【技术实现步骤摘要】
室外监控场景下人头识别检测方法、系统、终端及介质
[0001]本专利技术涉及室外人头识别监控
,具体地,涉及一种基于机器视觉的室外监控场景下人头识别检测方法、系统、终端及介质。
技术介绍
[0002]人头识别是智能城市管理中用于预测群体事件的重要技术,能够实时统计当前的人流密度并全面掌握其变化规律,及时进行预警,极大地降低人力成本,有效提高管理者的监控和研判能力。人头识别统计技术涉及到视频解析、人工智能以及电子信息等学科领域。
[0003]传统的人头识别统计算法主要分为两个部分:人头检测和人头跟踪。在监控摄像头固定的情况下,人头检测主要是将通过检测行人的头部特征将人从背景中分割出来;为了达到更好的统计效果,会对当前观察区域内检测到的行人进行跟踪,以此避免重复统计人头数量。
[0004]但是,在室外情况下,监控摄像头安装的位置较高,摄像头摄取画面的分辨率一般比较低,尤其当监测场景比较拥挤时,需要检测的人头分辨率更低。如图1所示,传统的人头检测方案,包括有:摄像头采集模块、前景提取模块、候选人头提取模块、人头分类模块、人头跟踪模块、色域调节模块、人头特征提取模块和人头模型模块,可以看到基于有监督机制的分类算法如果不进行分辨率的提升,检测准确率较低,满足不了测试的要求。
[0005]为了提高行人检测的准确性,会采用基于深度学习的方法,譬如:Faster
‑
RCNN来进行人头检测,但是这种深度学习的方法需要的硬件成本高,不易在本地监控摄像头端进行实时处理,一般都是回传到云平台进 ...
【技术保护点】
【技术特征摘要】
1.一种室外监控场景下人头识别检测方法,其特征在于,包括:获取室外的行人视频;对获取的所述行人视频进行预处理,得到处理后的行人视频;构建预训练的人头识别模型,并利用所述预训练的人头识别模型进行如下步骤:
‑
对所述处理后的行人视频进行高分辨率视频重建,得到重建后的行人视频;
‑
对所述重建后的行人视频进行分块,得到多个视频块;
‑
对得到的多个所述视频块分别进行人头特征提取;
‑
对提取的所述人头特征进行处理,获取当前视频帧的人头识别框;利用获取的所述人头识别框进行人头跟踪;对跟踪到的所述人头进行数量统计,得到当前场景内的人头数量,完成室外监控场景下人头识别检测。2.根据权利要求1所述的室外监控场景下人头识别检测方法,其特征在于,所述获取室外的行人视频,包括:通过摄像头对获取室外的行人视频信号进行采集,得到视频源Image(S)。3.根据权利要求1所述的室外监控场景下人头识别检测方法,其特征在于,所述预处理,包括:对获取的所述行人视频的视频源Image(S)进行白平衡和色域调节处理;对处理后的视频依次进行前景提取和所在行人部件提取;其中:所述对获取的所述行人视频进行白平衡和色域调节处理,包括:针对获取的所述行人视频,分别离线计算所述行人视频的RGB三个通道的像素均值R
ave
、G
ave
和B
ave
以及RGB三个通道的增益数值K
R
、K
G
和K
B
;将RGB三个通道的像素均值R
ave
、G
ave
和B
ave
和RGB三个通道的增益数值K
R
、K
G
和K
B
对应相乘,得到RGB三个通道的增益像素值:R=K
R
×
R
ave
;G=K
G
×
G
ave
;B=K
B
×
B
ave
;此时,视频源Image(S)的视频流变为Image(R,G,B),完成白平衡处理;将所述视频流Image(R,G,B)进行色域调节,变为ImageRe(R,G,B),完成色域调节处理;所述对处理后的视频依次进行前景提取和所在行人部件提取,包括:利用帧间关系和光流算法相结合的方法,获得处理后视频的前景视频帧ImageRe(R,G,B,i);其中,i为表示视频流中帧序号;利用腐蚀和膨胀的方法,初步删除所述前景视频帧ImageRe(R,G,B,i)中无用的不存在人头的部分,即得到所在行人部件ImageSize(R,G,B,i)。4.根据权利要求1所述的室外监控场景下人头识别检测方法,其特征在于,所述构建预训练的人头识别模型,包括:获取人头样本,并将人头样本的分辨率分别设置为14
×
14、28
×
28和36
×
36,并将这些样本分别归类整理为人头正样本集和人头负样本集其中,k
+
为人头正样本集中
的人头样本数量,k
‑
为人头负样本集中的人头样本数量;对人头正样本集中分辨率为14
×
14、28
×
28和36
×
36的人头样本分别放大n倍分辨率,即得到样本集S
r
{K
+
}:其中,为人头正样本集;采用基于局部惩罚系数的稀疏表示来对样本集S
r
{K
+
}进行超高分辨率重建,其重建方法为:其中,X表示预估值,Y表示最优值,B表示模糊矩阵,S表示上采样矩阵,X
o
表示初始图象值,λ表示局部惩罚的正则化参数,用于改进重建图像的鲁棒性;重复上述重建方法,直至达到视觉清晰度要求;将超分重建后的样本集S
r
{K
+
}分为多个区域块,采用自适应滑窗提取方法提取不同区域块的Centrist LBP算子,获取基于纹理特征的结果:LBP算子,获取基于纹理特征的结果:其中,Fe(LBP)为基于Centrist LBP算子编码以后的结果,δ(g0,g
i
)为区域块灰阶与非像素中心灰阶比较结果,g0,为区域块中心像素灰阶,g
i
为区域块非中心像素灰阶,i表示非中心像素编号;利用Centrist LBP算子,对人头正样本集和人头负样本集中的样本采用SVM模型进行训练,提取粗粒度人头特征,构建得到初级人头特征提取模型;采用自适应滑窗提取方法对提取到的所述粗粒度人头特征进行Hough特征变换,获得Hough特征数;利用获得的所述Hough特征数对...
【专利技术属性】
技术研发人员:王安,陆磊,曹箫洪,
申请(专利权)人:上海飞乐音响股份有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。