公开了用于从输入的原始图像中检测出其中包含的头部图像的头部检测方法和设备，以及用于从输入的原始图像中检测出其中包含的头部图像并对其进行类别判断的头部检测及类别判断方法和设备。根据本发明专利技术的实施例，通过基于ＴＧＦ特征的第一级头部检测快速地剔除原始图像中包含的明显不是头部图像的ＲＯＩ图像，然后通过基于形状特征的第二级头部检测，从其余的ＲＯＩ图像中确定出头部图像。此外，还可以根据需要对经过两级头部检测后被确定为是头部图像的ＲＯＩ图像进行进一步的验证和类别判断，从而确定这些ＲＯＩ图像是正面、侧面或背面头部图像，还是实际上被误检为头部图像的非头部图像。根据本发明专利技术，可以在保证低漏检率的同时提高头部检测的准确度，降低误检率。
【技术实现步骤摘要】
,头部检测及类别判断方法和装置的制作方法
本专利技术总体上涉及模式识别及计算机视觉
，并且特别涉及一种用于从图 像和视频等中检测出其中所包括的头部(以及根据需要进一步对头部检测结果进行分类) 的方法、设备和/或系统。
技术介绍
在现有的各种视频监控系统和/或方法中，主要以检测运动的对象为目标。然而， 这种系统和/或方法存在两个明显的缺陷。一个缺陷在于，它只适用于对运动对象的检测。 当视频中出现处于静止状态的人，或者视频中的人在一段时间内一直处于静止状态时，将 无法确保正确地检测到监控目标。另一个缺陷在于，要应对人的身体形变问题。人类的身 体是一个典型的非刚性体，因此，人体检测不可避免地要面对由于姿势、朝向、动作等变化 而造成的形变问题，这无疑会增加监控的困难程度，从而降低了监控系统和/或方法的可 靠性。相对于人的身体而言，头部具有比较稳定的特征，不易发生形变。因此，为了提高人 体检测的可靠性，头部检测越来越多地引起了研究人员的关注，并以此来辅助或代替人体 检测。目前，头部检测的方法一般来说可以分为两大类。第一类是基于模板匹配的方 法，例如，可以参见 A. Broggi、M. Bertozzi、A. Fascioli 禾口 M. Sechi 所著的"Shape—based Pedestrian Detection，，(参 见 Proceedings of the IEEE Intelligent Vehicles Symposium 2000，第 215 220 页，2000 年 10 月)，以及Xinyu Xu和 Baoxin Li 所著的“Head Tracking Using Particle Filter with Intensity Gradient and Color Histogram，，(参 见IEEEInternational Conference on Multimedia and Expo 2005(ICME 2005)，第888 891页，2005年)等。在这类基于模板匹配的方法中，首先定义一个头部匹配模板(例如椭 圆形模板、圆环模板等)，然后利用该模板在待检测图像中进行各种不同尺度的扫描，寻找 其中与模板的匹配程度比较高的区域作为头部区域。该类方法具有算法简单、计算速度快 等优点，但是这类方法只适用于简单背景下的规则头部的检测，例如适合于室内场景的监 控等，而对于复杂背景下的不规则头部得检测，该类方法存在稳定性差、漏检率高等缺点。近年来被应用得日益广泛的另一类头部检测的方法是基于统计学习的方法，例 如，可以参见 C. Papageorgiou 禾口 T. Poggio 所著的"A Trainable System for Object Detection”(参见 International Journal of Computer Vision, 2000 年第 38 卷第 15-33 页)，以及 Yi Sun、Yan Wang 禾 P Yinghao He 所著的 “Head-and—Shoulder Detection in Varying Pose，，(参见 International Conference on Natural Computation, 2005 年，第 12 20页)等。该类方法可分为学习阶段和检测阶段。在学习阶段中，对包含头部图像 的各种正样本以及不包含头部图像的各种负样本进行特征提取，以提取出能够区别头部图 像和非头部图像的各种有用的特征向量，然后利用机器学习算法通过对这些样本的特征学 习得到用于分类头部图像和非头部图像的分类器。在检测阶段，首先提取出待检测图像的 特征向量，然后利用训练好的分类器判断其是否是头部图像。这类方法具有较好的可靠性，7对于复杂背景下的不规则头部也具有很好的检测能力，但是对于类似头部形状的物体，该 类方法常常会造成误检。因此，对于复杂环境下的头部检测，该类方法的误检率往往会比较尚o在视频监控分析等的模式识别应用中如何在确保低漏检率的同时尽可能地降低 误检率并尽可能地提高检测速度，仍然是目前急待解决的问题之一。
技术实现思路
在下文中给出了关于本专利技术的简要概述，以便提供关于本专利技术的某些方面的基本 理解。应当理解，这个概述并不是关于本专利技术的穷举性概述。它并不是意图确定本专利技术的 关键或重要部分，也不是意图限定本专利技术的范围。其目的仅仅是以简化的形式给出某些概 念，以此作为稍后论述的更详细描述的前序。为了解决现有技术的上述问题，本专利技术的一个目的是提供一种用于从输入的原始 图像中检测出原始图像中所包含的头部图像的头部检测方法和/或设备，其可以在保证低 漏检率的同时提高头部检测的准确度。本专利技术的另一个目的是提供一种用于从输入的原始图像中检测出原始图像中所 包含的头部图像并对其进行进一步的类别判断的头部检测方法和/或设备，其可以通过类 别判断进一步从先前检测出的“头部图像”中剔除实际上被误检的非头部图像，从而进一步 提高了头部检测的准确度，而且还可以提供了头部分类信息，从而可以为视频监控分析等 模式识别过程提供更丰富的信息。本专利技术的再一个目的是提供用于实现本专利技术的上述方法的计算机程序、其上存储 有所述计算机程序的计算机可读存储介质、和/或计算机程序产品。为了实现上述目的，根据本专利技术的一个方面，提供了一种用于从输入的原始图像 中检测出原始图像中所包含的头部图像的头部检测方法，其包括以下步骤基于原始图像 生成具有多个指定图像大小的扫描检测窗口(R0I)图像，从而得到R0I图像序列；从R0I图 像序列中所包含的每一个R0I图像中提取基于模板的梯度特征(TGF)；针对每一个R0I图 像，基于所提取的该R0I图像的TGF特征执行第一级头部检测，以确定该R0I图像是否为头 部图像；从经过第一级头部检测被确定为头部图像的每一个R0I图像中提取形状特征；针 对经第一级头部检测后被确定为头部图像的每一个R0I图像，基于所提取的该R0I图像的 形状特征，执行第二级头部检测，以确定该R0I图像是否为头部图像；在头部图像候选集中 存储经过第二级头部检测被确定为是头部图像的R0I图像；以及对头部图像候选集中存储 的R0I图像进行后处理，以基于R0I图像的TGF特征确定原始图像中所包含的头部图像，其 中，R0I图像的TGF特征通过以下方式获得以与预先存储的头部边缘模板相同的扇区划分 方式对该R0I图像进行扇区划分，计算每一个扇区内的每一个像素点的图像梯度在从扇区 划分中心点到该像素点的方向向量上的投影并求和，然后将得到的各个扇区的梯度投影之 和组合成一个向量，即为TGF特征。根据本专利技术的另一个方面，还提供了一种用于从输入的原始图像中检测出原始图 像中所包含的头部图像的头部检测设备，其包括两级头部检测器和检测后处理器，其中， 所述两级头部检测器进一步包括扫描检测窗口(R0I)图像序列生成器，用于基于原始图 像生成具有多个指定图像大小的R0I图像，从而得到R0I图像序列；基于模板的梯度特征8(TGF)提取器，用于从R0I图像序列中所包含的每一个R0I图像中提取TGF特征；第一级头 部检测器，用于针对每一个R0I图像，基于所提取的该R0I图像的TGF特征执行本文档来自技高网...
【技术保护点】
一种用于从输入的原始图像中检测出原始图像中所包含的头部图像的头部检测方法，包括以下步骤：基于原始图像生成具有多个指定图像大小的扫描检测窗口（ＲＯＩ）图像，从而得到ＲＯＩ图像序列；从ＲＯＩ图像序列中所包含的每一个ＲＯＩ图像中提取基于模板的梯度特征（ＴＧＦ）；针对每一个ＲＯＩ图像，基于所提取的该ＲＯＩ图像的ＴＧＦ特征执行第一级头部检测，以确定该ＲＯＩ图像是否为头部图像；从经过第一级头部检测被确定为头部图像的每一个ＲＯＩ图像中提取形状特征；针对经第一级头部检测后被确定为头部图像的每一个ＲＯＩ图像，基于所提取的该ＲＯＩ图像的形状特征，执行第二级头部检测，以确定该ＲＯＩ图像是否为头部图像；在头部图像候选集中存储经过第二级头部检测被确定为是头部图像的ＲＯＩ图像；以及对头部图像候选集中存储的ＲＯＩ图像进行后处理，以基于ＲＯＩ图像的ＴＧＦ特征确定原始图像中所包含的头部图像，其中，ＲＯＩ图像的ＴＧＦ特征通过以下方式获得：以与预先存储的头部边缘模板相同的扇区划分方式对该ＲＯＩ图像进行扇区划分，计算每一个扇区内的每一个像素点的图像梯度在从扇区划分中心点到该像素点的方向向量上的投影并求和，然后将得到的各个扇区的梯度投影之和组合成一个向量，即为ＴＧＦ特征。...
【技术特征摘要】
【专利技术属性】
技术研发人员：李亮，吴伟国，
申请(专利权)人：索尼株式会社，
类型：发明
国别省市：JP[日本]
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。