目标的识别方法及装置的制造方法
【技术领域】
[0001] 本发明涉及图像识别领域，具体而言，涉及一种目标的识别方法及装置。
【背景技术】
[0002] 目前，相关技术中所采用的在图像中提取特定目标的方式是通常使用色彩图并配 合方向梯度直方图（HistogramofOrientedGradient,简称为册G)算法W提取图像中的 特定目标，其提取方式为全图扫描提取特征，使用训练好的模型根据提取的图像特征进行 识别。
[0003] 然而，上述方法却存在如下缺陷：
[0004] (1)由于使用色彩图对图像中的特定目标进行识别，因此在人物提取W及动作表 现上会受到环境光W及阴影等多种因素影响，稳定性较差；
[0005] (2)该方法的运算量较大，需要全图像提取特征并加W识别。
[0006]综上所述，相关技术中使用色彩图来提取图像中的特定目标难度较大。
【发明内容】
[0007] 本发明提供了一种目标的识别方法及装置，W至少解决相关技术中使用色彩图来 提取图像中的特定目标难度较大的问题。
[0008] 根据本发明的一个方面，提供了一种目标的识别方法。
[0009] 根据本发明实施例的目标的识别方法包括：采用表征物体与图像采集装置之间距 离的深度图像识别预设场景中的目标集合；通过运动检测处理在目标集合中提取备选目 标；获取备选目标与预设目标模型的匹配度；确定匹配度满足预设条件，并对备选目标进 行目标跟踪。
[0010] 优选地，通过运动检测处理在目标集合中提取备选目标包括；计算备选目标在相 邻两峽的峽间差W及备选目标运动的剧烈程度，确定第一参考点的取值范围，其中，取值范 围用于抑制深度测量过程中产生的误差W及备选目标与预设场景的背景交错时产生的边 缘深度差；根据取值范围选取第一种子点，并W第一种子点为基础在第一区域内将与第一 种子点的深度差小于第一预设阔值的种子点生长为第二种子点，再W第二种子点为基础在 第二区域内继续生长与第二种子点的深度差小于第一预设阔值的新的种子点，持续生长直 至W新的种子点为基础的区域内不存在与新的种子点的深度差小于第一预设阔值的种子 点；根据第一种子点W及生长出的全部种子点获取备选目标。
[0011] 优选地，获取备选目标与预设目标模型的匹配度包括；选取备选目标轮廓上的边 界像素点；获取每个边界像素点的特征集合，其中，特征集合包括：该边界像素点与其周围 像素点之间距离的第一直方图，该边界像素点与其周围像素点之间的连线与H维直角坐标 系中的X轴夹角的第二直方图W及该边界像素点与其周围像素点之间的连线与H维直角 坐标系中的Z轴夹角的第H直方图；将获取到的特征集合中的第一直方图、第二直方图W 及第H直方图与预设目标模型进行匹配，生成匹配结果。
[0012] 优选地，确定匹配度满足预设条件，并对备选目标进行目标跟踪包括：判断匹配结 果是否大于第二预设阔值；如果是，则将备选目标确定为待查找的目标，并对备选目标进行 目标跟踪。
[0013] 优选地，获取每个边界像素点的特征集合包括；W深度图像的中也点位置为坐标 系原点对每个边界像素点进行坐标系转换；对转换后的边界像素点进行归一化处理，将转 换后的边界像素点之间的连线距离超过第H预设阔值的边界像素点均统计至与该边界像 素点对应的直方图的最大数值统计区间。
[0014] 根据本发明的另一方面，提供了一种目标的识别装置。
[0015] 根据本发明实施例的目标的识别装置包括：识别模块，用于采用表征物体与图像 采集装置之间距离的深度图像识别预设场景中的目标集合；提取模块，用于通过运动检测 处理在所述目标集合中提取备选目标；获取模块，用于获取所述备选目标与预设目标模型 的匹配度；确定模块，用于确定所述匹配度满足预设条件，并对所述备选目标进行目标跟 踪。
[0016] 优选地，提取模块包括：计算单元，用于计算备选目标在相邻两峽的峽间差W及备 选目标运动的剧烈程度，确定第一参考点的取值范围，其中，取值范围用于抑制深度测量过 程中产生的误差W及备选目标与预设场景的背景交错时产生的边缘深度差；生成单元，用 于根据取值范围选取第一种子点，并W第一种子点为基础在第一区域内将与第一种子点的 深度差小于第一预设阔值的种子点生长为第二种子点，再W第二种子点为基础在第二区域 内继续生长与第二种子点的深度差小于第一预设阔值的新的种子点，持续生长直至W新的 种子点为基础的区域内不存在与新的种子点的深度差小于第一预设阔值的种子点；第一获 取单元，用于根据第一种子点W及生长出的全部种子点获取备选目标。
[0017] 优选地，获取模块包括；选取单元，用于选取备选目标轮廓上的边界像素点；第二 获取单元，用于获取每个边界像素点的特征集合，其中，特征集合包括；该边界像素点与其 周围像素点之间距离的第一直方图，该边界像素点与其周围像素点之间的连线与H维直角 坐标系中的X轴夹角的第二直方图W及该边界像素点与其周围像素点之间的连线与H维 直角坐标系中的Z轴夹角的第H直方图；匹配单元，用于将获取到的特征集合中的第一直 方图、第二直方图W及第H直方图与预设目标模型进行匹配，生成匹配结果。
[0018] 优选地，确定模块包括：判断单元，用于判断匹配结果是否大于第二预设阔值；确 定单元，用于在判断单元输出为是时，将备选目标确定为待查找的目标，并对备选目标进行 目标跟踪。
[0019] 优选地，第二获取单元包括：转换子单元，用于W深度图像的中也点位置为坐标系 原点对每个边界像素点进行坐标系转换；处理子单元，用于对转换后的边界像素点进行归 一化处理，将转换后的边界像素点之间的连线距离超过第H预设阔值的边界像素点均统计 至与该边界像素点对应的直方图的最大数值统计区间。
[0020] 通过本发明实施例，采用表征物体与图像采集装置之间距离的深度图像识别预设 场景中的目标集合；通过运动检测处理在目标集合中提取备选目标；获取备选目标与预设 目标模型的匹配度；确定匹配度满足预设条件，并对备选目标进行目标跟踪，解决了相关技 术中使用色彩图来提取图像中的特定目标难度较大的问题，进而改善了在识别过程中所受 到的周围光照W及场景的影响，增强了识别目标的稳定性W及实用性。
【附图说明】
[0021] 此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发 明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
[0022] 图1是根据本发明实施例的目标的识别方法的流程图；
[0023] 图2是根据本发明实施例的目标的识别装置的结构框图；
[0024] 图3是根据本发明优选实施例的目标的识别装置的结构框图。
【具体实施方式】
[0025] 下文中将参考附图并结合实施例来详细说明本发明。需要说明的是，在不冲突的 情况下，本申请中的实施例及实施例中的特征可W相互组合。
[0026] 图1是根据本发明实施例的目标的识别方法的流程图。如图1所示，该方法可W 包括W下处理步骤：
[0027] 步骤S102;采用表征物体与图像采集装置之间距离的深度图像识别预设场景中 的目标集合；
[0028] 步骤S104;通过运动检测处理在目标集合中提取备选目标；
[0029] 步骤S106;获取备选目标与预设目标模型的匹配度；
[0030] 步骤S108;确定匹配度满足预设条件，并对备选目标进行目标跟踪。
[0031] 相关技术中，使用色彩图来提取图像中的特定目标难度较大。采用如图1所示的 方法，采用表征物体与图像采集装置之间距离的深度图像识别预设场景中的目标集合；通 过运动检测处理在目标集合中提取备选目标；获取备选目标与预设目标模型的匹配度；确 定匹配度满足预设条件，并对备选目标进行目标跟踪，解决了相关技术中使用色彩图来提 取图像中的特定目标难度较大的问题，进而改善了在识别过程中所受到的周围光照W及场 景的影响，增强了识别目标的稳定性W及实用性。
[0032] 需要说明的是，上述深度图像为不限定分辨率的数字图像，其中，每个像素点都是 当前场景中物体垂直于图像采集装置(例如：摄像头）主光轴的直线距离，而需要识别的目 标则表现为深度图像中具有特殊形状并且满足一定的运动特性的物体。
[0033] 在优选实施例中，在深度图中待提取的特定目标为深度图中的人物。在完成深度 图的输出之后，首先识别地面，可W将全部地面的像素点赋值为0 ;其次在深度图中使用连 续深度物体分割算法；然后采用前几峽建立的背景模型为基础提取前景，从而得到前景图。
[0034] 在完成深度连续物体分割的基础上，可W根据深度连续物体的属性对特定目标进 行识别。按照首先判断是否存在运动发生，然后判断物体的形状是否满足人体模型，其识别 结果为新加入到场景中的人物目标。而后再利用生成的前景图与深