一种改进的加权区域匹配高空视频行人识别方法技术

本发明专利技术公开了一种改进的加权区域匹配高空视频行人识别方法（KS-WRM），其改进体现在1）利用卡尔曼滤波进行候选区域的确定；2）对摄像头固定与否，采用不同的行人检测策略；3）提出多特征融合的HLS模型的行人检测方法；以及4）基于上下文感知的CA显著区域检测的行人分割。本发明专利技术在细节模糊、背景杂乱以及噪声影响等复杂场景下能够精确的识别出行人。本发明专利技术可以用在如遥感卫星图像、商场、地铁站、火车站、机场等人流量较大的场所的行人检测和识别，以及智能交通控制、智能车辆辅助驾驶、行人流量统计与分析场合中。

【技术实现步骤摘要】

本专利技术属于图像处理领域，具体涉及。
技术介绍
对于大多数智能视频监控系统来说，场景中所出现的人或车等目标是关注的焦点，而行人目标作为监控场景中最活跃和最重要的元素，使得行人目标检测和识别技术得到许多研究者的关注，成为计算机视觉领域研究的热点一。从上世纪80年代以来，国内外许多学者对行人检测与识别技术做了大量的研究，如美国的VSAM (Visual Surveillanceand Monitoring)主要研究用于军事及普通民用场合下的自动视频理解技术；HID (HumanIdentification at a Distance)项目，主要开发多模式和大范围的视觉监控技术,实现远距离人的检测、分类和识别；欧盟也资助了 PROTECTOR和SAVE-U两个行人检测项目，以及用于改善公共交通网络和其他公共场所的安全性的RPRISMATICA系统。IBM公司通过结合目标跟踪和形状分析技术，构建行人外观模型，提出了室外环境下检测和跟踪人群的智能视频监控系统W4。英国也进行了行人及车辆跟踪和交互作用识别的相关研究。国内中科院自动化所在总结英国的VIEWS车辆交通监控系统的基础上，研发了具有本文档来自技高网...

【技术保护点】
一种改进的加权区域匹配高空视频行人识别方法，其特征在于，包括以下步骤：（1）读取视频序列中的每一帧，利用卡尔曼滤波算法标记出候选区域，并从人工标记的投票人库中选择投票人；（2）对步骤（1）中标记出的候选区域进行行人检测，标记出候选人；（3）从标记出的候选人中分割出行人目标，并使用校正算法对行人目标做相应的校正，从而得到候选人集合；（4）对候选人集合中的行人目标的区域进行赋权值，衡量投票人和候选人的匹配度，计算出每个候选人所对应的投票人的全概率P(cj)，再次从计算出来的全概率中选择候选人全概率值最大的行人Pobj＝max{P(cj)}，并且与阈值Tobj相比较，若Pobj≥Tobj，则说明找到...

【技术特征摘要】
1.一种改进的加权区域匹配高空视频行人识别方法，其特征在于，包括以下步骤(1)读取视频序列中的每一帧，利用卡尔曼滤波算法标记出候选区域，并从人工标记的投票人库中选择投票人；(2)对步骤(I)中标记出的候选区域进行行人检测，标记出候选人；(3)从标记出的候选人中分割出行人目标，并使用校正算法对行人目标做相应的校正， 从而得到候选人集合；(4)对候选人集合中的行人目标的区域进行赋权值，衡量投票人和候选人的匹配度，计算出每个候选人所对应的投票人的全概率P(cp，再次从计算出来的全概率中选择候选人全概率值最大的行人2.根据权利要求1所述的改进的加权区域匹配高空视频行人识别方法，其特征在于， 所述步骤(2)具体为根据实际检测场景摄像头是否移动，对于固定摄像头采用局部域时空模型的LST-KDE行人检测算法对步骤(I)中标记出的候选区域进行行人检测并标记出候选人；对于移动摄像头采用多特征融合的HLS模型行人检测算法对步骤(I)中标记出的候选区域进行行人检测并标记出候选人。3.根据权利要求2所述的改进的加权区域匹配高空视频行人识别方法，其特征在于， 所述步骤(3)具体为使用上下文感知的CA显著区域检测算法分割出行人目标，并且使用头肩模型和动态外观模型校正算法对行人做相应的校正，从而得到候选人集合。4.根据权利要求1所述的改进的加权区域匹配高空视频行人识别方法，其特征在于， 所述步骤(I)具体为(1)预测模型相关参数设置，预测模型参数设置主要包括目标状态向量xk、测量向量 zk、状态转移矩阵F和测量矩阵H ；(2)候选区域特征匹配和标记，用5.根据权利要求4所述的改进的加权区域匹配高空视频行人识别方法，其特征在于， η = O. 3，入=0. 7。6.根据权利要求2所述的改进的加权区域匹配高空视频行人识别方法，其特征在于， ...

【专利技术属性】
技术研发人员：刘纯平，王兴宝，王宜怀，吴健，龚声蓉，
申请(专利权)人：苏州大学，
类型：发明
国别省市：