[發(fā)明專利]基于Hough變換的人頭檢測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201610689381.8
• 申請(qǐng)日: 2016-08-19
• 公開（公告）號(hào): CN106327519B
• 公開（公告）日: 2019-11-19
• 發(fā)明（設(shè)計(jì)）人: 周康;劉玉宇;王增鍬
• 申請(qǐng)（專利權(quán)）人: 杭州智諾科技股份有限公司
• 主分類號(hào): G06T7/246
• 分類號(hào): G06T7/246
• 代理公司: 33213 杭州浙科專利事務(wù)所(普通合伙)
• 代理人: 張曉紅<國(guó)際申請(qǐng)>=<國(guó)際公布>=<進(jìn)入

1.基于Hough變換的人頭檢測(cè)方法，其特征在于包括以下步驟：對(duì)輸入的圖像數(shù)據(jù)，進(jìn)行降噪和對(duì)比度提升預(yù)處理，經(jīng)過預(yù)處理后對(duì)圖像提取信息，然后計(jì)算圖像的梯度信息，得到的梯度信息作為輸入數(shù)據(jù)對(duì)場(chǎng)景進(jìn)行背景建模，當(dāng)后續(xù)數(shù)據(jù)輸入后就可以進(jìn)行梯度前景提取，提取的梯度前景直接采用Hough變換進(jìn)行人頭檢測(cè)，其中Hough變換采用基于擴(kuò)展梯度方向角度的方法并且以前景梯度幅值進(jìn)行投影加權(quán)，最后經(jīng)過閾值過濾得到人頭檢測(cè)結(jié)果；

對(duì)梯度信息進(jìn)行背景建模，采用混合高斯模型、中值背景模型、均值背景模型或VIBE方法進(jìn)行前景提取，采用保留梯度信息的方法，如公式(3)所示，保留所有前景梯度值之間的相對(duì)差異，便于后續(xù)的Hough變換人頭檢測(cè)，

FG＝Max{GC(i，j)-GB(i，j)，0} (3)

上式中FG表示最終的梯度前景值，GC(i,j)表示當(dāng)前幀圖像(i，j)位置的梯度信息，GB(i,j)表示當(dāng)背景圖像(i，j)位置的梯度信息。

2.如權(quán)利要求1所述的基于Hough變換的人頭檢測(cè)方法，其特征在于梯度信息的提取：常用的梯度提取算子有Sobel、Robert、Laplace以及水平垂直差分；為了提取增強(qiáng)的梯度信息，選擇在彩色圖像上進(jìn)行，具體方法參考公式(1)(2)，對(duì)于彩色圖像RGB三通道分別計(jì)算對(duì)應(yīng)的x、y方向梯度以及梯度幅值，取梯度最大的分量對(duì)應(yīng)的x、y方向梯度和梯度幅值作為最終的梯度信息；

上式中Gix，Giy屬于r，g，b分量中梯度最大的分量對(duì)應(yīng)的x、y方向梯度。

3.如權(quán)利要求1所述的基于Hough變換的人頭檢測(cè)方法，其特征在于在梯度方向附近向順時(shí)針和逆時(shí)針方向分別擴(kuò)展一定角度構(gòu)成一個(gè)以梯度方向?yàn)榻瞧椒志€的扇形區(qū)域，在這個(gè)扇形區(qū)域內(nèi)進(jìn)行Hough變換投影。

4.如權(quán)利要求1所述的基于Hough變換的人頭檢測(cè)方法，其特征在于在用梯度幅值進(jìn)行加權(quán)時(shí)對(duì)其進(jìn)行歸一化，并且利用sigmoid函數(shù)進(jìn)行非線性轉(zhuǎn)換以壓制噪聲的干擾，如公式(4)(5)：

Gradient(i)＝(2，L)/(1+e^(α*g))-L(4)

上式(4)為梯度幅值的歸一化與sigmoid轉(zhuǎn)換，Gradient(i)為前景梯度的轉(zhuǎn)換后幅值，L為目標(biāo)梯度范圍的最大值，ɑ為縮放因子決定函數(shù)曲線的坡度，g則為原始梯度幅值；式(5)中H為最終的Hough變換投影累計(jì)值，大于閾值T則被確認(rèn)為人頭檢測(cè)結(jié)果。