一种人体离开可靠检测方法技术

本发明专利技术涉及一种人体离开可靠检测方法。方法包括人体检测区域初始化、基于肤色聚类的人体肤色提取、基于颜色特征分析的人体检测三部分。本方法利用肤色特征作为人体检测参照依据，能可靠地检测出人体目标，同时具有较快的处理速度。

【技术实现步骤摘要】

本专利技术属于面向智能监控的视频图像处理领域，具体涉及一种人体离开可靠检测方法。
技术介绍
视频监控被广泛应用于安全与监管领域，为公共安全与人员监管提供了有力的数据支撑。但是目前面向监控视频的智能化分析程度还比较低，在面向监控视频的人体离开检测方面，尚无公开的专门针对该应用的技术手段。人体离开检测主要用于监控特定场景中人员有无离开指定区域，在智能视频监控领域具有重要作用。面向监控视频的人体离开检测是监控视频图像处理的重要应用。其处理流程为：首先从监控视频中获取图像数据，然后初始化检测区域并提取人体肤色，进一步在检测区域分析颜色特征，进而实现人体离开检测。针对人体离开检测中的各个环节，现有的方法如专利201510488408.2采用帧差法检测视频中运动区域，如果人体静止不动则检测不到；专利201310405276.3、201310116469.7提取人体特征构造分类器进行训练，专利201110264004.7结合背景差分法和人体检测分类器，专利201010218630.8采用具有模糊性的人体轮廓模板检测多姿态人体，专利201310415544.X基于彩色与深度信息的人体检测方法，联合特征提取获得的特征用于人体检测。上述方法处理速度很慢，无法用于DSP、ARM等普通计算平台。专利201110026465.0基于深度图像进行人体检测，不适用于常规的监控视频图像。
技术实现思路
针对现有人体离开检测难题，在分析关键环节现有方法不足的基础上，本专利技术提出一种面向智能监控的人体离开可靠检测方法，包括人体检测区域初始化、基于肤色聚类的人体肤色提取、基于颜色特征分析的人体检测共三部分。本专利技术利用肤色特征作为人体检测参照依据，能可靠地检测出人体目标，同时具有较快的处理速度。本专利技术中的技术方案阐述如下：1、基于人脸检测和头部轮廓的人体检测区域初始化判断人体是否离开必须指定一个参照区域，如果将整个视频画面作为检测区域，则无法区分同一画面多个人体，并且会增加计算量，降低处理速度。在本专利技术中，将初次检测到的人体上半身区域作为后续的检测区域。如图2所示，确定该区域的具体步骤如下：Step1：使用预先训练好的基于深度学习的人脸检测分类器，结合头部轮廓模板，检测出人体头部位置；Step2：假设人体的头部区域左上角坐标为(x1,y1)，宽和高分别为w1、h1；人体的上半身区域左上角坐标为(x2,y2)，宽和高分别为w2、h2；则根据数据统计规律，可大致估计出人体上半身位置：x2＝x1-w1y2＝y1-h1/4w2＝w1×3h2＝h1×15/4创新点在于：从视频中直接提取人体运动区域的传统算法处理速度较慢且准确度不高，有的算法容易将非人体运动目标判定为人体，有的算法难以检测到静止人体。而根据人脸检测结合头部轮廓，能够准确地检测出静止或运动的人体目标，较准确地划定出人体离开检测区域。2、基于肤色聚类的人体肤色提取人体肤色与衣着、环境的颜色有较大区分度，而不同人的肤色也略有差别。基于此特点，可根据人体肤色检测人体目标。在初始化人体检测区域之后，对该帧该区域使用肤色聚类，得到一组基于HSV颜色空间的特征值，用来描述人体肤色信息。如图3所示，具体步骤如下：Step1：对初始化后的人体检测区域进行颜色聚类；Step2：根据头部位置定位肤色范围，获取肤色信息直方图特征；Step3：将肤色信息直方图特征映射到HSV颜色空间，得到一组集中描述肤色信息的特征值。创新点在于：使用肤色聚类，提取基于HSV颜色模型的人体肤色特征，检测准确度高，处理速度快。3、基于颜色特征分析的人体检测对于人体离开检测区域，分析其颜色特征，与人体肤色特征进行匹配。如图4所示，具体步骤如下：Step1：针对人体检测区域，逐像素与人体肤色特征进行匹配；Step2：统计类肤色点数，如果类肤色点数小于阈值Th，则判定人体离开；若检测区域的宽、高分别为w2，h2，根据数据统计规律，可取值为：Th＝(w2×h2)/45创新点在于：基于提取出的人体肤色来分析检测区域颜色特征，能够有效检测出人体目标，提高人体检测准确度。附图说明图1是本专利技术实施例的整体示意图；图2是人体检测区域初始化的示意图；图3是人体肤色提取示意图；图4是基于颜色特征分析的人体检测示意图。具体实施方式下面结合图示，对本专利技术的优选实施例作详细介绍。本专利技术的人体离开检测工作流程如图1所示。首先读取一帧视频图像；然后通过预先训练好的人脸检测分类器结合头部轮廓模板进行处理，如果检测并定位到头部，则根据其位置初始化人体离开检测区域；接着针对该区域提取肤色特征；最后在之后的每帧中分析该区域，验证其是否满足颜色条件；如果不满足，则判定人体离开。人体检测区域初始化流程如图2所示。首先使用预先训练好的人脸检测分类器，结合头部轮廓模板，检测出人体头部位置；然后根据数据统计分析，即可由头部位置确定人体离开检测区域。人体肤色提取流程如图3所示。在初始化检测区域之后，首先对检测区域进行颜色聚类；然后根据头部位置可以确定肤色类别的范围，进而求取肤色信息直方图特征；最后将直方图特征映射到HSV颜色空间，得到一组集中描述肤色信息的特征值。基于颜色特征分析的人体检测流程如图4所示。首先在初始化后的每帧中，将人体检测区域与人体肤色特征进行相似匹配，判断是否为类肤色点；然后统计整个区域的类肤色点，得到匹配区域，如果小于阈值，则判定人体离开。应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，比如更改应用领域等，而所有这些改进和变换都应属于本专利技术所附权利要求的保护范围。本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本文档来自技高网...

【技术保护点】
一种人体离开可靠检测方法，包括人体检测区域初始化、基于肤色聚类的人体肤色提取、基于颜色特征分析的人体检测三部分，其特征在于，具体内容如下：(1)、基于人脸检测和头部轮廓的人体检测区域初始化判断人体是否离开必须指定一个参照区域，如果将整个视频画面作为检测区域，则无法区分同一画面多个人体，并且会增加计算量，降低处理速度，本专利技术中，将初次检测到的人体上半身区域作为后续的检测区域，确定该区域的具体步骤如下：Step1.1：使用预先训练好的基于深度学习的人脸检测分类器，结合头部轮廓模板，检测出人体头部位置；Step1.2：假设人体的头部区域左上角坐标为x1,y1，宽和高分别为w1、h1；人体的上半身区域左上角坐标为x2，y2，宽和高分别为w2、h2；则根据数据统计规律，可大致估计出人体上半身位置：x2＝x1‑w1y2＝y1‑h1/4w2＝w1×3h2＝h1×15/4(2)、基于肤色聚类的人体肤色提取根据人体肤色检测人体目标，在初始化人体检测区域之后，对该帧该区域使用肤色聚类，得到一组基于HSV颜色空间的特征值，用来描述人体肤色信息，具体步骤如下：Step2.1：对初始化后的人体检测区域进行颜色聚类；Step2.2：根据头部位置定位肤色范围，获取肤色信息直方图特征；Step2.3：将肤色信息直方图特征映射到HSV颜色空间，得到一组集中描述肤色信息的特征值；(3)、基于颜色特征分析的人体检测对于人体离开检测区域，分析其颜色特征，与人体肤色特征进行匹配，具体步骤如下：Step3.1：针对人体检测区域，逐像素与人体肤色特征进行匹配；Step3.2：统计类肤色点数，如果类肤色点数小于阈值Th，则判定人体离开。...

【技术特征摘要】
1.一种人体离开可靠检测方法，包括人体检测区域初始化、基于肤色聚类的人体肤色提取、基于颜色特征分析的人体检测三部分，其特征在于，具体内容如下：(1)、基于人脸检测和头部轮廓的人体检测区域初始化判断人体是否离开必须指定一个参照区域，如果将整个视频画面作为检测区域，则无法区分同一画面多个人体，并且会增加计算量，降低处理速度，本发明中，将初次检测到的人体上半身区域作为后续的检测区域，确定该区域的具体步骤如下：Step1.1：使用预先训练好的基于深度学习的人脸检测分类器，结合头部轮廓模板，检测出人体头部位置；Step1.2：假设人体的头部区域左上角坐标为x1,y1，宽和高分别为w1、h1；人体的上半身区域左上角坐标为x2，y2，宽和高分别为w2、h2；则根据数据统计规律，可大致估计出人体上半身位置：x2＝x1-w1y2＝y1-h1/4w2＝w1×3h2＝h1×15/4(2)、基于肤色聚类的人...

【专利技术属性】
技术研发人员：谢昌颐，李健夫，
申请(专利权)人：湖南穗富眼电子科技有限公司，
类型：发明
国别省市：湖南;43