基于快速相似性网络融合算法的在线目标分类方法与系统的制作方法
【技术领域】
[0001] 本发明涉及的是一种在线目标分类方法与系统，具体地说，涉及的是一种基于快 速相似性网络融合算法的在线目标分类方法与系统。
【背景技术】
[0002] 随着社会政治与经济的高速发展，伴随着越来越多的社会事件及犯罪的发生，视 频监控受到的关注程度在不断提高，视频目标分类的研宄对于安防监控领域具有重大的现 实意义。
[0003] 现有的目标分类方法之中，一些方法使用形状与运动信息进行分类，这类方法的 速度相对较快，但是，其鲁棒性也受到限制，因为目标在视频中的形状会随着视角而发生变 化，目标分类准确性差；另一类方法考虑使用标定的数据与大量未标定数据之间的关系，虽 然提高了目标分类的准确性，但是分类速度慢、效率低。
[0004] 现有研宄中，在论文《Online Video Object Classification Using FastSimilarity Network Fusion》中作者提出一种新的基于图的快速数据融合方法，快速 相似性网络融合。快速相似性网络融合方法快速计算并融合从不同特征数据中获得到相似 性网络，充分发挥不同特征之间的互补性，用于半监督学习。该快速相似性网络融合方法 具有以下优点：1.基于较少量的标定样本；2.在不同尺度、噪声的情况下都有良好的表现； 3.可充分发挥不同类型特征数据之间的互补性4.在线分类问题中具有较高的分类速度。
[0005] 基于快速相似性网络融合算法的以上优点，适用于目标在线分类。目前没有发现 同本发明类似技术的说明或报道，也尚未收集到国内外类似的资料。
【发明内容】
[0006] 本发明基于现有算法中的快速相似性网络融合算法，实现一种用于在线目标分类 功能的在线目标分类方法与系统，通过在在线目标分类系统中加入反馈标注训练模块，使 在线目标分类系统在不同监控场景下，有针对性地强化分类器，达到更好的分类性能，实现 快速且高效的在线目标分类，有效地提升了在线分类中的分类准确度。
[0007] 为实现上述目的，本发明是通过以下技术方案实现的。
[0008] 根据本发明的一个方面，提供了一种基于快速相似性网络融合算法的在线目标分 类系统，包括：视频预处理模块、快速相似性网络融合分析模块以及反馈标注训练模块；其 中：
[0009] 所述视频预处理模块，用于提取视频前景目标作为初始训练样本集，并提取初始 训练样本集内目标的图像特征，发送至快速相似性网络融合分析模块；
[0010] 所述快速相似性网络融合分析模块，用于对目标的图像特征进行融合，依据融合 后的相似性矩阵，对初初始训练样本集内目标间相似程度进行分析，挑选出难以分类的样 本，发送至反馈标注训练模块；
[0011] 所述反馈标注训练模块，用于对难以分类的样本进行人工标定，并将人工标定后 的样本返回至视频预处理模块，对初始训练样本集进行更新。
[0012] 优选地，所述难以分类的样本包括：模糊样本和/或错误分类样本。
[0013] 优选地，所述始训练样本集内目标的图像特征包括HOG特征和SIFT特征。
[0014] 根据本发明的另一个方面，提供了一种基于快速相似性网络融合算法的在线目标 分类方法，包括如下步骤：
[0015] 基于快速相似性网络融合分析，对初始训练样本集内目标的图像特征分别构建相 似性矩阵并进行快速融合；通过对相似性网络融合后矩阵进行分析，一方面进行分类判决， 另一方面选择出难以分类的样本形成更新样本库；通过反馈标注训练模块，对更新样本库 进行人工标定，将更新样本库内人工标定后的样本加入初始训练样本集，更新初始训练样 本集并重复快速相似性网络融合分析过程，生成新的分类器。
[0016] 优选地，所述初始训练样本集通过以下方式提取：
[0017] 通过视频源预处理模块，采用高斯背景建模首先提取视频前景目标，作为初始训 练样本集，并进行自动化筛选，提取目标的图像特征；
[0018] 所述自动化筛选为：对于检测到的视频前景目标，依据目标的宽高数据及宽高比 属性进行自动化筛选。
[0019] 优选地，所述快速相似性网络融合分析具体为：
[0020] 通过快速相似性网络融合模块，采用快速相似性网络融合算法对初始训练样本集 内目标的图像特征进行特征融合，依据融合后的相似性矩阵，对初始训练样本集内目标间 相似程度进行分析，挑选出难以分类的样本。
[0021] 优选地，所述对初始训练样本集内目标间相似程度进行分析具体为：
[0022] 对于融合后的矩阵，采用label propagation的方法进行标签传递，对传递结果预 测矢量中的最大标量与次大标量进行比较，确定目标是否难以分类；分析规则如下：
[0023] If ：max (Ipredict)-second (Ipredict) > thres
[0024] Label = i，满足 IpredictQ) = max(lpredict)
[0025] Else ：
[0026] Label = -I
[0027] 其中，Label是对应新样本的标签，thres是设置的阈值，Ipraliet是对应新样本的预 测矢量，HiaxQ pradiJ是指取出矢量Ipraiicrt中最大标量的数值，SecondQpradiJ是指取出矢 量U dirt中次大标量的数值，i为对应新样本的预测类别序号，ιΡΜ^α)为对应新样本预 测矢量中第i个标量。
[0028] 优选地，所述难以分类的样本包括模糊样本和错误分类样本，其中：
[0029] 所述模糊样本是指对初始训练样本集内目标间相似程度进行分析得到的标签 Label为-1的样本；
[0030] 所述错误分类样本为从分类判决结果中人工挑选得到的分类错误样本。
[0031] 与现有技术相比，本发明具有如下的有益效果：
[0032] 1、本发明提供的基于快速相似性网络融合算法的在线目标分类方法与系统，用于 视频中目标的在线分类；本发明采用快速相似性网络融合分析，并加入反馈标注训练模块， 使在线目标分类系统在不同监控场景下，有针对性地强化分类器；采用本发明提供的在线 目标分类方法与系统，可以有效地快速地预测视频中新目标的类别。
[0033] 2、本发明提供的基于快速相似性网络融合算法的在线目标分类方法与系统，实 现了视频的预处理功能，通过采用混合高斯建模方法提取前景目标，对前景目标进行自动 化筛选，完成前景目标图像特征提取；通过快速相似性网络融合分析，在分析中采用label propagation(标签传播）的方法与规则制定，筛选出难以分类的样本；通过反馈标注训练 模块，将难以分类的样本（包括模糊样本和错分类样本）通过人工标定形成更新样本，通过 更新样本更新初始训练样本集并进行更新再训练，有针对性地提升分类精度。
[0034] 3、本发明基于快速相似性网络融合算法，实现一种基于快速相似性网络融合算法 的在线目标分类方法与系统，实现视频预处理功能、快速相似性网络融合分析、反馈标注训 练，完成目标快速尚效的在线分类功能。
[0035] 4、本发明提供的基于快速相似性网络融合算法的在线目标分类方法与系统，可用 于视频目标的在线分类，基于半监督学习技术和快速相似性网络融合分析，对于一个新样 本数据，可以依据快速融合得到的相似性矩阵，对目标进行分类；采用反馈标注训练模块， 有针对性地提升系统分类准确度。
【附图说明】
[0036] 通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、 目的和优点将会变得更明显：
[0037] 图1