[發明專利]一種融合HOG人體目標檢測和SVM分類器的安全帽識別方法

在審

• 申請號: 201410336493.6
• 申請日: 2014-07-15
• 公開（公告）號: CN104063722A
• 公開（公告）日: 2014-09-24
• 發明（設計）人: 于康雄;范宇;湯曉青;鄭和平;鄒見效;于力
• 申請（專利權）人: 國家電網公司;國網四川省電力公司技能培訓中心
• 主分類號: G06K9/66
• 分類號: G06K9/66
• 代理公司: 成都信博專利代理有限責任公司 51200
• 代理人: 鄧金濤

技術領域

本發明涉及視頻監控領域，具體涉及一種融合HOG人體目標檢測和SVM分類器的安全帽識別方法。

背景技術

HOG(Histogram of Oriented Gradient)：即方向梯度直方圖，是一種在計算機視覺和圖像處理中用來進行物體檢測的特征描述子。

SVM(Support Vector Machine)：即支持向量機，是一種可訓練的機器學習方法。

HSV(Hue,Saturation,Value)：是根據顏色的直觀特性創建的一種顏色空間，該模型中顏色的參數分別是：色調(H)，飽和度(S)，亮度(V)。

在施工工地中，工作人員佩戴安全帽是一項非常重要的要求，其直接關系到工作人員的人身安全，所以有必要對施工工地上所有的工作人員是否按要求佩戴安全帽進行嚴格的監控。

在現有技術中，針對安全帽的檢測技術非常少：

有一種專門針對安全帽檢測的方法，重點研究運動人員的背景減除檢測方法并提出了加權時間均值背景模型，其次在特征選取部分嘗試了多種不同的特征，最終給出一組較為有效的特征。之后針對大小、顏色、磨損程度均不完全一樣的各種安全帽，提出一種基于十六方向Gabor的HOG特征(方向梯度直方圖)提取方法，經過SVM訓練得到多項式分類器，能夠在目標與背景灰度相似的情況下識別出安全帽，最后基于顏色直方圖的Mean Shift安全帽跟蹤算法，實現視頻中未佩戴安全帽頭部的跟蹤。這種方法的缺點是：背景模型學習速率較低，在檢測頭部時，膚色和發色的顏色閾值固定，無法自適應，安全帽識別算法時間計算復雜度高，搜索效率較低下。

還有一種用高斯函數模擬安全帽四方向邊緣特征的安全帽檢測算法，通過對安全帽進行建模，獲取安全帽圖像，提取四方向邊緣特征，用高斯函數模擬特征分布，采用線性分段函數區分視頻中窗口為安全帽區域和非安全帽區域實現安全帽的檢測。這種方法主要是用來進行煤礦井下目標人員的檢測，煤礦井下環境特殊，全天候人工照明，加上粉塵和潮濕等因素的影響，導致井下視頻具有以下特點：照度低，光照分布不均勻，所有的圖像以黑、灰、白顏色為主，處理圖像時沒有色彩信息可利用，不適用于一般的戶外場合。

另一種安全帽定位方法，其選取Haar-like特征，使用adaboost算法訓練級聯分類器。將待檢測圖像預處理后，送入分類器，由分類器輸出安全帽在圖像中的位置坐標。這種方法在訓練分類器時比較復雜，且分類器的準確率受訓練樣本的影響。

綜上所述，這些方法均不能夠同時保證準確率和低復雜度，另外，上述方法只是檢測圖像中是否存在安全帽，無法檢測出只是隨身攜帶而并未按規定佩戴安全帽的情況。

發明內容

本發明的目的在于提供一種融合HOG人體目標檢測和SVM分類器的安全帽識別方法，解決現有技術對施工工地中工作人員是否按要求佩戴安全帽的監控精度不夠,準確率低，而且監控過程和計算復雜的問題。

為解決上述的技術問題，本發明采用以下技術方案：

一種融合HOG人體目標檢測和SVM分類器的安全帽識別方法，包括以下步驟：

步驟一，獲取HOG正負樣本特征、SVM分類函數和高斯核函數的參數值；

步驟二，提取監視框：

在作業人員進入施工現場的必經通道處設置攝像頭，設置與工作人員體形相適應的監視框；

步驟三，運動目標檢測：

在監視框范圍內選取前幾幀無目標圖像的像素值作為背景單高斯分布的初始均值向量u₀和協方差矩陣其中I是單位矩陣,是t時刻方差,初始值一般賦予一個較大的值,如

抓取待檢測圖像，將獲取的待檢測圖像的像素值和背景單高斯分布進行匹配檢驗，當像素值與背景單高斯分布均值的距離小于其標準差的δ倍時(δ一般取2.5-3)，則該像素點判決為背景點，并取值為0，否則為前景點，取值為1，得到運動目標的二值圖像；

對被判斷為背景的像素點，更新該像素點的均值向量u_t和協方差矩陣更新公式為：

u_t＝(1-ρ)u_t-1+ρX_t