[發(fā)明專利]自適應(yīng)視頻場景的行人檢測方法

無效

• 申請(qǐng)?zhí)枺?/td>: 201310358963.4
• 申請(qǐng)日: 2013-08-16
• 公開（公告）號(hào): CN103473570A
• 公開（公告）日: 2013-12-25
• 發(fā)明（設(shè)計(jì)）人: 葉茂;占偉鵬;徐培;龐鋒;蔡小路;謝易道
• 申請(qǐng)（專利權(quán)）人: 電子科技大學(xué);深圳市博康多媒體顯示技術(shù)有限公司
• 主分類號(hào): G06K9/66
• 分類號(hào): G06K9/66
• 代理公司: 成都宏順專利代理事務(wù)所(普通合伙) 51227
• 代理人: 周永宏

技術(shù)領(lǐng)域

本發(fā)明屬于計(jì)算機(jī)視覺和模式識(shí)別技術(shù)領(lǐng)域，涉及一種普適于智能視頻監(jiān)控中的行人檢測方法。

背景技術(shù)

智能視頻監(jiān)控技術(shù)是計(jì)算機(jī)視覺領(lǐng)域近年來新興的一個(gè)研究方向，它是一種基于人工智能的計(jì)算機(jī)視覺技術(shù)，以視頻場景中的行人、交通工具和運(yùn)動(dòng)物體為研究分析對(duì)象。在智能視頻監(jiān)控研究領(lǐng)域，關(guān)于行人的檢測技術(shù)的研究備受關(guān)注。

在安全和法律方面，智能視頻監(jiān)控系統(tǒng)對(duì)從監(jiān)控?cái)z像機(jī)傳來的監(jiān)控場景的視頻信息進(jìn)行處理，對(duì)場景中可疑的人和事件進(jìn)行報(bào)警，從而阻止犯罪，災(zāi)難性事件的發(fā)生，以保障人民群眾的生命和財(cái)產(chǎn)安全；在交通應(yīng)用上，智能視頻監(jiān)控系統(tǒng)監(jiān)測交通中行人的違法或不安全行為；在商業(yè)活動(dòng)中，智能視頻監(jiān)控系統(tǒng)統(tǒng)計(jì)各購物場所和娛樂場所消費(fèi)者人數(shù)，監(jiān)視公眾場合中行人的阻塞情況和擁擠程度以免發(fā)生踩踏事件。在視頻監(jiān)控的場景中，人是活動(dòng)主體，所以監(jiān)控系統(tǒng)必須能實(shí)時(shí)地檢測與識(shí)別出人；在出現(xiàn)人和人遮擋，人和環(huán)境遮擋，光照變化，非剛體輪廓變形，和交接運(yùn)動(dòng)時(shí)，也能正常工作。

目前針對(duì)行人安全檢測的研究大多集中在運(yùn)動(dòng)行人的檢測和跟蹤方面，且實(shí)驗(yàn)環(huán)境大都比較理想，對(duì)復(fù)雜環(huán)境和混合交通下的行人檢測還沒用獲得實(shí)時(shí)性、魯棒性都比較好的算法。在行人檢測的技術(shù)方法上，普遍采用基于單目視覺的方法，利用人體邊緣、紋理等特征建立模板并綜合運(yùn)用神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、級(jí)聯(lián)分類器這些機(jī)器學(xué)習(xí)方法。

所以，現(xiàn)有的機(jī)器學(xué)習(xí)方法行人檢測技術(shù)在產(chǎn)生魯棒的行人檢測器上主要面臨三大問題：1）從特定的監(jiān)控場景下提取該場景下行人樣本需花費(fèi)大量的人工成本（需逐幀的手工裁切出行人樣本）；2）如若省去人工操作，使用國內(nèi)外開源的行人樣本庫產(chǎn)生得到的行人檢測器只具備一般的普適性，無法在特有場景下展現(xiàn)理想效果；3）對(duì)于現(xiàn)代生活中無窮多的視頻場景，沒有能自動(dòng)適應(yīng)于各類場景產(chǎn)生魯棒高效的行人檢測器。

CN101807260A公開了一種變化場景下行人檢測的方法，該方法通過將第二場景的少量樣本數(shù)據(jù)輔助優(yōu)化級(jí)聯(lián)器，使得級(jí)聯(lián)分類器適應(yīng)于第二場景。但實(shí)際上該方案具有以下三個(gè)缺點(diǎn)：1）使用級(jí)聯(lián)分類器來訓(xùn)練行人檢測器需要多層循環(huán)迭代耗費(fèi)大量時(shí)間，遠(yuǎn)遠(yuǎn)大于支持向量機(jī)訓(xùn)練所耗費(fèi)的時(shí)間；2）從第二場景中提取樣本數(shù)據(jù)仍然是手工截取或裁減，耗費(fèi)大量人工成本；3）對(duì)新加入的第二場景樣本與舊場景樣本只是簡單融合調(diào)整，級(jí)聯(lián)生成新的場景下分類器，使得該方法不能自適應(yīng)于無限多個(gè)場景，隨著場景的增加，樣本數(shù)也會(huì)增加，更大的加大了循環(huán)迭代耗費(fèi)的時(shí)間。

CN103106414A公開了一種智能視頻監(jiān)控中行人的檢測方法，該方法通過收集行人數(shù)據(jù)庫，利用支持向量機(jī)訓(xùn)練行人檢測器，并最后對(duì)檢測窗口融合來完成檢測。但實(shí)際上該方案是計(jì)算機(jī)視覺和模式識(shí)別領(lǐng)域內(nèi)一種公認(rèn)的基礎(chǔ)方法之一：基于機(jī)器學(xué)習(xí)特征的分類方法，具體通過將收集到的樣本基于某些特征轉(zhuǎn)換為高維向量，通過支持向量機(jī)對(duì)這些高維向量進(jìn)行分類，生成檢測器。但生成的檢測器的效果極大程度上依賴于收集的樣本和支持向量機(jī)的訓(xùn)練方法，并且沒有自適應(yīng)場景的功能，每個(gè)場景下都需要耗費(fèi)大量人工成本制作樣本。

發(fā)明內(nèi)容

本發(fā)明的目的是為了解決現(xiàn)有技術(shù)存在的上述問題，提出了一種自適應(yīng)視頻場景的行人檢測方法。

本發(fā)明的技術(shù)方案為：一種自適應(yīng)視頻場景的行人檢測方法，包括以下步驟：

S1.選取行人的正樣本集P和負(fù)樣本集N；

S2.將正負(fù)樣本集P、N中每一個(gè)樣本轉(zhuǎn)換為特征向量，將所述特征向量作為支持向量機(jī)SVM的輸入，生成初始行人檢測器；

S3.使用初始行人檢測器對(duì)新場景下視頻進(jìn)行檢測，保存所有被檢測出的目標(biāo)圖像，對(duì)保存的圖像分成兩類：準(zhǔn)確包含行人的圖像集合定義為P*，未能準(zhǔn)確包含行人即誤報(bào)圖像的集合定義為N*；

S4.將準(zhǔn)確包含行人的圖像集合P*里的圖像轉(zhuǎn)換成特征向量與正樣本集P所轉(zhuǎn)換成的特征向量進(jìn)行相似度計(jì)算，使用P*替換掉正樣本集P中對(duì)應(yīng)于P*里所有樣本相似度最低的部分樣本，完成新場景下正樣本集的更新；

將未能準(zhǔn)確包含行人即誤報(bào)圖像的集合N*里的圖像轉(zhuǎn)換成特征向量與負(fù)樣本集N所轉(zhuǎn)換成的特征向量進(jìn)行相似度計(jì)算，使用N*替換掉負(fù)樣本集N中對(duì)應(yīng)于N*里所有樣本相似度最低的部分樣本，完成新場景下負(fù)樣本集的更新；

S5.將更新后的正負(fù)樣本集P、N轉(zhuǎn)換成特征向量作為支持向量機(jī)的輸入，生成適用于該場景下的行人檢測器，進(jìn)而完成該場景下的行人檢測；

S6.對(duì)于之后每一次新來場景，可重復(fù)步驟S2到步驟S5的過程。

進(jìn)一步的，上述步驟S2具體包括如下步驟：