一种室外行人实时检测方法技术

本发明专利技术涉及一种室外行人实时检测方法，包括：输入视频序列；输入当前视频帧s

Outdoor pedestrian real-time detection method

The invention relates to an outdoor pedestrian real-time detection method, comprising: inputting a video sequence; inputting the current video frame s;

【技术实现步骤摘要】
一种室外行人实时检测方法
本专利技术涉及目标检测
，具体涉及一种室外行人实时检测方法。
技术介绍
随着摄像头安装数量的日益增多，以及智慧城市和公共安全需求的日益增长，采用人工的视频监控方式已经远远不能满足需要，因此智能视频监控技术应运而生并迅速成为一个研究热点。在实际应用中，对室外环境的行人进行检测监控一直是研究的难点，这是因为室外环境复杂多变，存在光照变化、树叶摇晃、小动物(尤其是夜间灯光引来的飞虫)等干扰。在人体检测方法中目前最具影响力的方法是由Dalal等提出的梯度直方图(Histogramoforientedgradients，简称HOG)结合支持向量机(Supportvectormachine，简称SVM)分类器的人体检测方法。HOG描述图像的局部边缘梯度信息，对小量的偏移和光照变化具有很好的鲁棒性，缺点是维度较高，以致其提取速度很慢，计算时间比较长，影响实时性。针对静态图像识别应用场景，相关学者在特征提取、分类器的训练和分类等方面做出了不少改进。此外针对动态视频识别应用场景，也有相关学者提出将前景提取与人体识别相结合的方法，该方法是采用现有的某种前景检测算法定位图像中的感兴趣区域(regionofinteresting，简称ROI)，然后在此图像区域上通过HOG的方法进行人体识别。常用的前景检测方法有：背景差分法、帧间差分法、光流法、混合高斯背景建模法、视觉背景抽取法(VisualBackgroundextractor，简称ViBe)等。背景差分法和帧间差分法在复杂的环境中适应性不强，光流法计算复杂度较高，而应用较为广泛的混合高斯背景建模法也存在计算复杂、不适应变化较快的背景等问题。ViBe方法是一种高效的像素级背景建模算法，运算速度快且具有较强的鲁棒性，然而对于光线突变、大幅度树枝摇晃等较大背景变化仍然适应性不强。在室外环境中，受复杂的背景变化影响，前景检测的误报率比较高，在此基础上进行的行人检测仍然较难在实时性与准确性之间进行平衡。
技术实现思路
有鉴于此，有必要针对现有技术存在的问题，提出一种室外行人实时检测方法，该方法有效降低了光照突变、树枝大幅度摇晃等背景变化的干扰，提高了准确性的同时，也降低了无意义的行人检测次数，进而提高检测速度，在保证行人识别准确率的同时，提高了算法的执行速度，保证了实时性并具有较高的鲁棒性。为了实现上述目的，本专利技术的技术方案如下：一种室外行人实时检测方法，包括以下步骤：步骤S1，输入视频序列S＝{s1，s2，…，st}；步骤S2，输入当前视频帧st并将其缩小到指定尺寸得到压缩帧Ft；步骤S3，利用改进ViBe算法检测前景目标区域；步骤S4，根据前景检测结果更新背景帧；步骤S5，利用连通区域跟踪算法对前景目标进行跟踪；步骤S6，对于每一个前景目标跟踪对象，采用指定的逻辑规则选择性的执行步骤S7、步骤S8、步骤S9；步骤S7，利用背景差对当前跟踪目标的前景区域检测结果进行筛选；步骤S8，根据前景区域筛选结果在st中裁剪图像，并对该图像提取HOG特征；步骤S9，利用SVM分类器对HOG特征进行行人检测；进一步地，步骤S3中包括：步骤S31，前P帧压缩帧Ft采用多帧平均计算法，得到平均帧图A，计算方法如下式：步骤S32，根据前P帧得到的平均帧图A，初始化ViBe背景模型；步骤S33，从第P+1帧起，对压缩帧Ft进行前景检测并更新ViBe背景模型；步骤S34，对前景检测结果去噪，标记连通域区域作为最终的前景目标区域检测结果；进一步地，步骤S4中包括：步骤S41，将前P帧得到的平均帧图A作为背景帧B0；步骤S42，从第P+1帧起，统计最新Q帧的平均帧Ct，并利用该平均帧以及前景区域检测结果更新背景帧Bt，具体方法如下：步骤S421，从第P+1帧开始计算背景帧更新掩码maskt；此处x判断为前景/背景的依据来自基于改进ViBe的前景目标提取结果；步骤S422，根据更新掩码对背景帧进行更新：其中Bt-1为前一帧的背景帧，Ct为最新Q帧图像的平均帧；进一步地，步骤S6中指定的逻辑规则包括：规则1：对于前景目标的前V帧持续执行步骤S7、步骤S8、步骤S9；规则2：从前景目标的V+1帧开始，以R的频率间歇执行步骤S7、步骤S8、步骤S9；规则3：当一个前景跟踪对象的“累计成功检测行人个数”达到阈值后，判断该跟踪对象为行人，即可停止执行步骤S7、步骤S8、步骤S9；进一步地，步骤S7中包括：步骤S71，根据前景区域检测结果，将压缩帧Ft对应区域图与背景帧Bt对应区域图做差得到背景差图Dt，如下式：Dt(x)＝|Ft(x)-Bt(x)|；步骤S72，对背景差图Dt进行Otsu计算得到符合最大类间方差的最佳分割阈值，并判断该分割阈值是否大于“前景判断阈值”，若大于则判断该区域存在前景目标，通过筛选。有现有技术相比，本专利技术的方法有效降低了光照突变、树枝大幅度摇晃等背景变化的干扰，提高了准确性的同时，也降低了无意义的行人检测次数，进而提高检测速度，在保证行人识别准确率的同时，提高了算法的执行速度，保证了实时性并具有较高的鲁棒性。附图说明图1是室外行人实时检测方法的流程图。具体实施方式下面结合附图和实施例对本专利技术所述的一种室外行人实时检测方法作进一步说明。如图1所述，为本专利技术的一种室外行人实时检测方法的工作流程，具体包括一下步骤：步骤S1，输入视频序列s＝{s1，s2，…，st}；步骤S2，输入当前视频帧st并将其缩小到指定尺寸得到压缩帧Ft；步骤S3，利用改进ViBe算法检测前景目标区域；步骤S4，根据前景检测结果更新背景帧；步骤S5，利用连通区域跟踪算法对前景目标进行跟踪；步骤S6，对于每一个前景目标跟踪对象，采用指定的逻辑规则选择性的执行步骤S7、步骤S8、步骤S9；步骤S7，利用背景差对当前跟踪目标的前景区域检测结果进行筛选；步骤S8，根据前景区域筛选结果在st中裁剪图像，并对该图像提取HOG特征；步骤S9，利用SVM分类器对HOG特征进行行人检测；在步骤S3中包括：步骤S31，前P帧压缩帧Ft采用多帧平均计算法，得到平均帧图A，计算方法如下式：步骤S32，根据前P帧得到的平均帧图A，初始化ViBe背景模型；步骤S33，从第P+1帧起，对压缩帧Ft进行前景检测并更新ViBe背景模型；步骤S34，对前景检测结果去噪，标记连通域区域作为最终的前景目标区域检测结果；在步骤S4中包括：步骤S41，将前P帧得到的平均帧图A作为背景帧B0；步骤S42，从第P+1帧起，统计最新Q帧的平均帧Ct，并利用该平均帧以及前景区域检测结果更新背景帧Bt，具体方法如下：步骤S421，从第P+1帧开始计算背景帧更新掩码maskt；此处x判断为前景/背景的依据来自基于改进ViBe的前景目标提取结果；步骤S422，根据更新掩码对背景帧进行更新：其中Bt-1为前一帧的背景帧，Ct为最新Q帧图像的平均帧；在步骤S6中指定的逻辑规则包括：规则1：对于前景目标的前V帧持续执行步骤S7、步骤S8、步骤S9；规则2：从前景目标的V+1帧开始，以R的频率间歇执行步骤S7、步骤S8、步骤S9；规则3：当一个前景跟踪对象的“累计成功检测行人个数”达到阈值后，判断该跟踪对象为行人，即可停止执行步骤S7、步骤S8、步骤S9本文档来自技高网...

【技术保护点】
一种室外行人实时检测方法，其特征在于，包括以下步骤：步骤S1，输入视频序列S＝{s

【技术特征摘要】
1.一种室外行人实时检测方法，其特征在于，包括以下步骤：步骤S1，输入视频序列S＝{s1，s2，…，st}；步骤S2，输入当前视频帧st并将其缩小到指定尺寸得到压缩帧Ft；步骤S3，利用改进ViBe算法检测前景目标区域；步骤S4，根据前景检测结果更新背景帧；步骤S5，利用连通区域跟踪算法对前景目标进行跟踪；步骤S6，对于每一个前景目标跟踪对象，采用指定的逻辑规则选择性的执行步骤S7、步骤S8、步骤S9；步骤S7，利用背景差对当前跟踪目标的前景区域检测结果进行筛选；步骤S8，根据前景区域筛选结果在st中裁剪图像，并对该图像提取HOG特征；步骤S9，利用SVM分类器对HOG特征进行行人检测。2.根据权利要求1所述的一种室外行人实时检测方法，其特征在于：步骤S3中包括：步骤S31，前P帧压缩帧Ft采用多帧平均计算法，得到平均帧图A，计算方法如下式：步骤S32，根据前P帧得到的平均帧图A，初始化ViBe背景模型；步骤S33，从第P+1帧起，对压缩帧Ft进行前景检测并更新ViBe背景模型；步骤S34，对前景检测结果去噪，标记连通域区域作为最终的前景目标区域检测结果。3.根据权利要求1所述的一种室外行人实时检测方法，其特征在于：步骤S4中包括：步骤S41，将前P帧得到的平均帧图A作为背景帧B0；步骤S42，从第P+1帧起，统计最新Q帧的平均帧C...

【专利技术属性】
技术研发人员：崔莹，陈升东，袁峰，李引，
申请(专利权)人：广州中国科学院软件应用技术研究所，
类型：发明
国别省市：广东,44