一种基于特征识别的图像人体行为检测方法技术

本发明专利技术涉及一种基于特征识别的图像人体行为检测方法，能够从图像或者视频中提取出人体区域，并且识别出是哪种人体行为,由于本发明专利技术的算法计算比较迅速,可以对实时视频进行实时采样分析,采样可达到1秒1次的效果,方案能够满足实时性要求高的应用场景；同时本发明专利技术可方便的管理样本，在样本数量增加的时候，准确率也能相应的提高。

【技术实现步骤摘要】
一种基于特征识别的图像人体行为检测方法
本专利技术涉及一种基于特征识别的图像人体行为检测方法，属于视频分析

技术介绍
传统的视频分析算法，主要包括穿越警戒区域、进入区域检测、离开区域检测、徘徊检测、聚集检测、交通拥挤检测、非法停车检测、车辆逆行检测、物品丢失检测、物品遗留检测等。分析的主题在于区域和物体，分析的重点在于视频中的空间状态。随着对视频分析的需求不断的提升，逐步要求计算机系统要看懂当前的场景，因而出现了新的视频分析算法，例如车牌识别、人脸识别、机器视觉、行为分析等，但现有的检测方法，系统复杂，准确率低。
技术实现思路
本专利技术所要解决的技术问题是提供一种从视频数据中识别出人员，并能够准确分析出人员具体行为的基于特征识别的图像人体行为检测方法。本专利技术为了解决上述技术问题采用以下技术方案：本专利技术设计了一种基于特征识别的图像人体行为检测方法，包括如下步骤：步骤A.由视频图像帧中获取预设各类人体行为分别所对应的样本人体区域图像集，以及获得预设各类人体行为所在视频图像帧中的样本背景区域图像集；并针对样本背景区域图像集和各个样本人体区域图像集中的各个样本图像进行归一化操作，更新样本背景区域图像集和各个样本人体区域图像集，然后进入步骤B；步骤B.针对样本背景区域图像集和各个样本人体区域图像集中的各个样本图像，进行预设类型特征提取，获得各个样本人体区域图像集所对应的各个特征，构成正样本特征集，以及获得样本背景区域图像集所对应的各个特征，构成负样本特征集，然后进入步骤C；步骤C.基于正样本特征集和负样本特征集，针对分类器进行训练，获得经过训练的分类器，然后进入步骤D；步骤D.针对待检测视频图像帧进行归一化操作，接着针对待检测视频图像帧进行预设类型特征提取，并根据待检测视频图像帧所对应的特征，通过经过训练的分类器，获得待检测视频图像中人体区域图像的特征，然后进入步骤E；步骤E.根据预设各类人体行为分别所对应样本人体区域图像集的特征，采用二叉树方法，针对待检测视频图像中人体区域图像的特征进行分析，获得待检测视频图像中人体所对应的人体行为类型。作为本专利技术的一种优选技术方案：所述步骤A中，首先针对视频图像帧进行灰度化预处理，然后由视频图像帧中获取预设各类人体行为分别所对应的样本人体区域图像集，以及获得预设各类人体行为所在视频图像帧中的样本背景区域图像集；所述步骤D中，首先针对视频图像帧进行灰度化预处理，然后针对待检测视频图像帧进行预设类型特征提取。作为本专利技术的一种优选技术方案：所述步骤A中，针对样本背景区域图像集和各个样本人体区域图像集中的各个样本图像进行归一化操作，以及所述步骤D中，针对待检测视频图像帧进行归一化操作，该归一化操作包括尺寸空间归一化操作和颜色空间归一化操作。作为本专利技术的一种优选技术方案：所述颜色空间归一化操作采用Gamma校正法进行操作。作为本专利技术的一种优选技术方案：所述步骤B中，针对样本背景区域图像集和各个样本人体区域图像集中的各个样本图像，进行HOG特征提取。作为本专利技术的一种优选技术方案：所述HOG特征提取包括如下步骤：步骤（1）计算获得图像中各个像素的梯度；步骤（2）基于图像像素，针对图像进行划分，获得各个单元；步骤（3）分别针对图像中的各个单元进行梯度直方图统计，获得各个单元分别所对应梯度划分区间数维度的特征向量；步骤（4）基于图像中的单元，针对图像进行划分，获得各个块，并分别针对各个块，将块中各个单元分别所对应的特征向量进行串联，构成块所对应的HOG特征，进而获得图像中各个块分别所对应的HOG特征；步骤（5）将图像中各个块分别所对应的HOG特征进行串联，构成图像所对应的HOG特征。作为本专利技术的一种优选技术方案：所述步骤C中，基于正样本特征集和负样本特征集，针对SVM分类器进行训练，获得经过训练的SVM分类器。本专利技术所述一种基于特征识别的图像人体行为检测方法的应用系统，采用以上技术方案与现有技术相比，具有以下技术效果：本专利技术所设计基于特征识别的图像人体行为检测方法，能够从图像或者视频中提取出人体区域，并且识别出是哪种人体行为,由于本专利技术的算法计算比较迅速,可以对实时视频进行实时采样分析,采样可达到1秒1次的效果,方案能够满足实时性要求高的应用场景；同时本专利技术可方便的管理样本，在样本数量增加的时候，准确率也能相应的提高。附图说明图1是本专利技术基于特征识别的图像人体行为检测方法的流程示意图。具体实施方式下面结合说明书附图对本专利技术的具体实施方式作进一步详细的说明。本专利技术设计了一种基于特征识别的图像人体行为检测方法，在实际应用当中，如图1所示，具体包括如下步骤：步骤A.首先针对视频图像帧进行灰度化预处理，然后由视频图像帧中获取预设各类人体行为分别所对应的样本人体区域图像集，以及获得预设各类人体行为所在视频图像帧中的样本背景区域图像集；并针对样本背景区域图像集和各个样本人体区域图像集中的各个样本图像进行尺寸空间归一化操作和颜色空间归一化操作，更新样本背景区域图像集和各个样本人体区域图像集，然后进入步骤B，其中，颜色空间归一化操作采用Gamma校正法进行操作，目的是调节图像的对比度，降低图像局部的阴影和光照变化所造成的影响，同时可以抑制噪音的干扰。步骤B.针对样本背景区域图像集和各个样本人体区域图像集中的各个样本图像，进行HOG特征提取，获得各个样本人体区域图像集所对应的各个特征，构成正样本特征集，以及获得样本背景区域图像集所对应的各个特征，构成负样本特征集，然后进入步骤C。上述HOG特征提取包括如下步骤：步骤（1）计算获得图像中各个像素的梯度，主要是为了捕获轮廓信息，同时进一步弱化光照的干扰；步骤（2）基于图像像素，针对图像进行划分，获得各个单元；步骤（3）分别针对图像中的各个单元进行梯度直方图统计，获得各个单元分别所对应梯度划分区间数维度的特征向量；步骤（4）基于图像中的单元，针对图像进行划分，获得各个块，并分别针对各个块，将块中各个单元分别所对应的特征向量进行串联，构成块所对应的HOG特征，进而获得图像中各个块分别所对应的HOG特征；步骤（5）将图像中各个块分别所对应的HOG特征进行串联，构成图像所对应的HOG特征。基于上述HOG特征提取的步骤，在实际应用中，具体如下：把图像分割为若干个像素的单元（cell），把梯度方向平均划分为9个区间（bin），在每个单元里面对所有像素的梯度方向在各个方向区间进行直方图统计，得到一个9维的特征向量，每相邻的4个单元构成一个块（block），把一个块内的特征向量联起来得到36维的特征向量，用块对图像进行扫描，扫描步长为一个单元。最后将所有块的特征串联起来，就得到了图像的特征，特征维数n=窗口块数块中胞元数向量维数（bin）。具体实际应用中，对于64*128的图像而言，每8*8的像素组成一个cell，每2*2个cell组成一个块，因为每个cell有9个特征，所以每个块内有4*9=36个特征，以8个像素为步长，那么，水平方向将有7个扫描窗口，垂直方向将有15个扫描窗口。也就是说，64*128的图片，总共有36*7*15=3780个特征。步骤C.基于正样本特征集和负样本特征集，针对SVM分类器进行训练，获得经过训练的SVM分类器，然后进入步骤D。步骤D.首本文档来自技高网...

【技术保护点】
一种基于特征识别的图像人体行为检测方法，其特征在于，包括如下步骤：步骤A. 由视频图像帧中获取预设各类人体行为分别所对应的样本人体区域图像集，以及获得预设各类人体行为所在视频图像帧中的样本背景区域图像集；并针对样本背景区域图像集和各个样本人体区域图像集中的各个样本图像进行归一化操作，更新样本背景区域图像集和各个样本人体区域图像集，然后进入步骤B；步骤B. 针对样本背景区域图像集和各个样本人体区域图像集中的各个样本图像，进行预设类型特征提取，获得各个样本人体区域图像集所对应的各个特征，构成正样本特征集，以及获得样本背景区域图像集所对应的各个特征，构成负样本特征集，然后进入步骤C；步骤C. 基于正样本特征集和负样本特征集，针对分类器进行训练，获得经过训练的分类器，然后进入步骤D；步骤D. 针对待检测视频图像帧进行归一化操作，接着针对待检测视频图像帧进行预设类型特征提取，并根据待检测视频图像帧所对应的特征，通过经过训练的分类器，获得待检测视频图像中人体区域图像的特征，然后进入步骤E；步骤E. 根据预设各类人体行为分别所对应样本人体区域图像集的特征，采用二叉树方法，针对待检测视频图像中人体区域图像的特征进行分析，获得待检测视频图像中人体所对应的人体行为类型。...

【技术特征摘要】
1.一种基于特征识别的图像人体行为检测方法，其特征在于，包括如下步骤：步骤A.由视频图像帧中获取预设各类人体行为分别所对应的样本人体区域图像集，以及获得预设各类人体行为所在视频图像帧中的样本背景区域图像集；并针对样本背景区域图像集和各个样本人体区域图像集中的各个样本图像进行归一化操作，更新样本背景区域图像集和各个样本人体区域图像集，然后进入步骤B；步骤B.针对样本背景区域图像集和各个样本人体区域图像集中的各个样本图像，进行预设类型特征提取，获得各个样本人体区域图像集所对应的各个特征，构成正样本特征集，以及获得样本背景区域图像集所对应的各个特征，构成负样本特征集，然后进入步骤C；步骤C.基于正样本特征集和负样本特征集，针对分类器进行训练，获得经过训练的分类器，然后进入步骤D；步骤D.针对待检测视频图像帧进行归一化操作，接着针对待检测视频图像帧进行预设类型特征提取，并根据待检测视频图像帧所对应的特征，通过经过训练的分类器，获得待检测视频图像中人体区域图像的特征，然后进入步骤E；步骤E.根据预设各类人体行为分别所对应样本人体区域图像集的特征，采用二叉树方法，针对待检测视频图像中人体区域图像的特征进行分析，获得待检测视频图像中人体所对应的人体行为类型。2.根据权利要求1所述一种基于特征识别的图像人体行为检测方法，其特征在于：所述步骤A中，首先针对视频图像帧进行灰度化预处理，然后由视频图像帧中获取预设各类人体行为分别所对应的样本人体区域图像集，以及获得预设各类人体行为所在视频图像帧中的样本背景区域图像集；所述步骤D中，首先针对视频图像帧进行灰度化预处理，然后...

【专利技术属性】
技术研发人员：耿恺频，孙光，蒲璐，
申请(专利权)人：南京亚兴为信息技术有限公司，
类型：发明
国别省市：江苏,32