一种基于时空体运动轮廓特征的行人检测方法技术

本发明专利技术属于视频图像处理技术领域，并提供了一种基于时空域运动轮廓特征的行人检测方法，包括：S1、使用三维Haar滤波器提取训练样本集中的时空体的三维Haar特征向量；S2、基于Gentle Adaboost级联算法对所述三维Haar特征向量进行训练，得到行人级联分类器；S3、利用行人级联分类器对自监控区域获取的输入图像进行行人检测；S4、基于EKM算法对步骤S3中检测到的行人进行跟踪和计数。通过计算训练样本集中的三维Haar特征向量，并通过优化的利用行人级联分类器对监控区域中的行人进行检测，有效地提高了在公共区域内对行人进行人数统计的效率与准确度。

【技术实现步骤摘要】

本专利技术属于计算机视频图像处理
，特别涉及一种基于时空体运动轮廓特征的行人检测方法，用于对公共区域中的行人数量进行精确统计。
技术介绍
随着计算机技术和图像处理技术的发展，基于视频的智能监控系统得到了广泛的应用。在保障社会公共安全和交通安全方面、保护人民生命财产安全方面、在工业控制领域保障安全生产和产品检测方面以及有关商业领域方面都发挥着巨大的作用。目前，智能视频监控系统的应用主要在安全防控领域和非安全防控领域。公共场所人群监控、道路交通安全监控、工业生产安全监控等都属于安全防控领域的应用。非安全领域有：商业领域、工业产品检测、公共交通系统等。人数流量的统计信息对于很多行业有着重要的作用，他们可以利用人流量信息协助管理，合理的配置人力、物力从而高效利用有限的资源，或者根据统计的人流信息合理的控制人群密度防止人群的过度拥挤而发生安全事故。例如对于大型体育场馆、展览馆、大型建筑，人数信息可以帮助管理部门评估提供的服务设施是否够用、是否方便、是否建设的合理(例如：座椅、公共卫生设施等)，从而适时配置资源提高建筑设施的利用率。也可将人流信息提供给建筑设计单位为建筑合理设计提供参考信息。然而，在实际使用中，基于行人轮廓的一维描述的现有技术在识别效率与检测精度上都不甚理想。因此，有必要对现有技术中的行人检测方法提出改进。
技术实现思路
本专利技术的目的在于公开一种基于时空域运动轮廓特征的行人检测方法，用以提高对公共区域内对行人进行人数统计的效率与准确度。为实现上述专利技术目的，本专利技术提供了一种基于时空体运动轮廓特征的行人检测方法，包括以下步骤：S1、使用三维Haar滤波器提取训练样本集中的时空体的三维Haar特征向量；S2、基于GentleAdaboost级联算法对所述三维Haar特征向量进行训练，得到行人级联分类器；S3、利用行人级联分类器对自监控区域获取的输入图像进行行人检测；S4、基于EKM算法对步骤S3中检测到的行人进行跟踪和计数。作为本专利技术的进一步改进，所述训练样本集包括正样本集与负样本集，所述正样本集由若干包含行人区域图像的正样本组成，所述负样本集由若干不包含和/或不完全包含行人区域图像的负样本组成。作为本专利技术的进一步改进，所述步骤S1具体为：S11.将相邻的5帧正样本或负样本定义为时空体并进行空间和时间的梯度变换，以将时空体的轮廓转化为距离变换时空体；S12.对距离变换时空体进行积分运算得到积分体，并计算积分体内的像素值之和；S13.利用三维Haar滤波器与积分体进行卷积，得到时空体的三维Haar特征向量。作为本专利技术的进一步改进，所述步骤S11中的正样本或负样本为像素大小为30×30的256阶灰度图像。作为本专利技术的进一步改进，所述步骤S12中的积分运算公式为：IV(x,y,t)=Σx′<x,y′<y,t′<tD(x′,y′,t′);]]>其中，IV(x，y，t)为积分体，D(x′，y′，t′)为距离变换时空体。作为本专利技术的进一步改进，所述积分体的区域为包含在距离变换时空体内的空间结构，所述积分体在(x，y，t)处的像素值之和为时空体中所有坐标值均小于(x，y，t)处的像素值之和。作为本专利技术的进一步改进，所述步骤S13中的三维Haar滤波器由用于提取行人静态运动特征的三个静态Haar滤波器S1、S2、S3，以及用于提取行人动态特征的四个动态Haar滤波器D1、D2、D3、D4共同组成。作为本专利技术的进一步改进，步骤S3中的所述“自监控区域所获取的输入图像”为通过摄像机获取监控区域的视频流图像，所述监控区域位于摄像机的正下方。作为本专利技术的进一步改进，步骤S4中的所述“EKM算法”具体为：根据连续的输入图像中前一帧目标位置的坐标，利用Kalman滤波来预测本帧输入图像中目标可能的坐标点，然后利用meanshift算法以估计到的坐标点为起始点进行迭代运算。与现有技术相比，本专利技术的有益效果是：通过计算训练样本集中的三维Haar特征向量，并通过优化的利用行人级联分类器对监控区域中的行人进行检测，有效地提高了对公共区域内对行人进行人数统计的效率与准确度。附图说明图1为本专利技术一种基于时空体运动轮廓特征的行人检测方法的流程示意图；图2为本专利技术所采用的七种三维Haar滤波器的示意图；图3为距离变换时空体内的积分体的示意图；图4为步骤S3中自监控区域获取视频流图像作为输入图像的示意图；图5为步骤S3中利用行人级联分类器对输入图像进行行人检测的示意图。具体实施方式下面结合附图所示的各实施方式对本专利技术进行详细说明，但应当说明的是，这些实施方式并非对本专利技术的限制，本领域普通技术人员根据这些实施方式所作的功能、方法、或者结构上的等效变换或替代，均属于本专利技术的保护范围之内。参图1所示的本专利技术一种基于时空域运动轮廓特征的行人检测方法的具体实施方式。由于行人在行走时头部与肩部的变化较小，基于易于检测方面的考虑，可将训练样本集定义为：只包含行头部和/或肩部的正样本集、不包含行人头部和/或肩部的负样本图集。在本实施方式中，首先执行步骤S1、使用三维Haar滤波器提取训练样本集中的时空体的三维Haar特征向量。具体的，该步骤S1具体包括以下子步骤。子步骤S11.将相邻的5帧正样本或负样本定义为时空体并进行空间和时间的梯度变换，以将时空体的轮廓转化为距离变换时空体。在本实施方式中，该训练样本集包括正样本集与负样本集；其中，该正/负样本集中的正/负样本为30×30像素的256阶灰度图像，所述正样本为包含行人区域的图像，所述负样本为不包含或者不完全包含行人区域的图像。进一步的，所谓不包含行人区域的图像，是指训练样本中完全不包含行人任何人体结构特征区域的图像；所谓不完全包含行人区域的图像，是指仅包含部分人体结构特征(例如，头、手、脚或者部分上述人体结构)区域的图像。为找到一种对行人进行有效描述的方式，本实施方式基于两个假设进行研究。假设一：行人的外观特征(静态特征)和运动特征(动态特征)相结合的描述方式可以提高行人检测器的判别能力；假设二：对于行人而言，基于梯度的描述方式相对于基于灰度的描述方式而言，具有更好的鲁棒性。基于第一种假设，由于考虑到行人在静止不动时的外观特征和在行走时的运动特征，在本实施方式中，将行人表示为时空体。其中，任意一个时空体都是由一组相邻的包含本文档来自技高网...

【技术保护点】
一种基于时空体运动轮廓特征的行人检测方法，其特征在于，包括以下步骤：S1、使用三维Haar滤波器提取训练样本集中的时空体的三维Haar特征向量；S2、基于Gentle Adaboost级联算法对所述三维Haar特征向量进行训练，得到行人级联分类器；S3、利用行人级联分类器对自监控区域获取的输入图像进行行人检测；S4、基于EKM算法对步骤S3中检测到的行人进行跟踪和计数。

【技术特征摘要】
1.一种基于时空体运动轮廓特征的行人检测方法，其特征在于，包括以下步骤：
S1、使用三维Haar滤波器提取训练样本集中的时空体的三维Haar特征向量；
S2、基于GentleAdaboost级联算法对所述三维Haar特征向量进行训练，得到行人级联分类器；
S3、利用行人级联分类器对自监控区域获取的输入图像进行行人检测；
S4、基于EKM算法对步骤S3中检测到的行人进行跟踪和计数。
2.根据权利要求1所述的行人检测方法，其特征在于，所述训练样本集包括正样本集与负样本集，所述正样本集由若干包含行人区域图像的正样本组成，所述负样本集由若干不包含和/或不完全包含行人区域图像的负样本组成。
3.根据权利要求1或2所述的行人检测方法，其特征在于，所述步骤S1具体为：
S11.将相邻的5帧正样本或负样本定义为时空体并进行空间和时间的梯度变换，以将时空体的轮廓转化为距离变换时空体；
S12.对距离变换时空体进行积分运算得到积分体，并计算积分体内的像素值之和；
S13.利用三维Haar滤波器与积分体进行卷积，得到时空体的三维Haar特征向量。
4.根据权利要求3所述的行人检测方法，其特征在于，所述步骤S11中的正样本或负样本为像素大小为...

【专利技术属性】
技术研发人员：吕楠，张丽秋，
申请(专利权)人：无锡慧眼电子科技有限公司，
类型：发明
国别省市：江苏;32