[發明專利]一種基于高斯形狀特征的人體檢測方法

無效

• 申請號: 200910062127.5
• 申請日: 2009-05-19
• 公開（公告）號: CN101561867A
• 公開（公告）日: 2009-10-21
• 發明（設計）人: 王天江;劉芳;龔立宇;張富強
• 申請（專利權）人: 華中科技大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/66
• 代理公司: 華中科技大學專利中心
• 代理人: 方 放

技術領域

本發明屬于計算機視覺與模式識別領域，具體涉及一種基于高斯形狀特征的人體檢測方法。

背景技術

圖像識別中人體檢測問題是對象檢測領域最困難的問題之一，人體檢測的關鍵是要設計合適的圖像特征來區別人體和背景，以及設計合適的學習方法進行分類。目前，Haar特征在人臉檢測中得到了成功應用，很多研究者將它應用到人體檢測上來，如Oren等利用重疊的Haar特征訓練支持向量機(Support?Vector?Machine，SVM)進行人體檢測，見M.Oren，C.Papageorgiou，P.Sinha，E.Osuna，and?T.Poggio.Pedestriandetection?using?wavelet?templates.IEEE?Conference?on?Computer?Vision?andPattern?Recognition，1997；Viola等將Haar特征擴展以描述連續幀的變化信息，見P.Viola，M.J.Jones，and?D.Snow.Detecting?pedestrians?usingpatterns?of?motion?and?appearance.International?Journal?of?Computer?Vision，63(2)：247-266，November?2007，這種方法的檢測速度為4幀每秒左右，在攝像機靜止且光照緩慢變化的情況下比較簡單和有效，但是該方法不適合于運動攝像機的場合，由于攝像機運動，連續幾幀的背景發生了變化，該方法的誤報率非常高。另外人的衣著的變化，顏色、紋理等特征都會隨著變化，因此，人的身體輪廓形狀是檢測人體的關鍵特征。近幾年研究者們致力于設計能夠更加有效地從圖像中提取人體輪廓形狀的特征，并基于這些特征設計人體檢測算法，如Bo?Wu等提出的Edgelet特征，通過對局部的圖像底層梯度值進行變換得到局部的輪廓特征，利用Adaboost算法從大量的局部特征中選擇一部分最有效的特征構成分類器，進行人體檢測，見B.Wu?and?R.Nevatia.Detection?and?tracking?ofmultiple，partially?occluded?humans?by?Bayesian?combination?of?edgeletbased?part?detectors.International?Journal?of?Computer?Vision，75(2)：247-266.2007；Ying?Wu等提出了一種基于馬爾科夫隨機場(Random?Markov?Field)的人體檢測算法，利用隨機場來描述人體的輪廓特征，見Y.Wu，T.Yu.Afield?model?for?human?detection?and?tracking.IEEE?Transaction?on?PatternAnalysis?and?Machine?Intelligence，28(5)：753-765，2006；Dalal和Triggs于2005年提出基于方向梯度直方圖(Histogram?of?Oriented?Gradients，HOG)特征和支持向量機的人體檢測算法具有里程碑意義，見N.Dalal?and?B.Triggs.Histograms?of?oriented?gradients?for?human?detection.IEEEConference?on?Computer?Vision?and?Pattern?Recognition，2006，該方法使用直方圖來描述局部的圖像梯度方向的分布，從而得到圖像局部的邊緣走向，許多這樣的局部特征組合在一起就描述了人體輪廓的形狀特征。該方法與以前的算法相比，檢測率有非常大的提高，但檢測速度較慢，不能達到實時檢測。Cascade結構在人臉檢測中被實驗證明是一種能夠有效提高檢測速度的工具。其主要原理是利用對象問題中的不對稱性(掃描一張圖片可以得到10000個左右的檢測窗口，但是其中只有少量幾個窗口是人)，通過在初期利用少量的特征將大量的檢測窗口排除，降低在檢測時總的分類比較次數，從而提高檢測速度。Tuzel等設計出協方差特征，并在訓練人體檢測器時對特征進行映射，檢測率比Dalal和Triggs的方法好，但速度較慢，見O.Tuzel，F.Porikli?and?P.Meer.Human?detection?viaclassification?on?Riemannian?manifolds.IEEE?Conference?on?ComputerVision?and?Pattern?Recognition，2007。

發明內容