融合脸部检测与跟踪的汽车乘员计数方法技术

本发明专利技术涉及一种融合脸部检测与跟踪的汽车乘员计数方法，其特征在于：包括以下步骤：S1.对于车载摄像头拍摄的图像序列，首先采用AdaBoost脸部检测算法检测并获取乘员脸部在当前帧图像的位置；S2.使用Kalman滤波跟踪算法对乘员脸部在下一帧图像的位置进行预测；S3.使用AdaBoost脸部检测算法在下一帧图像预测的位置对乘员脸部进行检测；S4.通过步骤重复执行S2、S3实现对乘员脸部连续的跟踪；S5.统计跟踪的乘员脸部的数量，从而得到汽车内的乘员数量。

Vehicle occupant counting method integrating face detection and tracking

The invention relates to a combination of face detection and tracking of the vehicle occupant counting method, which comprises the following steps: S1. for vehicle camera image sequence, firstly using AdaBoost face detection algorithm to detect and obtain the crew face in the current frame image position; S2. using Kalman filter tracking algorithm to predict the occupant in the face the next frame image position; S3. face detection of occupant in the next frame image position prediction using AdaBoost face detection algorithm; S4. through the implementation of S2, repeat steps S3 to achieve continuous tracking of the number of passengers face; S5. statistical passenger tracking face, so as to get the number of passengers in the car.

【技术实现步骤摘要】
融合脸部检测与跟踪的汽车乘员计数方法
本专利技术涉及数字图像处理
，更具体地，涉及一种融合脸部检测与跟踪的汽车乘员计数方法。
技术介绍
现有的人数统计方法不计其数，它们均有其特定的应用场合：(1)基于人体形状建模的人数统计方法[1-3]，基本思想是根据人体结构的知识构造参数模型从而实现行人目标的检测计数，如WU和Nevati[4]提出的描述人体局部形状的edgelet特征，用AdaBoost学习头、躯干、腿和整个人体四个部分检测器，形成一个联合概率模型，结果显示检测准确率在误报率为10-4时达98％。这类方法依赖于人体可见且人体躯干特征明显的场景如大型广场、街道等。(2)利用人头顶部类圆的成像特点[5]或相对刚性的头肩部位[6]来检测并统计行人，如Zeng等[7]对LBP进行多个尺度的区域划分，然后用HOG和LBP进行组合提取行人头肩特征，得到高维的特征降维后进行人体检测，在误报率为10-4时检测准确率为89％。这类方法专注于摄像头俯拍的场景如公交车、地铁上下车门处。(3)基于统计回归的人数统计[8-9]，其原理是提取图像的低层特征，并通过适当的回归方法将其映射到统计人数，如覃本文档来自技高网...

【技术保护点】
一种融合脸部检测与跟踪的汽车乘员计数方法，其特征在于：包括以下步骤：S1.对于车载摄像头拍摄的图像序列，首先采用AdaBoost脸部检测算法检测并获取乘员脸部在当前帧图像的位置；S2.使用Kalman滤波跟踪算法对乘员脸部在下一帧图像的位置进行预测；S3.使用AdaBoost脸部检测算法在下一帧图像预测的位置对乘员脸部进行检测；S4.通过步骤重复执行S2、S3实现对乘员脸部连续的跟踪；S5.统计跟踪的乘员脸部的数量，从而得到汽车内的乘员数量。

【技术特征摘要】
1.一种融合脸部检测与跟踪的汽车乘员计数方法，其特征在于：包括以下步骤：S1.对于车载摄像头拍摄的图像序列，首先采用AdaBoost脸部检测算法检测并获取乘员脸部在当前帧图像的位置；S2.使用Kalman滤波跟踪算法对乘员脸部在下一帧图像的位置进行预测；S3.使用AdaBoost脸部检测算法在下一帧图像预测的位置对乘员脸部进行检测；S4.通过步骤重复执行S2、S3实现对乘员脸部连续的跟踪；S5.统计跟踪的乘员脸部的数量，从而得到汽车内的乘员数量。2.根据权利要求1所述的融合脸部检测与跟踪的汽车乘员计数方法，其特征在于：所述AdaBoost脸部检测算法检测乘员脸部的具体过程如下：S11.提取脸部Haar-like特征及非脸部的Haar-like特征，形成多个训练集；S12.对多个训练集进行N轮训练，并在每轮训练分别选取相应的弱分类器；S13.将N轮训练选取的弱分类器根据不同的权值组合起来，得到强分类器：其中，wi(x)为第i轮训练得到的弱分类器，αi为该分类器的权重；S14.根据步骤S11～S13的方法得到正脸分类器s1(x)和侧脸分类器s2(x)，将正脸分类器s1(x)和侧脸分类器s2(x)组合起来得到脸部分类器s(x)：s(x)＝s1(x)+s2(x)；S15.使用脸部分类器s(x)进行乘员脸部的检测。3.根据权利要求2所述的融合脸部检测与跟踪的汽车乘员计数方法，其特征在于：所述乘员脸部用矩形框表示；步骤S15中，若检测的两个或两个以上的乘员脸部之间存在重叠，则计算重叠面积的大小；若计算的数值大于设定的阈值，则判别为重复检测；此时保留面积最大的矩形框，而将重叠的其余矩形框删除。4.根据权利要求1所述的融合脸部检测与跟踪的汽车乘员计数方法，其特征在于：所述Kalman滤波跟踪算法对乘员脸部在下一帧图像的位置进行预测的具体过程如下：S21.首先建立起乘员脸部的状态方程和观测方程：状态方程：Xk＝AXk-1+wk观测方程：Zk＝HXk+vk其中Xk-1表示乘员脸部在当前帧图像的状态，Xk表...

【专利技术属性】
技术研发人员：李熙莹，黄秋筱，李国鸣，邓院昌，
申请(专利权)人：中山大学，
类型：发明
国别省市：广东,44