监控视频中人的特征识别

视频模式识别步骤为：图像采集、预处理、定位、分割和标记、特征提取、识别。

统计模式识别认为图像可能包含一个或多个物体，并且每个物体属于若干事先定义的类型、范畴或模式之一。最后一步是分类识别，分类是很重要的部分，贝叶斯分类器、神经网络分类器等都是特别经典的算法。本系统只需要识别，并没有用到分类。

需求分析：用户可以指定要识别的人，系统会记录下此人的特征，当前版本只采用颜色特征，所以输入应该是彩色图像。识别过程系统对视频流自动匹配特征，如果识别出目标会提示用户。

本系统菜单为：

--文件：打开视频、播放视频、保存当前帧

--获取背景：平均值法、方差法、直方图法

--运动检测：平均值背景、方差背景、直方图背景、MeanShift法

--指定目标：平均值背景、方差背景、直方图背景

--目标识别：平均值背景、方差背景、直方图背景

--跳到指定帧

处理过程：先将原视频图像转换成灰度图像(或二值图像)，去除背景和分割标记采用灰度图像处理，再根据灰度图像对应的像素对彩色图像进行特征提取和显示。

一、获取背景 ，背景的提取非常重要，关系到运动物体的定位是否精确，背景提取有多种方法，本系统只用到三种：多帧图像累加求平均值、方差、直方图。

二、运动检测(动态跟踪)，或运动图像的定位，因为没有足够的先验知识，所以把行人从单张图片上根据特征定位出来比较难。考虑是视频图像，可以用背景差分法进行目标物的检测，首先根据视频多张帧图像计算出当前的背景(例如多帧累加求平均值)，然后用每一帧图像减去背景图像，即为当前运动物体，再把差分后的图片播放出来。

去除背景，即背景差分法，首先用当前帧图像减去背景图像，求绝对值，设定一个阈值，小于阈值的视为背景，全部置0。先通过前100帧计算背景，以后的背景图像要实现动态更新，以满足视频的即时性。

三、重要的步骤是图像的分割和标记，通过对图像中每个像素进行标记，将物体的像素值改为标号，可以方便后续的特征提取和识别。每帧带有运动物体的图像都需要进行分割并标记。一帧图像上可能有多个运动物体，必须把多个运动物体分割并标记出来，分别提取各自的颜色特征。有三种分割方法：阈值分割、边缘检测、区域生长，差分后已经能够识别出来物体(人)，需要做的就是对不同的物体做标记。进行二值区域标记，不同的区域标以不同的像素值，然后计算面积，消除图像的小区域部分。这样就可以对单独的物体进行特征提取了。

四、特征提取，图像进行分割并标记后，分别统计每个区域上的颜色值作为特征向量。这里用RGB颜色的均值（百分比好像不妥），避免人物大小不同的影响。有两个地方需要用到颜色特征：第一个是系统接收用户的操作，指定需要识别的目标，此时系统会计算并记录该人的颜色特征信息，以便为后期识别做准备；第二个地方就是目标的识别过程，系统会分析当前视频帧中各个运动物的颜色特征信息，以检查目标是否存在于此帧中，如果存在则保存该帧或提醒用户，并在帧显示时对目标物体进行标记。

1、用户指定需要识别的目标——接收用户的鼠标拖拽，确定区域，计算该区域内目标的特征向量并记录。

>>此功能在指定目标菜单中实现：正常播放原视频，用户用鼠标右键拖拽以确定目标所在区域。系统记录后就可以进入目标识别阶段。

2、系统对目标进行识别——对系统分割并标记后的物体，分别计算特征向量，并与记录的特征向量进行匹配，如果匹配成功，则识别成功，播放时对此人进行标记。最好是进行轮廓提取，轮廓提取方法有：轮廓提取法(掏空内部点)；边界跟踪法；区域生长法；区域分裂合并发，但是目前系统识别出的目标区域不够精确，所以不进行轮廓提取，只进行简单标记。

>>此功能在目标识别菜单中实现：正常播放原视频，如果匹配到目标，对目标加标记。用户也可以直接输入RGB的特征值，系统自动匹配。

参考资料：VC++数字图像处理 (杨淑莹) ---------------第七章：图像分割及测量