一种电梯中目标的检测方法技术

本发明专利技术公开了一种电梯中目标的检测方法，属于电梯监控领域。该方法包括获取第一图像序列，利用第一图像序列SVM分类器；获取第二图像序列，从第二图像序列中获取目标区域图像；针对目标区域图像计算图HOG特征；将目标区域图像的HOG特征输入SVM分类器，检测SVM分类器的输出结果是否小于第一预定阈值；若输出结果大于等于第一预定阈值，则确定目标区域图像包括预定目标；若输出结果小于第一预定阈值，则确定目标区域图像不包括预定目标；解决了难以自动化地实时从电梯监控视频中识别出预定目标，需要特定工作人员实时观看电梯视频监控的问题；达到了提高电梯监控视频中预定目标检测的效率和识别率，提高电梯运行安全的效果。

A method of detecting the target in the elevator

The invention discloses a detection method of a target in an elevator, which belongs to the field of elevator monitoring. The method includes obtaining a first image sequence, using the first image sequence SVM classifier; obtaining second image sequences, obtain the target image from second image sequences; target image calculation diagram of HOG characteristics; the HOG feature SVM classifier input target image, detecting the output of SVM classifier results is less than a first predetermined threshold; if the output the result is equal to or greater than a first predetermined threshold, then determines the target region image includes a predetermined target; if the output is less than a first predetermined threshold, then determines the target region image includes a predetermined target; solves automatically in real time from the elevator in video surveillance to identify the target, specific staff real-time viewing of video surveillance lift reached the problem; the predetermined target detection efficiency and recognition rate of elevator monitoring video, improve electric The effect of the ladder running safety.

【技术实现步骤摘要】
一种电梯中目标的检测方法
本专利技术实施例涉及电梯监控领域，特别涉及一种电梯中目标的检测方法。
技术介绍
随着经济的发展，电梯在居民小区中的使用越来越多，电梯中通常安装有监控设备用于监控电梯内的环境，识别电梯监控视频中的目标是保证电梯运行安全的重要内容。相关技术中，识别视频中的目标涉及对图像进行预处理，即尽可能在不改变图像承载的本质信息的前提下，令每张图片的颜色分布、整体明暗、尺寸大小等表观特性抑制，目标特征提取，即对图像包括的数据进行变换得到反映分类本质的特征，目标检测，即使用各种匹配算法，根据从图像中已经提取的特征识别出目标。然而，针对电梯中目标检测的方法中能够达到应用级别的很少，大部分对电梯中目标的识别率高的方法比较复杂，难以对电梯监控视频进行实时处理。
技术实现思路
为了解决现有技术的问题，本专利技术实施例提供了一种电梯中目标的检测方法。该技术方案如下：第一方面，提供了一种电梯中目标的检测方法，该方法包括：获取第一图像序列，利用所述第一图像序列训练支持向量机SVM分类器；获取第二图像序列，从所述第二图像序列中获取目标区域图像；针对所述目标区域图像，计算方向梯度直方图HOG特征；将所述目标区域图像的HOG特征输入所述SVM分类器，检测所述SVM分类器的输出结果是否小于第一预定阈值；若所述SVM分类器的输出结果大于等于所述第一预定阈值，则确定所述目标区域图像包括所述预定目标；若所述SVM分类器的输出结果小于所述第一预定阈值，则确定所述目标区域图像不包括所述预定目标。可选的，所述利用所述第一图像序列训练支持向量机SVM分类器，包括：对所述第一图像序列中的每张图像，利用改进中值滤波方法进行图像预处理；从经过预处理的所述图像中选取m张正样本图像和n张负样本图像，所述正样本图像中包括所述预定目标，所述负样本图像中不包括所述预定目标；针对每张所述正样本图像和每张所述负样本图像，计算HOG特征；将所述m张正样本图像的HOG特征和所述n张负样本图像的HOG特征作为SVM的输入值，训练所述SVM得到所述SVM分类器，所述SVM分类器的核函数为径向基RBF函数。可选的，所述从所述第二图像序列中获取目标区域图像，包括：对所述第二图像序列中的每张图像，利用改进中值滤波方法进行图像预处理；根据经过图像预处理后的所述第二图像序列确定背景图像；按如下公式确定所述第二图像序列中的图像的运动区域：其中，Bt(x,y)表示运动区域，It(x,y)表示像素点(x，y)在t时刻的图像中的值，BKGt(x,y)表示像素点(x，y)在所述背景图像中的值，τ为第二预定阈值；在HSV颜色空间，根据相邻帧图像的所述像素点(x，y)在H通道、S通道、V通道的变化特征滤除所述运动区域中的阴影；对滤除阴影后的所述运动区域进行形态学操作，得到所述目标区域图像。可选的，所述计算HOG特征，包括：按如下公式对图像进行Gamma校正：f(I)＝Iγ，其中，I表示图像中每个像素点(x，y)的像素值，γ＝Gamma；计算经过Gamma校正后的所述图像中每个像素点的梯度幅值和梯度方向；采用一维中心对称模板，将所述图像分为若干个单元格；每个单元格包括p*p个像素点，每k*k个单元格为一个块；将0°至180°平均分为h个方向通道；根据所述单元格中每个所述像素点的梯度幅值和梯度方向统计出方向梯度直方图，以所述h个方向通道为所述方向梯度直方图的横坐标，以所述h个方向通道中的每个方向通道中的像素点的梯度幅值的累加和为所述方向梯度直方图的纵坐标；根据所述方向梯度直方图确定h个梯度向量；根据所述梯度向量对应的像素点所在的块，将所述梯度向量划分为若干个过渡梯度向量；对每个块内的梯度向量进行归一化处理，并将经过归一化处理后的过渡梯度向量连接起来，得到所述HOG特征。可选的，所述计算所述图像中每个像素点的梯度幅值和梯度方向，包括：按如下公式计算所述每个像素点的水平方向梯度：Gx(x,y)＝H(x+1,y)-H(x-1,y)；按如下公式计算所述每个像素点的竖直方向梯度：Gy(x,y)＝H(x,y+1)-H(x,y-1)；根据所述水平方向梯度和所述竖直方向梯度，按如下公式计算所述每个像素点的梯度幅值：根据所述水平方向梯度和所述竖直方向梯度，按如下公式计算所述每个像素点的梯度方向：其中，Gx(x,y)表示像素点(x，y)处的水平方向梯度，Gy(x,y)表示像素点(x，y)处的竖直方向梯度，H(x,y)表示像素点(x，y)处的像素值。可选的，所述利用改进中值滤波方法进行图像预处理，包括：利用如下公式将所述图像转化为灰度图像：Gray＝a*R+b*G+c*B，其中，R表示像素点的红色分量，G表示像素点的绿色分量，B表示像素点的蓝色分量，Gray表示像素点灰度值；利用如下公式对所述灰度图像进行改进中值滤波处理，得到经过预处理的图像：f(x,y)＝median{g(s,z)},(s,z)∈Sxy，其中，f(x,y)为经过改进中值滤波后输出的像素点灰度值，median为取中值函数，g(x,y)为相邻的像素点灰度值，Sxy为相邻像素点的坐标集合。本专利技术实施例提供的技术方案带来的有益效果是：通过获取第一图图像序列，利用第一图像序列训练SVM分类器，获取第二图像序列，从给第二图像序列中获取目标区域图像，针对目标区域图像计算HOG特征，将目标区域图像的HOG特征输入SVM分类器，根据SVM分类器的结果确定目标区域是否包括预定目标，解决了难以自动化地实时从电梯监控视频中识别出预定目标，需要特定工作人员实时观看电梯视频监控的问题；达到了提高电梯监控视频中预定目标检测的效率和识别率，提高电梯运行安全的效果。附图说明为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1是根据一示例性实施例示出的一种电梯中目标的检测方法的流程图；图2是根据另一示例性实施例示出的一种电梯中目标的检测方法的流程图。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术实施方式作进一步地详细描述。请参考图1，其示出了本专利技术一个实施例提供的电梯中目标的检测方法的流程图。如图1所示，该电梯中目标的检测方法可以包括以下步骤：步骤101，获取第一图像序列，利用第一图像序列训练SVM(SupportVectorMachine，支持向量机)分类器。第一图像序列是电梯轿厢中设置的监控设备获取的，第一图像序列中的图像包括静止不动的背景和变化、运动的物体。第一图像序列包括包含预定目标的图像和不包含预定目标的图像。利用第一序列中包含预定目标的图像和不包含预定目标的图像训练SVM分类器。可选的，可以训练多个SVM分类器；一种预定目标用于训练一个分类器，该分类器用于识别图像中是否包括该预定目标。步骤102，获取第二图像序列，从第二图像序列中获取目标区域图像。第二序列是电梯轿厢中设置的监控设备获取的，第二图像序列中的图像包括静止不动的背景和变化、运动的物体。第二图像序列与第一图像序列不同。步骤103，针对目标区域图像，计算HOG(HistogramofOri本文档来自技高网...

【技术保护点】
一种电梯中目标的检测方法，其特征在于，所述方法包括：获取第一图像序列，利用所述第一图像序列训练支持向量机SVM分类器；获取第二图像序列，从所述第二图像序列中获取目标区域图像；针对所述目标区域图像，计算方向梯度直方图HOG特征；将所述目标区域图像的HOG特征输入所述SVM分类器，检测所述SVM分类器的输出结果是否小于第一预定阈值；若所述SVM分类器的输出结果大于等于所述第一预定阈值，则确定所述目标区域图像包括所述预定目标；若所述SVM分类器的输出结果小于所述第一预定阈值，则确定所述目标区域图像不包括所述预定目标。

【技术特征摘要】
1.一种电梯中目标的检测方法，其特征在于，所述方法包括：获取第一图像序列，利用所述第一图像序列训练支持向量机SVM分类器；获取第二图像序列，从所述第二图像序列中获取目标区域图像；针对所述目标区域图像，计算方向梯度直方图HOG特征；将所述目标区域图像的HOG特征输入所述SVM分类器，检测所述SVM分类器的输出结果是否小于第一预定阈值；若所述SVM分类器的输出结果大于等于所述第一预定阈值，则确定所述目标区域图像包括所述预定目标；若所述SVM分类器的输出结果小于所述第一预定阈值，则确定所述目标区域图像不包括所述预定目标。2.根据权利要求1所述的方法，其特征在于，所述利用所述第一图像序列训练支持向量机SVM分类器，包括：对所述第一图像序列中的每张图像，利用改进中值滤波方法进行图像预处理；从经过预处理的所述图像中选取m张正样本图像和n张负样本图像，所述正样本图像中包括所述预定目标，所述负样本图像中不包括所述预定目标；针对每张所述正样本图像和每张所述负样本图像，计算HOG特征；将所述m张正样本图像的HOG特征和所述n张负样本图像的HOG特征作为SVM的输入值，训练所述SVM得到所述SVM分类器，所述SVM分类器的核函数为径向基RBF函数。3.根据权利要求1所述的方法，其特征在于，所述从所述第二图像序列中获取目标区域图像，包括：对所述第二图像序列中的每张图像，利用改进中值滤波方法进行图像预处理；根据经过图像预处理后的所述第二图像序列确定背景图像；按如下公式确定所述第二图像序列中的图像的运动区域：其中，Bt(x,y)表示运动区域，It(x,y)表示像素点(x，y)在t时刻的图像中的值，BKGt(x,y)表示像素点(x，y)在所述背景图像中的值，τ为第二预定阈值；在HSV颜色空间，根据相邻帧图像的所述像素点(x，y)在H通道、S通道、V通道的变化特征滤除所述运动区域中的阴影；对滤除阴影后的所述运动区域进行形态学操作，得到所述目标区域图像。4.根据权利要求1或2所述的方法，其特征在于，所述计算HOG特征，包括：按如下公式对图像进行Gamma校正：f(I)＝Iγ，其中，I表示图像中每个像素点(x，y)的像素值，γ＝Gamma；计算经...

【专利技术属性】
技术研发人员：张媛，蒋铁锁，宋建宁，周志勇，邹海洋，华志超，臧坤，
申请(专利权)人：江苏省特种设备安全监督检验研究院，
类型：发明
国别省市：江苏,32