一种跨平台的对视频中行人检测并保存检测结果的方法技术

本发明专利技术公开了一种跨平台的对视频中行人检测并保存检测结果的方法，首先使用OpenCV库中的函数加载视频，并且自动触发检测分类器的检测函数；然后使用detectMultiScale开始检测过程；其次使用cvSetImageROI函数，通过检测过程中detectMultiScale级联分类器确定的坐标，截取出目标图像；最后使用编写的Mat2QImage函数，把OpenCV库中的Mat图像类型转化为Qt框架中的QImage类型，把检测的过程和截取的结果都显示在该发明专利技术的可视化界面上。本发明专利技术采用OpenCV库和Qt框架两个跨平台的技术，可以在包括手机系统在内的多种不同操作系统平台下运行。发明专利技术成果界面可视化，方便使用者观察是否有漏检，以免错过重要的信息。

A cross platform method for detecting and preserving detection results in video players

The invention discloses a method for cross platform video pedestrian detection and save the test results, the first use of video function to load the OpenCV library, and automatic detection function trigger detection; and then use the detectMultiScale to start the detection process; secondly using the cvSetImageROI function, through the coordinate detectMultiScale cascade classifier in the process of detection, interception the target image; finally use the Mat2QImage function to write, the Mat image type OpenCV library into the Qt framework in the QImage type, the interception process and detection results are displayed in the visual interface of the invention. The invention adopts the OpenCV library and the Qt framework, and has two cross platform technologies, and can be operated under a plurality of different operating system platforms, including a mobile phone system. Visualization of the invention interface is convenient for users to observe whether or not they have missed detection so as not to miss important information.

【技术实现步骤摘要】
一种跨平台的对视频中行人检测并保存检测结果的方法
本专利技术涉及计算机视觉领域，具体涉及基于OpenCV图像库和Qt框架中的QImage图像类的对于视频处理、图像中指定检测和分割以及结果的可视化显示。
技术介绍
随着科技的进步，监控摄像头已经遍布大街小巷，形成了一个巨大的监控网络，这些摄像头拍摄的监控视频可为公安部门提供侦破诸如商场盗窃、聚众斗殴等重大刑事案件的线索；同时也可为交通协管部门提供实时交通路况信息，方便其对交通进行监管。每当有情况发生时，目标对象一定会在移动过程中在各个摄像头下出现，有关部门需要在数量巨大的视频文件中找到所需的目标对象。很多时候，查看监控录像的目的就是从其中发现目标对象。目前，监控系统大多采用实时摄像加人工监控的方式进行监看，负责查看录像屏幕的人员必须长时间留意视频中事件场景的变化，这对工作人员来说是很大的挑战。研究表明，人在2小时的长时间注意力高度集中后大脑会疲劳，工作效率会降低。如果一些重要的信息被有关人员所遗漏忽略，将会严重影响了整个监控系统的作用。所以，行人再识别的研究应运而生。行人再识别是从没有任何重区域的不同摄像头的视频中识别出同一个人，可以用于刑侦、寻找失踪人员等工作。在一定时间内，一个行走的行人可能会经过相邻的若干个摄像头，如何识别出在不同摄像头下出现的同一个人，并绘制出该目标走过的路径，是行人再识别所研究的重点。目前行人再识别的输入源是图像中的行人。传统的行人检测的方法只是在图片或者视频中标出行人，这样的处理方式对于行人再识别系统来说没有很大的帮助，在进行再识别的过程中还需要消耗大量的计算资源，不利于工作效率的提高。
技术实现思路
本专利技术的目的在于提高行人再识别系统的工作效率，在传统的OpenCV库上实现创新，提出了一种检测视频中的行人，并且保存检测出的行人图片的一种方法。此方法不仅可以实现可视地观察检测的效果，而且可以把截取的图片输入到行人再识别的程序中，大幅度减少计算资源，并且显著提高行人再识别程序的工作效率。实验结果表明，对于同一个行人再识别程序，输入一组完整的图片需要19.18秒才能完成检测过程，而输入经过该专利技术截取之后的图片只需要5.62秒即可完成检测，并且再识别的结果也相同。同时，该专利技术也可以根据需要的精度以及计算机的性能，自行选择分类器，方便不同用户的使用。本专利技术采用的技术方案如下：一种跨平台的对视频中行人检测并保存检测结果的方法，包括加载待检测视频，对视频中的行人进行检测、对检测结果进行保存和可视化界面；具体的步骤如下：1)使用OpenCV库中的函数加载视频，并且自动触发检测分类器的检测函数；在检测分类器的使用上，使用Hog特征或者Haar特征的分类器，该分类器能够自行训练，或者采用已有的分类器，降低使用难度；在加载视频方面，运用OpenCV的视频加载函数，该函数将逐帧播放视频；2)使用detectMultiScale开始检测过程；首先把视频中的彩色图像使用OpenCV库中的cvtColor函数转化为灰阶图像，再使用equalizeHist函数进行直方图均衡化；在核心内容检测、截取和保存方面，运用OpenCV中的detectMultiScale检测方法进行多尺度检测，提高检测的准确率；运用rectangle函数在检测的视频中框出行人；rectangle函数在设置中，需要框出坐标为detectMultiScale中得到的具有目标对象的矩形坐标；同理，OpenCV中的cvSetImageROI函数和cvSaveImage函数针对的也是detectMultiScale中获得的坐标；3)使用cvSetImageROI函数，通过检测过程中detectMultiScale级联分类器确定的坐标，截取出目标图像；运用OpenCV中的cvSetImageROI函数，通过步骤2)中的detectMultiScale确定的坐标，把在检测过程中用矩形框出的部分截图，用cvSaveImage函数把截图保存在指定文件夹中；如果需要，用户可以到指定的文件夹中去提取所截取的图片；4)使用编写的Mat2QImage函数，把OpenCV库中的Mat图像类型转化为Qt框架中的QImage类型，把检测的过程和截取的结果都显示在该专利技术的可视化界面上。进一步，所述步骤2中，运用rectangle函数在检测的视频中框出行人时，设置缩放图像的大小为原图的1.1倍，设置每一个进行检测的矩形最多有15个邻接的矩形，设置标志位为0，规定最小的目标大小为26*74，最大的目标大小为70*174，超过该尺寸的目标不予检测。进一步，所述步骤4的具体过程为：在可视化方面，由于OpenCV的界面不美观，需要编写了一个Mat2QImage函数，将OpenCV库加载的视频图像转为为Qt框架中QImage类，用于可视化显示；在编写Mat2QImage函数中，同样采用cvtColor函数，将OpenCV视频加载函数得到的Mat类型的图像的BGR色彩空间转化为Qt中的QImage所采用的RGB色彩空间；然后根据图像是彩色图像或者灰阶图像，初始化QImage的颜色编码为Format_RGB888或者Format_Indexed8；步骤2)中使用的rectangle函数框出的区域也会在可视化界面上实时显示，位置位于检测视频的右侧，方便使用者实时观察运行的情况，避免遗漏重要的信息。进一步，还包括从选择待检测的视频文件，到检测的过程，再到截取的过程全程可视，方便使用者观察。本专利技术是一个基于OpenCV图像库和Qt中的QImage图像类的行人检测并截取和保存检测结果的方法，相对于目前已存在的主流的行人检测程序，其主要创新点有以下几部分：1、提出“把检测出的结果部分自动截图保存到指定文件夹中”这一概念并实现，去除待检测视频中不必要的内容，大大提高后续的行人再识别的工作效率。2、采用OpenCV库和Qt框架两个跨平台的技术，可以在包括手机系统在内的多种不同操作系统平台下运行。专利技术成果界面可视化，包括加载视频的过程、检测的过程以及截取的部分全部清晰可见。截取的部分显示在待检测视频的右侧，方便使用者观察是否有漏检，以免错过重要的信息。3、采用OpenCV库和Qt框架编写该专利技术，可以在包括手机系统在内的多种操作系统平台运行，具有强大的可移植性。附图说明下面结合附图和具体实施方式对本专利技术进一步详细说明。图1是本专利技术的实现原理流程图。图2为本专利技术的界面图。图3为专利技术运行完成后保存的图片。具体实施方式以下结合附图对专利技术的实施做进一步说明。图1为本专利技术的实现流程图。本专利技术的基本思想就是运用OpenCV进行视频加载、行人检测以及结果截取，运用Qt实现全程可视化操作，将视频中有价值的目标部分进行保存，去除视频中不必要的部分；同时可以在包括手机系统在内的多种操作系统平台运行，并且检测和截取的全程可视化，方便使用者监控检测结果，避免遗漏关键信息。其中，加载视频、检测目标和截取结果使用的是OpenCV库中的函数来自行调整参数。首先综合考虑计算机性能和需要的精度，选择检测要用的分类器。然后点击检测按钮，系统将会自动跳出文件夹对话框供使用者选择需要检测的视频。使用者选择完视频后，将会自动开始检测的过程，使用者可以在界面直观感受检测的过程，并且看到截本文档来自技高网...

【技术保护点】
一种跨平台的对视频中行人检测并保存检测结果的方法，其特征在于，包括加载待检测视频，对视频中的行人进行检测、对检测结果进行保存和可视化界面；具体的步骤如下：1)使用OpenCV库中的函数加载视频，并且自动触发检测分类器的检测函数；在检测分类器的使用上，使用Hog特征或者Haar特征的分类器，该分类器能够自行训练，或者采用已有的分类器，降低使用难度；在加载视频方面，运用OpenCV的视频加载函数，该函数将逐帧播放视频；2)使用detectMultiScale开始检测过程；首先把视频中的彩色图像使用OpenCV库中的cvtColor函数转化为灰阶图像，再使用equalizeHist函数进行直方图均衡化；在核心内容检测、截取和保存方面，运用OpenCV中的detectMultiScale检测方法进行多尺度检测，提高检测的准确率；运用rectangle函数在检测的视频中框出行人；rectangle函数在设置中，需要框出坐标为detectMultiScale中得到的具有目标对象的矩形坐标；同理，OpenCV中的cvSetImageROI函数和cvSaveImage函数针对的也是detectMultiScale中获得的坐标；3)使用cvSetImageROI函数，通过检测过程中detectMultiScale级联分类器确定的坐标，截取出目标图像；运用OpenCV中的cvSetImageROI函数，通过步骤2)中的detectMultiScale确定的坐标，把在检测过程中用矩形框出的部分截图，用cvSaveImage函数把截图保存在指定文件夹中；如果需要，用户可以到指定的文件夹中去提取所截取的图片；4)使用编写的Mat2QImage函数，把OpenCV库中的Mat图像类型转化为Qt框架中的QImage类型，把检测的过程和截取的结果都显示在该专利技术的可视化界面上。...

【技术特征摘要】
1.一种跨平台的对视频中行人检测并保存检测结果的方法，其特征在于，包括加载待检测视频，对视频中的行人进行检测、对检测结果进行保存和可视化界面；具体的步骤如下：1)使用OpenCV库中的函数加载视频，并且自动触发检测分类器的检测函数；在检测分类器的使用上，使用Hog特征或者Haar特征的分类器，该分类器能够自行训练，或者采用已有的分类器，降低使用难度；在加载视频方面，运用OpenCV的视频加载函数，该函数将逐帧播放视频；2)使用detectMultiScale开始检测过程；首先把视频中的彩色图像使用OpenCV库中的cvtColor函数转化为灰阶图像，再使用equalizeHist函数进行直方图均衡化；在核心内容检测、截取和保存方面，运用OpenCV中的detectMultiScale检测方法进行多尺度检测，提高检测的准确率；运用rectangle函数在检测的视频中框出行人；rectangle函数在设置中，需要框出坐标为detectMultiScale中得到的具有目标对象的矩形坐标；同理，OpenCV中的cvSetImageROI函数和cvSaveImage函数针对的也是detectMultiScale中获得的坐标；3)使用cvSetImageROI函数，通过检测过程中detectMultiScale级联分类器确定的坐标，截取出目标图像；运用OpenCV中的cvSetImageROI函数，通过步骤2)中的detectMultiScale确定的坐标，把在检测过程中用矩形框出的部分截图，用cvSaveImage函数把截图保存在指定文件夹中；如果需要，用户可以到指定的文件夹中去提取所截取的图...

【专利技术属性】
技术研发人员：羊立，张建明，许方洁，成科扬，
申请(专利权)人：江苏大学，
类型：发明
国别省市：江苏,32