[發明專利]一種基于曲線波動度描述的行人輪廓檢測方法

在審

• 申請號: 201410586610.4
• 申請日: 2014-10-27
• 公開（公告）號: CN105654090A
• 公開（公告）日: 2016-06-08
• 發明（設計）人: 呂楠;張麗秋
• 申請（專利權）人: 無錫慧眼電子科技有限公司
• 主分類號: G06K9/46
• 分類號: G06K9/46;G06T7/20
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域

本發明屬于視頻圖像處理及識別技術領域，特別涉及一種基于曲線波動度描述 的行人輪廓檢測方法。

背景技術

在商場、購物中心、機場、車站等公共場所的管理和決策中，人流量是不可缺 少的數據。通過對人流量，即進出人數的統計，可以實時有效的監控、組織公共場所 的運營工作，為人們提供更安全的環境和更優質的服務。以商場為例，人流量是非常 基礎和重要的指標，和商場的銷售量密切相關，如果知道比較準確和真實的人流量， 可以為銷售、服務和物流提供可靠的參考信息。

然而，對于行人檢測技術而言，行人輪廓的檢測是非常重要的一個環節。現有 技術中的行人輪廓檢測主要是通過單目視覺的方法，利用行人的人體邊緣、紋理特征 建立模板并綜合運用神經網絡、支持向量機、級聯檢測器等機器學習方法。但是，現 有技術中對行人輪廓進行檢測的過程中對非行人的運動目標輪廓進行檢測時容易發 生誤檢。例如，將動物通過監控區域時將該動物錯誤地認定為行人。因此，有必要對 現有技術中的行人輪廓的檢測方法予以改進，以克服上述技術缺陷。

發明內容

本發明的目的在于提供一種基于曲線波動度描述的行人輪廓檢測方法，用以有效提 高對非設定檢測對象進行運動目標進行篩選，提高對行人輪廓檢測的檢測效率，防止 出現誤檢。

為實現上述發明目的，本發明提供了一種基于曲線波動度描述的行人輪廓檢測方 法，包括以下步驟：

S1、獲取監控區域的視頻流圖像作為輸入圖像；

S2、通過Sobel算子對輸入圖像進行邊緣檢測，得到邊緣圖像；

S3、根據輸入圖像，通過背景差分法處理得到差分圖像，并對差分圖像進行二值化 處理，以得到運動目標區域；

S4、結合邊緣圖像和運動目標區域，進行與運算，并提取出公共部分，以得到運動 目標輪廓；

S5、對運動目標輪廓進行宏形狀特征點集提取；

S6、對由宏形狀特征點集中所保留的若干宏形狀特征點所形成的曲線進行波動度的 匹配檢測。

作為本發明的進一步改進，所述步驟S1具體為：通過攝像機獲取監控區域的視頻流 圖像作為輸入圖像，所述監控區域位于攝像機的正下方。

作為本發明的進一步改進，所述步驟S2具體為：運用3×3的Sobel算子對所述步驟 S1所獲取的輸入圖像進行邊緣檢測，得到邊緣圖像。

作為本發明的進一步改進，所述步驟S3中的背景差分法處理具體為：

根據步驟S1獲取的輸入圖像，提取出第一幀無運動物體的場景圖像作為背景圖像， 然后利用當前幀圖像與背景圖像作背景差分運算以得到差分圖像，所述背景差分運算的 計算公式為：D_k(x，y)＝F_k(x，y)-B(x，y)；

其中，B(x，y)為背景圖像中像素點的灰度值，F_k(x，y)為當前幀圖像中像素點的灰度 值，D_k(x，y)為二者的差分圖像。

作為本發明的進一步改進，所述步驟S5中“宏形狀特征點集”具體為：運動目標輪廓 上局部范圍內最大曲率變化的非噪聲像素點集。

作為本發明的進一步改進，所述步驟S5具體包括以下步驟：

S51、提取運動目標輪廓的微形狀；

S52、根據所述微形狀提取運動目標輪廓的宏形狀及宏形狀基元；

S53、提取運動目標輪廓的宏形狀特征點集。

作為本發明的進一步改進，所述步驟S6具體包括以下子步驟：

S61、保留宏形狀特征點集上最高點和最低點，并將所述最高點與最低點連接為一條 直線，然后保留宏形狀特征點集在所述直線左右兩側若干曲率極大值宏形狀特征點，并 按照所保留的若干宏形狀特征點的坐標關系連接生成一個凸的封閉的圖像輪廓；

S62、根據子步驟S61所保留的若干宏形狀特征點在x方向的坐標軸上的最大值與最 小值的坐標，將運動目標輪廓分為C₁(x)，C₂(x)上下兩條曲線；以及，根據子步驟S61所 保留的若干宏形狀特征點在y方向的坐標軸上的最大值與最小值的坐標，將運動目標輪 廓分為C₃(x)，C₄(x)左右兩條曲線，并計算運動目標輪廓曲線特征在水平方向以及垂直方 向上的波動度分量；

S63、計算整個運動目標輪廓曲線的波動度；