[發(fā)明專利]一種基于人頭計(jì)數(shù)的駕駛培訓(xùn)管理方法

有效

• 申請?zhí)枺?/td>: 201310046970.0
• 申請日: 2013-02-06
• 公開（公告）號(hào): CN103150552A
• 公開（公告）日: 2013-06-12
• 發(fā)明（設(shè)計(jì)）人: 不公告發(fā)明人
• 申請（專利權(quán)）人: 湖北微駕技術(shù)有限公司
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/62;G06M15/00
• 代理公司: 湖北武漢永嘉專利代理有限公司 42102
• 代理人: 鄧寅杰

1.一種基于人頭計(jì)數(shù)的駕駛培訓(xùn)管理方法，其特征在于：其包括以下步驟：?

步驟1)、首先在離線狀態(tài)下對垂直人頭模型進(jìn)行訓(xùn)練，得到人頭檢測的分類器，具體地講就是：在分辨率為70×70像素的人頭樣本中使用積分圖方法提取擴(kuò)展Harr特征，每一個(gè)特征對應(yīng)一個(gè)弱分類器；使用AdaBoost算法訓(xùn)練弱分類器獲得強(qiáng)分類器，并把多個(gè)強(qiáng)分類器串聯(lián)得到分級(jí)分類器；利用最終得到的人頭檢測分類器檢測輸入圖像產(chǎn)生候選人頭區(qū)域；?

步驟2)、對AdaBoost算法檢測得到的候選人頭區(qū)域進(jìn)一步執(zhí)行幀差法檢測得到運(yùn)動(dòng)區(qū)域，然后在運(yùn)動(dòng)區(qū)域上進(jìn)行滑動(dòng)窗口搜索，對窗口用SVM分類器進(jìn)行判定；判定為人頭的窗口，則添加此區(qū)域內(nèi)的特征點(diǎn)至檢測人頭列表中并保存起來，如判斷不是人頭的窗口，則視為非人頭特征點(diǎn)；?

步驟3)、用改進(jìn)KLT?tracker算法對特征點(diǎn)進(jìn)行跟蹤；?

改進(jìn)KLT?tracker算法如下：?

31）、如果Deteced_Object_List不為空，則從中取出一個(gè)對象A；否則退出算法；?

32）、如果Tracked_Object_List為空，則跳轉(zhuǎn)到步驟4)執(zhí)行，否則利用式(4)從Tracked_Object_List中選取出和A相似度最大的對象B；?

N_A＝#(A)N_B＝#(B)N_con＝#(A∩B)?

0＜β＜1?

式中，A，B表示兩個(gè)如上所描述的對象集合，#表示求對象集合元素個(gè)數(shù)的一個(gè)操作；β是一個(gè)參數(shù)，β＝N_B/(N_A+N_B)；?

33）、如果sim(A,B)＞T₁，T₁為一個(gè)預(yù)先設(shè)定的閾值，則合并A和B，并更新B的特征點(diǎn)列表；跳轉(zhuǎn)到步驟1)，否則執(zhí)行下一步；?

34）、如果Missed_Obkect_List為空，則跳轉(zhuǎn)到步驟36)執(zhí)行；否則采用最近鄰原則，從Missed_Object_List中選取出對象C；?

35）、如果A和C相似性度量值小于上述設(shè)定的閾值T₁，則將A和C進(jìn)行合并，更新C的特征點(diǎn)列表，將C插入Tracked_Object_List中；跳轉(zhuǎn)到步驟31)；否則執(zhí)行下一步；?

36）、將對象A作為一個(gè)新目標(biāo)，加入到Tracked_Object_List；轉(zhuǎn)到步驟31)執(zhí)行；?

其中，Deteced_Object_List:檢測人頭列表，?

Tracked_Object_List:跟蹤人頭列表，?

Missed_Object_List:丟失人頭列表；?

步驟4)、人頭檢測框大小估計(jì)：在垂直攝像頭環(huán)境下，應(yīng)用公式（5）來計(jì)算每個(gè)人頭檢測框大小的估計(jì)值H_k，實(shí)際測得的人頭檢測框大小B_k，凡是大小符合|H_k-B_k|＞d的人頭檢測框?yàn)檫^小或過大檢測框，需要剔除；公式（5）如下：?

式中ω₁、ω₂為權(quán)重；取ω₁＝0.3，ω₂＝0.5，H₀＝B₀，d＝H_k/3；?

步驟5)、過線跟蹤與計(jì)數(shù)：當(dāng)人頭檢測框與預(yù)先設(shè)置的虛擬線相交時(shí)執(zhí)行跟蹤，跟蹤對象為檢測框與虛擬線的相交線段；設(shè)第i個(gè)人頭檢測框在過線時(shí)與虛擬線的相交次數(shù)為U_i，檢測框與虛擬線相交的線段為p_ijq_ij，j＝1,2,…,U_i，檢測框左上角點(diǎn)到虛擬線的垂直距離為d_ij，j＝1,2,…,U_i；對于過線目標(biāo)i使用近鄰法實(shí)現(xiàn)檢測框與虛擬線的相交線段在連續(xù)兩幀間的關(guān)聯(lián)跟蹤，此處關(guān)聯(lián)跟蹤是指取所有過線的序列圖像，在序列圖像中，從第一幀過線圖像到最后一幀過線圖像按過線的時(shí)間前后順序排序，每相鄰兩幀配對后執(zhí)行跟蹤，同時(shí)通過對序列d_ij，j＝1,2,…,U_i分析可以判斷目標(biāo)的進(jìn)出方向；當(dāng)式(6)成立時(shí)，判斷目標(biāo)從虛擬線上方走向虛擬線下方，否則判斷目標(biāo)從虛擬線下方走向虛擬線上方；根據(jù)式(6)人頭的運(yùn)動(dòng)方向和人頭檢測框的個(gè)數(shù)來統(tǒng)計(jì)教室內(nèi)學(xué)員總的人頭數(shù)；?

公式（6）如下：?

。