一种针对复杂背景的图像预处理技术制造技术

本发明专利技术公开了一种针对复杂背景的图像预处理技术，主要包括原始图像分割、人体目标检测、标注信息最大化、图像背景虚化等步骤，本发明专利技术通过对原始图像进行分割，根据人体检测分类器的检测结果进行区域锁定，进而做出无关区域白化的操作，对后续技术关键特征点的位置分布进行初步的范围划定，缩小了取样的范围，从而有效地提高了后续进行提取关键特征点时的取样效率。

【技术实现步骤摘要】
一种针对复杂背景的图像预处理技术
本专利技术属于图像处理与计算机视觉
，具体涉及一种针对复杂背景的图像预处理技术。
技术介绍
图像预处理是指在图像分析中，对输入图像进行特征抽取、分割和匹配前所进行的处理。图像预处理的主要目的是消除图像中无关的信息，恢复有用的真实信息，增强有关信息的可检测性和最大限度地简化数据，从而改进特征抽取、图像分割、匹配和识别的可靠性。现有图像预处理技术一般包括数字化、几何变换、归一化、颜色空间变换、图像平滑、图像增强。但是在讲座、会议、发布会以及学生教室等复杂背景的场景中，经现有的图像预处理方式处理后的图像在后续的人体姿态检测、情绪检测等技术的关键特征提取时，关键特征定位出现误差的几率较高，从而影响到整体效率和效果。结合现有的视频监控系统，本专利技术针对讲座、会议、发布会以及学生教室等复杂场景提供一种图像预处理技术。
技术实现思路
本专利技术的目的在于克服以上存在的技术问题，提供一种针对复杂背景的图像预处理技术，可以有效的缩减待分析的范围，并可去除冗余的复杂背景。为实现上述目的，本专利技术采用如下的技术方案：一种针对复杂背景的图像预处理技术，包括如下步骤：S1：利用图像分割技术对监控系统采集到的图像数据进行分割，获取以每个学生为中心人物的图像簇Pics1；S2：通过大量数据的训练，获取步骤S1应用场景下的人体检测分类器模型A；S3：利用所述人体检测分类器模型A对所述学生图像簇Pics1进行人体检测，标注人体检测框信息；S4：利用非极大值抑制的方法对步骤S3得到的检测框信息进行交叉框的非极大值抑制处理，获取新的人体检测框信息；S5：利用步骤S4得到的标注信息，提取人体检测框位置信息的最小、最大值，得到最终的人体检测框标注信息；S6：利用步骤S5得到的标注信息，对原始图像簇Pics1进行最大框标注，对图像中未标注部分进行虚化处理获得最终预处理结果。进一步地，所述步骤S1图像分割技术为采用固定大小的滑框对输入图像进行裁剪，将图像分割为多个大小一致的待检图像。由于讲座、会议、发布会以及学生教室图像背景复杂，分割后的图像存在一图多人，一图没人等多样化情形，对于一图没人的情形，利用人工标注的方式加以去除，而对于一图多人的情形，利用步骤S4-S5进行最大框的标注。进一步地，所述步骤S2人体检测分类器模型A对图像进行Hog特征提取，利用线性SVM作为分类器，实现人体检测，用一个滑动的窗口，在图像上从左到右，从上到下的滑动，每滑动到一个位置，计算其Hog信息，每个Hog信息，表现为一个1*n的矩阵。SVM可以有效的最大化正负样本信息的间隔，对正负样本的检测具有较好的鲁棒性及可扩展性，因此本专利技术选择线性SVM作为分类器。虽然OpenCV提供了Hog和SVM的API，也提供了行人检测的sample，但提供的API并不适用于本专利技术的应用场景。因此，针对本专利技术的应用场景，这里进行了自定义训练以得到适合的分类器。进一步地，所述步骤S6虚化处理包括高斯平滑和/或均值平滑处理。由于本专利技术应用场景图像均是分割后的图像，本身像素值不高，模糊处理的效果不是非常显著，这里采用对RGB三通道值置255的方法，对图像进行白化。本专利技术在现有颜色空间变换、图像平滑、图像增强等图像预处理的基础上，还增加了图像分割以及图像定区域虚化的步骤，通过对原始图像进行分割，根据人体检测分类器的检测结果进行区域锁定，进而做出无关区域白化的操作，对后续技术关键特征点的位置分布进行初步的范围划定，缩小了取样的范围，从而有效地提高了后续进行提取关键特征点时的取样效率。附图说明图1：本专利技术图像预处理技术的流程图。图2：本专利技术人体检测技术的流程图。具体实施方式下面结合附图及实施例对本专利技术进行详细说明。如图1所示，一种针对复杂背景的图像预处理技术，包括如下步骤：S0：利用图像分割技术对监控系统采集到的图像数据进行分割，获取以每个学生为中心人物的图像簇Pics1；图像分割技术为采用固定大小的滑框对输入图像进行裁剪，将图像分割为多个大小一致的待检图像，由于讲座、会议、发布会以及学生教室图像背景复杂，分割后的图像存在一图多人，一图没人等多样化情形，对于一图没人的情形，利用人工标注的方式加以去除。S2：通过大量数据的训练，获取步骤S1应用场景下的人体检测分类器模型A；S3：利用所述人体检测分类器模型A对所述学生图像簇Pics1进行人体检测，标注人体检测框信息；S4：利用非极大值抑制的方法对步骤S3得到的检测框信息进行交叉框的非极大值抑制处理，获取新的人体检测框信息；S5：利用步骤S4得到的标注信息，提取人体检测框位置信息的最小、最大值，得到最终的人体检测框标注信息；S6：利用步骤S5得到的标注信息，对原始图像簇Pics1进行最大框标注，对图像中未标注部分进行高斯平滑和/或均值平滑处理，获得最终预处理结果。如图2所示，所述步骤S2人体检测分类器的具体方法为，准备本专利技术应用场景的训练正负样本集；对图像进行Hog特征提取；训练线性SVM作为分类器实现正负样本信息间隔最大化；输入待检图像利用训练好的分类器进行人体目标检测。所述步骤S5和S6中采用非极大值抑制的方法以及最大框的标注，由于利用步骤S3得到的人体框之间存在相互包含的情况，有的人体框完全包含于另一个较大的框，这些检测框均指向同一个被检测物体，因此选择了用非极大值抑制(NMS)的方法，另外本专利技术应用场景中存在的一图多人的情形，不同的人之间存在交叉但不完全重叠的情况，因此，本专利技术中选择标注最大框信息。标注信息下最大化主要包括：对重叠检测框进行非极大值抑制；对一图多人，不同的人之间存在交叉但不完全重叠的情况，标注最大位置信息。最后应说明的是：以上实施例仅用以说明本专利技术而并非限制本专利技术所描述的技术方案；因此，尽管本说明书参照上述的各个实施例对本专利技术已进行了详细的说明，但是，本领域的普通技术人员应当理解，仍然可以对本专利技术进行修改或等同替换；而一切不脱离本专利技术的精神和范围的技术方案及其改进，其均应涵盖在本专利技术的权利要求范围中。本文档来自技高网...

【技术保护点】
1.一种针对复杂背景的图像预处理技术，其特征在于，包括如下步骤：S1：利用图像分割技术对监控系统采集到的图像数据进行分割，获取以每个学生为中心人物的图像簇Pics1；S2：通过大量数据的训练，获取步骤S1应用场景下的人体检测分类器模型A；S3：利用所述人体检测分类器模型A对所述学生图像簇Pics1进行人体检测，标注人体检测框信息；S4：利用非极大值抑制的方法对步骤S3得到的检测框信息进行交叉框的非极大值抑制处理，获取新的人体检测框信息；S5：利用步骤S4得到的标注信息，提取人体检测框位置信息的最小、最大值，得到最终的人体检测框标注信息；S6：利用步骤S5得到的标注信息，对原始图像簇Pics1进行最大框标注，对图像中未标注部分进行虚化处理获得最终预处理结果。

【技术特征摘要】
1.一种针对复杂背景的图像预处理技术，其特征在于，包括如下步骤：S1：利用图像分割技术对监控系统采集到的图像数据进行分割，获取以每个学生为中心人物的图像簇Pics1；S2：通过大量数据的训练，获取步骤S1应用场景下的人体检测分类器模型A；S3：利用所述人体检测分类器模型A对所述学生图像簇Pics1进行人体检测，标注人体检测框信息；S4：利用非极大值抑制的方法对步骤S3得到的检测框信息进行交叉框的非极大值抑制处理，获取新的人体检测框信息；S5：利用步骤S4得到的标注信息，提取人体检测框位置信息的最小、最大值，得到最终的人体检测框标注信息；S6：利用步骤S5得到的标注信息，对原始图像簇Pics1进行最大框标注，对图像...

【专利技术属性】
技术研发人员：张文铸，马维亮，杜远超，
申请(专利权)人：北京清帆科技有限公司，
类型：发明
国别省市：北京,11