[發明專利]基于局部主方向與能量分析策略的圖像中行人頭肩檢測方法及系統

在審

• 申請號: 201410833559.2
• 申請日: 2014-12-26
• 公開（公告）號: CN104463144A
• 公開（公告）日: 2015-03-25
• 發明（設計）人: 林巍峣;黃凱;周旭楚;張越青
• 申請（專利權）人: 浙江慧谷信息技術有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46
• 代理公司: 上海交達專利事務所 31201
• 代理人: 王毓理;王錫麟

技術領域

本發明涉及的是一種圖像處理領域的技術，具體是一種基于局部主方向與能量分析策略的圖像中行人頭肩檢測方法及系統。

背景技術

行人檢測是計算機視覺領域里的一個重要的基礎研究，其含義為使用圖像處理、機器學習以及有效的優化算法在圖像以及視頻信息中找到其中行人的準確位置。行人檢測在視頻監控，人群異常行為分析以及行人追蹤等實用領域發揮著重要的作用。

行人檢測的技術其實主要概括為以下兩個步驟：首先是對圖像或者視頻提取有效的特征信息；然后是根據相應的特征信息使用機器學習里面適合的算法對特征信息進行判別并進行一定的優化和標注得到最終的結果。

2005年，法國研究人員Dalal等人在《IEEE?Conference?on?Computer?Vision?and?Pattern?Recognition》(IEEE計算機視覺和模式識別會議)發表了一篇名為“Histogram?of?Oriented?Gradients?for?Human?Detection”(用于行人檢測的梯度直方圖)的論文中提出一種名為HoG(梯度直方圖)的特征并結合SVM(支持向量機)的辦法進行行人檢測，檢測有效性得到較大的提升。基于此算法，研究人員同時提出了許多相應的改進算法來進一步提升檢測結果。之后，在2010年，Jianxin?Wu等人在《IEEE?transactions?on?Pattern?Analysis?and?Machine?Intelligence》(IEEE?模式分析和機器智能期刊)上發表的“CENTRIST:A?Visual?Descriptors?for?SceneCategorization”(CENTRIST:場景分類的一個視覺描述子)中提出了一個名為CENTRIST的特征結合SVM的辦法進行行人檢測，實現了較HoG更加良好的結果。然而，在大多數場景中，由于行人的整體輪廓會由于身體的形變例如行人旁裝，坐下以及彎腰等動作而發生較大的變化，因此具有一定的局限性，從而使得魯棒性不強。

與行人檢測算法通常檢測整個人不同的是，行人頭肩檢測側重于行人的頭肩部分的檢測，因為人的頭肩相對于整個人體具有更加明顯的“歐米茄”樣子的特殊形狀，而且此特殊形狀在現實生活中并不是隨處可見，因此對人的頭肩部分做檢測要相對由于對整個行人做檢測。2010年，Chengbin?Zeng等人在《International?Conference?on?Pattern?Recognition》(模式識別國際會議)上發表了一篇“Robust?Head‐Shoulder?Detection?by?PCA‐Based?Multilevel?HOG‐LBP?Detector?for?People?Counting”(用于人數統計的基于主成份分析的多尺度梯度直方圖和局部二指模式的魯棒性頭肩檢測器)中對于人的頭肩模型提出來多尺度梯度直方圖和局部二值模式特征進行行人檢測。然而，現在多數存在的頭肩檢測算法都只是簡單利用了相同的HoG(梯度直方圖)特征。但是實驗結果表明，HoG(梯度直方圖)特征在物體紋理比較復雜容易產生誤檢，而且HoG(梯度直方圖)特征是對整個滑動窗內的梯度進行統計，在頭肩區域的局部小范圍但是相對十分明顯的“歐米茄”樣子并沒有有效提取，因此并不能完全表現行人頭肩的全部細節特征。

在現階段，比較好的行人檢測算法有上述提到的Jianxin?Wu發表的關于使用Centrist特征的行人檢測算法和Chengbin?Zeng發表的使用HoG‐LBP特征的頭肩檢測算法，但是這些算法無法解決的是對于類似于頭肩形狀的無法判斷、擁擠場景下無法有效發揮作用以及背景復雜的情況會產生誤判等問題，難以滿足現有工業需要。

發明內容

本發明針對現有技術存在的上述不足，提出一種基于局部主方向與能量分析策略的圖像中行人頭肩檢測方法及系統，從人頭肩區域所特有的“歐米茄”形狀及其此形狀不易形變的特點出發，緊密結合這些特點，能夠在行人較為擁擠的場合下相對于其他檢測具有較好的效果。

本發明是通過以下技術方案實現的：