基于面积匹配优化K-均值聚类算法的图像分割处理方法.pdf

(19)中华人民共和国国家知识产权局*CN102375983A*(12)发明专利申请(10)申请公布号CN102375983A(43)申请公布日2012.03.14(21)申请号201010254746.7(22)申请日2010.08.17(71)申请人上海宝康电子控制工程有限公司地址201901上海市宝山区杨行工业园区锦富路298号(72)发明人张慧(74)专利代理机构上海智信专利代理有限公司31002代理人王洁(51)Int.Cl.G06K9/34(2006.01)权利要求书1页说明书4页附图2页(54)发明名称基于面积匹配优化K-均值聚类算法的图像分割处理方法(57)摘要本发明涉及一种视频检测中基于面积匹配优化K-均值聚类算法的图像分割处理方法，其首先提取前后帧图像的车辆特征点，然后对比前后两帧车辆的面积重叠情况，提取面积重叠区域内特征点位置和剩余特征点位置，分别求取两组特征点均值作为待分割的两类初始聚类中心点，然后进行K-均值分割，根据输出的聚类结果修正面积重叠区域内特征点的分类情况，同时判断聚类后的车辆是否合理，如不合理，则对聚类结果重新聚类并重新统计聚类中心，直到找到合理的车辆后结束聚类分割，返回跟踪结果。该方法基于面积匹配优化，并且采用固定聚类个数进行分割，经过K-均值分割后得到的车辆目标不再需要进入下一轮的匹配处理，使得处理速度更快，节约了时间。CN10237598ACCNN110237598302375990A权利要求书1/1页1.一种视频检测中基于面积匹配优化K-均值聚类算法的图像分割处理方法，其特征在于，所述的方法包括以下步骤：(0)提取当前帧运动目标图像后，通过匹配找到前一帧中与所述的运动目标图像相匹配的目标图像；(1)分别提取当前帧和前一帧运动的特征点；(2)对当前帧和前一帧进行面积匹配，得到当前帧运动目标图像与前一帧运动目标图像重叠的重叠面积区域；(3)分别计算当前帧的重叠面积区域和非重叠面积区域的特征点均值，作为K-均值初始聚类中心；(4)进行K-均值聚类分割，并修正分割结果；(5)判断分割是否成功，如果成功，则进入步骤(8)，如果不成功，则进入步骤(6)；(6)比较本次分割结果是否与前一次分割结果一致，若一致，则进入步骤(8)，若不一致，则进入步骤(7)；(7)根据分割后的结果调整初始聚类中心，并返回步骤(4)；(8)输出结果，结束本方法。2.根据权利要求1所述的视频检测中基于面积匹配优化K-均值聚类算法的图像分割处理方法，其特征在于，所述的K-均值聚类分割为2-均值聚类分割。3.根据权利要求1所述的视频检测中基于面积匹配优化K-均值聚类算法的图像分割处理方法，其特征在于，所述的特征点包括面积特征点、位置特征点和形状特征点。4.根据权利要求1所述的视频检测中基于面积匹配优化K-均值聚类算法的图像分割处理方法，其特征在于，所述的步骤(4)具体为：进行K-均值聚类分割，并根据聚类结果，修正重叠面积区域内特征值的分类情况。5.根据权利要求1所述的视频检测中基于面积匹配优化K-均值聚类算法的图像分割处理方法，其特征在于，所述的步骤(5)中的判断分割是否成功，具体为：根据上一帧目标图像的面积判断聚类后的目标图像的面积是否合理。6.根据权利要求1所述的视频检测中基于面积匹配优化K-均值聚类算法的图像分割处理方法，其特征在于，所述的根据分割后的结果调整初始聚类中心，具体为：(7)根据分割的结果，以存在目标图像的聚类特征点为限，重新调整初始聚类中心。7.根据权利要求1至6中任一项所述的视频检测中基于面积匹配优化K-均值聚类算法的图像分割处理方法，其特征在于，所述的运动目标图像为车辆图像。2CCNN110237598302375990A说明书1/4页基于面积匹配优化K-均值聚类算法的图像分割处理方法技术领域[0001]本发明涉及视频检测技术领域，特别涉及视频图像目标跟踪技术领域，具体是指基于面积匹配优化K-均值聚类算法的图像分割处理方法。背景技术[0002]视频车辆跟踪识别技术首先要在视频图像中分割出运动目标，然后才能跟踪目标。在交通非常拥挤的情况下，目标车辆可能与其它车辆重叠在一起，此时，传统的分割算法很难分割出包含单个车辆的连通区域。为了克服这一问题，目前越来越多地采用跟踪车辆特征点的方法跟踪目标车辆，此时就需要对粘连的多车辆特征点进行分割，以提高跟踪效率。[0003]传统的K-均值聚类算法未用随机法选取初始聚类中心，选取点的不同，聚类结果可能就不同，这样的依赖性就导致聚类结果的不稳定性，且容易陷入局部最优而非全局最优聚类结果；而且该聚类算法对噪声点和孤立点很敏感；聚类结果依赖于初始值的设定，但是k值(聚类个数)的选定往往要经过很多次实验才能找到最佳值。虽然目前有很多的改进算法，但是如何正确确定初始聚类中心与