一种基于计算机视觉的快速行人检测方法技术

本发明专利技术公开了一种基于计算机视觉的快速行人检测方法，此方法包括：首先，采集行人视频图像，然后采用ViBe算法为视频图像帧建立背景模型，通过融合帧差法的ViBe算法分割出前景区域；然后，计算各目标块轮廓的最高点坐标，完成头部候选区域的定位；最后，使用目标检测窗口对头部候选区进行遍历获取待检测样本，将待测样本输入经过Adaboost算法训练好的复合头部检测器，判断是否为人头样本，以此得到行人检测结果。本方发明专利技术通过以上技术方案有效的解决了现有技术中鲁棒性和实时性差的技术问题。

【技术实现步骤摘要】
一种基于计算机视觉的快速行人检测方法
本专利技术涉及图像处理
，更具体地，涉及一种基于计算机视觉的快速行人检测方法。
技术介绍
智能视频监控技术是计算机视觉领域近年来新兴的一个研究方向，它是一种基于人工智能的计算视觉技术，以场景中的运动目标作为分析对象，其中运动目标包括行人、车辆、动物等。由于人是社会活动的主体，所以以行人作为目标的检测在智能视频监控领域越来越受到研究人员们的关注。在安全方面，智能视频监控系统通过摄像头获取监控场景的视频图像，并对得到的图像进行处理，当场景中出现可疑的人或事件时进行报警，从而阻止犯罪和灾难性事件的发生，保证人民群众的生命财产安全；在交通应用上，通过在车辆上安装行人检测装置提高车辆驾驶的安全性来减少车祸的发生，同时也可以检测交通中行人的违法和不安全行为。在一些特定领域视频监控系统必须快速的检测并识别出行人目标，并发出警告信号。例如军事基地，监狱，高速公路等场景。目前大多数人体跟踪算法都需要已知目标的初始位置(如通过人机交互方式),而实用的跟踪系统需要自动定位初始目标,这就需要人体检测算法的支持。检测人体目标比检测其他目标更具挑战性。在行人检测的技术本文档来自技高网...

【技术保护点】
一种基于计算机视觉的快速行人检测方法，其特征在于，包含以下步骤：步骤1：用摄像机提取监控场景中目标运动过程的视频图像，并将摄像机采集到的图像实时传送给后台计算机；步骤2：运动目标检测：包括背景模型初始化和模型更新；所述背景模型初始化是计算机对实时接收的图像序列采用像素级算法ViBe法，对图像中每个像素进行初始化建立背景模型；所述模型更新是指采用帧差法和ViBe法相结合的方法求取的运动区域，并基于原图像对出现的Ghost区域中的像素进行背景模型更新，即通过比较这个模型与当前帧图像来分割出前景目标：具体步骤如下：2.1）将视频图像分帧，并对单帧图像中的每个像素进行背景模型初始化，设k=1时输入第1...

【技术特征摘要】
1.一种基于计算机视觉的快速行人检测方法，其特征在于，包含以下步骤：步骤1：用摄像机提取监控场景中目标运动过程的视频图像，并将摄像机采集到的图像实时传送给后台计算机；步骤2：运动目标检测：包括背景模型初始化和模型更新；所述背景模型初始化是计算机对实时接收的图像序列采用像素级算法ViBe法，对图像中每个像素进行初始化建立背景模型；所述模型更新是指采用帧差法和ViBe法相结合的方法求取的运动区域，并基于原图像对出现的Ghost区域中的像素进行背景模型更新，即通过比较这个模型与当前帧图像来分割出前景目标：具体步骤如下：2.1)将视频图像分帧，并对单帧图像中的每个像素进行背景模型初始化，设k＝1时输入第1帧图像I1；KG(x,y)、f1(x,y)分别是像素点(x,y)背景模型、空间领域和像素值2.2)对第2帧图像I2(k＝2)进行前景分割，得到分割后图像F2并对各个像素的背景模型进行更新，设k＝i，则像素点(x,y)的背景模型为像素值为fi(x,y)利用如下准则来判读该像素点是否为前景点R为分开前景和背景像素点设定的阈值；2.3)输入第3帧视频图像I3(k＝3)，计算I3分割后图像F3；使用下面公式得到I2与I3的差分和阈值化后的图像D2,3，将D2,3与F3做与运算，去除F3中的一部分Ghost区域，然后基于原图像I3将这部分Ghost区域的像素背景模型更新T为设定阈值；2.4)输入第k帧视频图像Ik(k＝4)，利用上一帧更新得到背景模型计算Fk,使用上面公式得到Ik-1与Ik做差分并阈值化后的图像Dk-1,k，同时将Dk-1.k与Fk做与运算，去除Fk中的一部分鬼影区域，而后基于原图像Ik将去除的Ghost区域的像素点进行背景模型更新；2.5)重复步骤2.4，依次输入后续视频序列Ik(k＝5,6...M)直到最...

【专利技术属性】
技术研发人员：张鹏，程方，史涛，张瑞，朱建虎，蒋明浪，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：重庆;85