認(rèn)為是對本發(fā)明的限制。在本領(lǐng)域技術(shù)人員閱讀了上述內(nèi)容后，對于本發(fā)明的多種修改和替代都將是顯而易見的。因此，本發(fā)明的保護(hù)范圍應(yīng)由所附的權(quán)利要求來限定。當(dāng)前第1頁12當(dāng)前第1頁12